企业官网建设流程全解析

简介：本资源是面向地球物理专业研究人员与勘探工程师的瑞雷面波正反演实践工具包，聚焦浅层地壳结构建模与速度参数反演这一核心问题，适用于地震活动性评估、城市地质调查及工程场地稳定性分析等实际场景。压缩包共18个文件，含16个MATLAB源码（.m）与2个说明文档（.txt），涵盖正演模拟（如make_synthetic_ex1.m）、初始模型构建（make_initial_model_ex1.m）、雅可比矩阵计算（raylee_sensitivity.m）、非线性反演主程序（raylee_invert.m）及结果可视化（plot_results_ex1.m）等完整流程模块；25KB轻量级设计便于快速部署与调试。已有361人学习下载，提供从理论实现到结果验证的一站式脚本支持，包含数值测试（numerical_tests.m）、Lysmer边界处理（raylee_lysmer.m）及NaN异常检查（check_nans.m）等工程细节，显著降低瑞雷波反演算法复现门槛。 拿到“raylee.tar.gz”这个名字的压缩包，圈内人大概能猜到，这又是一套和瑞雷波正反演有关的程序包。搞过面波勘探的人都知道，瑞雷面波频散曲线的正演和反演是整个数据处理链路里最核心、也最容易让人抓狂的一环：正演要算得准，反演要收得住，还要能解释得通。raylee这套工具，就是围绕“给定层状介质模型计算理论频散曲线”和“利用实测频散曲线反演地下介质参数”这两个问题来的，面向的是做浅表地壳结构探测、工程物探、场地波速测试这类工作的同行。

这篇文章我会以一个实际使用者的角度，把raylee从拿到压缩包开始，到编译、配置参数、做正演、跑反演、调优结果的完整过程拆开来讲，重点放在那些文档里不会写、但实际操作中一定会遇到的坑上。无论你是刚接触面波反演的学生，还是已经在用其他工具想换个方案对比验证的老手，这篇文章都能帮你少走不少弯路。

1. 认识raylee：这套程序到底解决什么问题

1.1 瑞雷面波正反演为什么需要专门工具

瑞雷波是地震波在自由表面附近传播时产生的一种面波，它有一个很重要的特性：频散。简单说，不同频率的瑞雷波，其传播速度和穿透深度不一样，高频波反映浅部介质，低频波穿透深、反映深部介质。把某个观测点在各个频率上的瑞雷波相速度（或群速度）画出来，就是频散曲线。这条曲线像一把尺子，把地下介质随深度的速度变化信息“编码”进去了。

正演就是给出一套地层的厚度、纵波速度、横波速度、密度，计算出理论频散曲线。反演则是反过来，根据实测的频散曲线，推算出地下各层的参数。问题是，瑞雷波频散的正演涉及解一个相当复杂的特征方程，而反演又是一个典型的高度非线性、多解性的优化问题。手动算根本不可能，所以必须依赖专门的计算程序。

如果你的目标只是把某一条频散曲线“掰”成看着合理的速度分层，那用Excel也能硬凑。但工程上我们要面对的是几十个甚至上百个测点，每个测点有不同的频散形态，还要保证横向连续性和地质合理性，这时候就必须用一套系统化、可批处理的正反演工具。raylee就是这类工具里的一个轻量级选择。

1.2 raylee和其他面波工具怎么选

当前面波反演领域常见的工具，包括开源的Geopsy里的dinver模块、计算机程序包CPS（Computer Programs in Seismology）、以及Surf96等经典程序。raylee和它们相比，特点非常鲜明：

• 轻量。整个包解压后就是一个Fortran源码目录加说明文档，没有复杂依赖，编译完就几个可执行文件，适合在Linux服务器或者本地终端直接跑。
• 命令行友好。所有参数都通过配置文件控制，方便做批量处理和参数扫描，这在处理大量测点数据时优势巨大。
• 正反演一体。raylee既提供正演模块，也提供反演模块，不用在两个程序之间来回倒数据。
• 可读性好。源码结构清晰，想改点什么东西（比如调整反演策略、换目标函数形式）直接改Fortran代码重新编译即可，适合做算法研究的同学。

当然，它也有弱点。比如图形界面基本没有，可视化得靠第三方软件；文档不算丰富，很多细节需要自己读代码；对大规模三维问题支持有限，主要面向一维层状模型的频散反演。所以我的建议是：如果要做交互式拾取频散曲线、有丰富的可视化需求，用Geopsy的dinver；如果是批量处理、脚本化工作流、或者想深入研究算法细节，raylee是更顺手的选择。

1.3 这套工具包里的内容全览

解压raylee.tar.gz之后，你通常会看到这么几样东西：

• 源代码文件。主要的Fortran源文件，里面按功能划分模块，正演、反演、矩阵运算、输入输出各归其位。
• 参数示例文件。告诉你配置项长什么样，每一项对应什么意思。
• 说明文档。多半是TeX或PDF格式，也有纯文本的README，记录了编译方法、文件格式和基本用法。
• 可能还有少量测试数据。用于验证程序是否编译正确、输出结果是否符合预期。

我一直强调一个习惯：拿到任何一个新的地球物理程序，别急着跑，先把源码目录结构过一遍，弄清楚主程序和子程序的调用关系。raylee这种规模的代码不算大，花一两个小时读一遍，后面的调试效率会高非常多。

2. 从tar.gz到可执行程序：安装编译实操

2.1 解压与文件清单核对

拿到raylee.tar.gz，第一步当然是解压。我个人习惯把它放到一个专门的工作目录，比如~/work/raylee_project/下面，避免散落得到处都是：

mkdir -p ~/work/raylee_project cp raylee.tar.gz ~/work/raylee_project/ cd ~/work/raylee_project tar -zxvf raylee.tar.gz

解压之后，进入生成的目录，用ls -R看一下整体结构。我发现很多初学者在这个阶段会跳过，直接去看README然后企图马上编译。但说实话，先花五分钟看看有没有Makefile、有没有src目录、有没有examples目录，能让你对接下来的编译流程有预期。如果包里有examples/目录，那恭喜你，踩坑成本会低很多，因为可以先用官方测试数据验证你的编译结果是否正确。

在解压时还有一个小点：如果包内文件权限不对，某些Fortran源码在编译时可能会出现奇怪的问题，可以先执行chmod -R u+r *确保所有文件可读。

2.2 编译依赖和Makefile处理

raylee的主体是用Fortran写的，所以你的系统上必须有一个Fortran编译器。Linux下常用gfortran（GNU Fortran），macOS上可以用Homebrew装的gfortran，或者直接用gcc套件里的gfortran。装好之后确认一下版本：

gfortran --version

如果显示找不到命令，在Debian/Ubuntu系上执行：

sudo apt update sudo apt install gfortran

在Red Hat/CentOS系上执行：

sudo yum install gcc-gfortran

编译这步，正常情况就是进目录直接：

make

如果包里有现成的Makefile，通常上面这一下就可以了。但Raylee这套程序有点特殊，它的源码里可能需要你先编辑Makefile指定编译器类型。我遇到过的情况是，源码根目录下有个Makefile，里面写的是FC = g77，这种老式编译器现在基本装不上了，你需要改成FC = gfortran，同时把对应的编译选项调整一下，比如把-O3留作优化选项，删掉g77特有的-ffixed-line-length-132如果不需要的话（如果源码里有很长的行，这个选项其实还需要保留，看编译报错定）。

另外一个常见问题是库依赖。有些版本的程序要链接BLAS和LAPACK，这两个是数值线性代数库。如果你的系统里没装，会报错找不到BLAS相关符号。Debian系可以：

sudo apt install libblas-dev liblapack-dev

装好后在Makefile里的LDLIBS或者LIBS变量里加上-lblas -llapack即可。如果希望完全跳过外部依赖，也可以把写死的BLAS/LAPACK调用改写成Fortran自带的简单实现，但工作量会不小，除非你只做测试，否则不值得。

编译过程如果报错，最重要的信息是第一行和最后几行，比如Error: Cannot open file ray_common.mod这种通常是模块依赖顺序问题，把文件编译顺序调整一下就好。如果你的Makefile没有自动处理依赖，我会建议你按源文件里MODULE定义的依赖关系手动写一个编译顺序列表。

2.3 验证编译成功：跑通官方测试

编译通过不代表程序一定是对的，最好用包里自带的测试数据验证一遍。执行正演模块，把输出结果和包里给的参考结果对比一下，频散曲线应该基本一致。如果包内没有现成测试数据，教你一个土办法：先跑一个最简单的两层模型正演，和理论值做对比，或者和你在其他程序（比如Geopsy）里用相同模型参数算出的频散曲线对比，误差应该在很小范围内。

这一步非常关键，相当于给仪器做了一次标定，后续反演结果再离谱，至少正演引擎是可信的。

3. 输入文件与参数体系：别小看配置这一步

3.1 参数文件的结构与关键项

raylee的输入通常有两类：一类是模型参数文件，描述初始模型和反演控制参数；另一类是实测频散数据文件，给反演提供观测目标。参数文件的格式在不同版本里可能会有些差异，但核心内容大致是这几块：

• 模型层数。这是最基础的参数，决定了你要反演多少个地层。
• 每层的初始参数。包括该层厚度、纵波速度（Vp）、横波速度（Vs）、密度。实际反演时，通常会固定Vp和密度，只反演每个层的Vs和厚度，因为面波频散对Vs最敏感，Vp和密度的影响相对有限。
• 频率范围。正演时计算哪些频率点上的相速度，反演时用哪些频率点的观测数据参与拟合。
• 反演迭代参数。包括最大迭代次数、收敛容差、阻尼系数初始值等。

下面是一个典型的参数文件示例，我按自己常用的方式写的：

# raylee参数文件示例 # 模型层数 3 # 各层参数: 厚度(m) Vp(m/s) Vs(m/s) 密度(g/cm3) # 第1层 5.0 1200.0 280.0 1.8 # 第2层 10.0 1600.0 420.0 1.9 # 第3层（半空间） 0.0 2000.0 650.0 2.0 # 正演频率范围(Hz)和采样点数 0.5 20.0 40 # 反演控制 20 5 1.0e-4

看到这里你可能发现，半空间的厚度我写的是0.0，在很多程序里这代表这一层是半空间，厚度无限大，程序会自动处理，不会真的把厚度设为零。这就是这类参数文件里的“隐藏规则”，不读源码或者不看说明，根本猜不到。

3.2 初始模型怎么给：经验策略

反演初始模型的好坏，直接决定了反演能不能收敛、收敛到哪个局部极小值。raylee这类程序内部用的是迭代线性化或全局优化算法，初始模型离真实模型越远，越容易掉进局部极值出不来。

给初始模型的一个实用原则是：先粗后细。先用均匀半空间或者两层粗略模型，估算一下整体的速度量级，再逐渐增加层数。比如实测频散曲线显示低速层拐点比较深，那么初始模型的层厚就按这个深度量级来设置，Vs也按拐点前后的速度范围给。

另一个技巧是从波长与深度的经验关系出发。瑞雷波的大致探测深度约等于三分之一到二分之一波长，知道了频散曲线每一点对应的波长λ，你就可以估算该频率点对应的感测深度大约在λ/3左右，这个深度处的速度大致等于该频率点的相速度。按这个思路搭建初始模型，比完全拍脑袋要靠谱得多。

3.3 实测频散数据的整理

实测频散数据文件是反演的“靶子”。它的格式通常是三列或者四列：频率、相速度、（可选）波长或周期，有时候还带模式编号。比如：

5.0 480.2 0.0 1 6.0 462.8 0.0 1 7.0 450.1 0.0 1

这里第四列是模式，1代表基阶模式。raylee支持高阶模式的同时反演，如果你有多模式拾取结果，可以一并整理进去。需要特别注意的是，不同的资料处理方法导出的频散曲线起点和终点不一样，频率采样间隔可能也不规则，raylee不一定会自动插值，建议你在提交反演之前，先把离散的频散点计算到一个统一的频率网格上。这个预处理步骤用Python几行就能搞定，实测下来对反演稳定性帮助很大。

4. 正演核心：频散曲线是如何算出来的

4.1 频散方程和求根思路

瑞雷波在层状介质中的频散方程，本质上是一个关于相速度c和频率f的隐式方程。以位移势函数代入层状介质的弹性波动方程，在各层边界满足位移连续和应力连续的边界条件，最后会得到一个行列式方程等于零的形式。对于水平层状介质模型，求解这个方程的思路通常是：在给定频率下，扫描相速度c，看行列式何时变号，找到零点的位置。

raylee内部用的就是类似的方法，只是在数值实现上做了很多优化：如何在复数平面里处理衰减波、如何避免漏根、如何在频散曲线连续的波段上做根的追踪，这些都是Fortran源码里比较耐读的部分。比如频率增加时，基阶模态的相速度会趋近于最表层介质的瑞雷波速度，而频率趋近于零时，相速度趋近于半空间的瑞雷波速度。算完一层频散曲线，你会发现这就是一条从低频到高频由高到低（或者存在低速层时先低后高再低）的连续曲线。

4.2 模型参数对频散曲线的影响规律

写正演程序的都知道一句话：模型参数和频散曲线之间不是一一对应的关系。不同参数在不同频率区间上的敏感性差异很大，这是面波反演非线性的根源。举个直观例子：

• Vs（横波速度）是主导参数。整体抬升Vs，整条频散曲线几乎平行上移；某层Vs变化，只在对应敏感性频段上改变曲线形态。
• 层厚度主要影响频散曲线的“拐点位置”。薄层厚度改变时，高频段频散曲线变化明显；厚层厚度变化时，影响更多体现在中低频段。
• Vp和密度的影响相对较小。在绝大多数浅表层应用中，Vp和密度直接按经验公式给固定值即可。比如Vp与Vs的比值（泊松比）在松散沉积层中约1.8~2.5之间，在基岩中约1.7左右。

我在正演测试时习惯做的实验是：把某个层位的Vs单独加减20%，看频散曲线怎么动。这个实验做多了，你会形成一种直觉：看到一条实测频散曲线的形态，大致能猜出是什么样的地层层序产生的。这种直觉在反演结果合理性判断中非常有用。

4.3 正演在反演中的角色

反演过程可以说就是一个“不断正演、不断对比”的过程。raylee的反演模块在每一轮迭代时，都会调用正演子程序计算当前模型的理论频散曲线，然后与实测数据比较，计算残差，再根据残差调整模型参数。所以正演引擎的精度和速度直接决定反演的成败。

这里有一个性能优化的小技巧：如果实测数据有上千个频率点，而且模型层数很多，正演的计算量会很大。raylee支持指定在哪些频率点上做正演。你可以预先分析实测频散曲线的形态，在关键转折处加密频率点，在平缓段稀疏采样，这样能在保证精度的同时大幅提升反演速度。我在处理探地雷达和面波联合反演项目时，通常把频率点控制在50个以内，既覆盖了有效频带，又不会让单次正演耗时超过几十毫秒。

5. 反演实战：流程、策略与参数调优

5.1 一个完整的反演流程长什么样

以我实际做工程探测的经验，raylee反演的标准流程大致是四步：

1. 数据准备。整理频散数据，统一频率网格，剔除明显异常点。
2. 模型参数化。确定层数、每层的Vs和厚度初始值，固定Vp和密度。
3. 反演试算。先跑少量迭代次数，观察模型是否快速收敛、残差是否持续下降，如果不是，果断调整初始模型或反演参数。
4. 正式反演。迭代到收敛条件满足，对结果做质量评估。

这里特别提醒：不要一上来就跑全自动化反演，然后拿到一个结果就以为万事大吉。我可以负责任地说，90%的情况下，第一次全自动反演结果是需要审视甚至重来的。

5.2 目标函数与迭代策略的理解

raylee反演的核心目标函数通常是实测频散值与理论频散值的加权均方误差：

[ \Phi = \frac{1}{N}\sum_{i=1}^N w_i [c_{\text{obs}}(f_i) - c_{\text{calc}}(f_i)]^2 ]

其中(w_i)是频率点权重。权重的设置是一件很有讲究的事。如果某些频率点上测量误差大（比如能量弱、相干性低），就应该降低权重，避免这些点主导反演。raylee允许在频散数据文件里附加权重列，你完全可以根据数据质量自己赋值。

迭代策略方面，raylee采用典型的局部优化框架，这意味它对初始模型的依赖很强。我在实操中的习惯是：先跑3~5次不同初始模型的平行反演，如果它们收敛到相近的结果，说明解比较可靠；如果差异很大，那就是多解性太强，需要引入约束。

5.3 约束和正则化：反演不“跑飞”的关键

纯无约束反演在面波问题里几乎必然出问题，尤其是在深层参数上。因为频散数据对深层的敏感性低，反演迭代很容易把深层Vs调成各种离谱值，而目标函数的下降幅度却很有限。为了控制这种不稳定性，需要引入平滑约束或参考模型约束。

具体到raylee里，你可以通过调整参数文件里的阻尼系数来控制每次迭代的步长。阻尼系数大，模型变化慢，稳定性好但收敛慢；阻尼系数小，收敛快但容易震荡。我的经验是，初始阶段用较大的阻尼系数，让模型先稳定下来，在后续迭代中逐步减小阻尼系数，让细节结构有机会显现。这个思路和很多梯度类反演的降温策略相通。

另一个实用技巧是把那些你确信的参数固定住，只反演少量关键参数。比如Vp和密度完全可以固定，某些层厚如果钻孔资料已经提供了，也直接固定，只反演Vs。参数越少，多解性越弱，反演结果越好解释。

5.4 反演结果的质量评估方法

反演完成后，最直观的检查是画三条曲线：实测频散曲线、最终理论频散曲线、初始模型理论频散曲线。如果最终拟合很好（均方根残差小于几个m/s），但模型里出现了地质上不可能的速度倒转或超高速薄层，那就要警惕是否陷入了数值陷阱。

我在项目中常用的评估组合是：

• 残差曲线：每个频率点的误差要随机分布，不能在某些频段系统性偏高。如果低频段系统性偏高，说明深层结构基本不受数据约束，模型深层部分不可信。
• 灵敏度矩阵：看看最后输出里哪些参数是真正被数据约束的。如果某层Vs的灵敏度很小，那这个参数基本是初始模型说了算，不能当反演结果来看。
• 与钻孔资料的对比：这是终极裁判。反演出的Vs分层如果和已知地质剖面大致吻合，那这个结果就可以放心交出去。

6. 常见问题与排查技巧实录

6.1 频散曲线“高频段震荡”怎么排查

正演算出的频散曲线在高频段出现非物理的震荡，通常有两个原因：一种是层数太多、层厚太薄，导致数值不稳定；另一种是频率采样过密，在某个频段上求解器漏根或者多根，追踪算法跳到了别的模态上。

排查方法是先减少层数，把太薄的合并层去掉，看看是否改善；再把频率采样点减少，看是否改善。如果都不行，检查源码中根追踪算法的实现，看是否需要在频率步进时用上一频率点的结果做初值。raylee的正演算法通常已经考虑了这些问题，但遇到极端模型时仍有可能出现，要有心理准备。

6.2 反演不收敛或残差下降缓慢

这个问题的头号原因就是初始模型给得太离谱。我统计过，跑来问我的案例里，八成以上最后发现是初始Vs和真实值差了两倍以上。检查的方法很简单：初始模型算出来的理论频散曲线和实测曲线形状对比一下，如果完全没有相关性，就别指望反演能救回来了，回炉重建初始模型。

第二种可能原因是反演参数设置不够合理。试着调大阻尼系数、减少每步允许的最大模型变化量、增大迭代次数上限。反演就像下山，有时候不是山顶不对，而是步子太大，在山谷间反复横跳，不收敛。

6.3 多解性和初始模型敏感性

面波反演多解性是固有属性，尤其实测数据频带覆盖不全的时候。解决思路有两个主要方向：一是加约束，用先验信息压缩解空间；二是加数据，把高阶模态频散、衰减系数、甚至主动源与被动源数据联合起来参与反演。raylee支持多模态反演的话，务必用起来。

我遇到过一个比较典型的案例：一个场地，基阶频散曲线低频段只到5Hz，反演出的20m以下速度一直不稳。后来加入了3Hz的被动源数据，把低频段延伸下去，深层的解就稳定多了。数据覆盖范围永远比反演算法本身更重要。

6.4 常见问题速查表

这张表我建议保存下来，在自己排查问题时对照着看，效率会高很多。

7. 实操总结与个人经验

最后分享一点我个人的习惯。在用raylee跑正式项目时，我从来不会只跑一次反演就收工，而是会做一组“模型参数扰动测试”：在初始模型的合理范围内随机扰动30次，分别反演，统计每个层位Vs和厚度的均值与方差。这样既能评估反演结果的不确定性，也能提前发现哪些层位是“数据说了算”，哪些层位纯靠初始模型撑着。这一步做下来，给甲方或合作方解释结果时心里踏实很多。

还有一个小技巧：raylee这类命令行工具和脚本结合使用，威力会成倍增加。我一般是写一个Python脚本批量生成参数文件、调用raylee、解析输出结果并绘图。一百个测点的数据，一晚上就能跑完，输出一张剖面图直接能放到报告里。建议你也按自己的需求把工作流沉淀下来，一次投入，长期受益。

瑞雷面波正反演这套东西，理论门槛和编程门槛都不算低，但raylee把核心算法封装得足够简明，是一个非常好的学习工具和生产力工具。如果你正在做面波相关的项目，或者想深入理解频散反演的算法细节，这个包值得你认真玩几天。

本文还有配套的精品资源，点击获取