共查询到19条相似文献，搜索用时 750 毫秒
1.
本文探讨了粒子群优化(PSO)算法在叠前地震角道集子波反演中的应用.在基本最优PSO算法的基础上,提出了对粒子更新速度进行平滑滤波的改进最优粒子群算法.由于代表子波的粒子的维数较大,如果粒子的各维元素相互独立,将导致粒子速度更新紊乱,影响搜索速度.通过对粒子速度进行三点均值滤波,加强了单个粒子各维元素的相互联系,并防止了粒子速度逃逸,使粒子更快地向有利于最优解的位置收敛.该方法应用于叠前角道集子波的反演中,取得了较好的子波反演效果,证明了本文方法的有效性. 相似文献
2.
粒子群优化算法（PSO）是模仿鸟群寻找食物的社会行为的一种全局最优化算法,在多维空间函数寻优、动态目标寻优等方面有着收敛速度快、解质量高且需要设置的参数较少等优点.本文在研究常规粒子群优化算法的基础上,对常规的粒子群算法进行了改进,提出了一种新的惯性权重ω参数振荡递减策略,加快了PSO算法的收敛速度,构造的新算法称为阻尼粒子群优化算法.在MATLAB 6.5 编程环境中对阻尼PSO算法进行了数值实验,并对大地电磁测深的理论模型和实测数据进行了反演试算,结果表明,阻尼PSO算法不依赖于初始模型、能够搜索到全局极值,不易陷入局部极值,是一种快速有效的地球物理反演方法. 相似文献
3.
《地震工程与工程振动》2021,41(2)
粒子群优化算法是模拟群体智能所建立起来的一种全局优化算法,在解决多参数非线性函数的优化问题上具有良好的性能,为了有更好的收敛精度和更快的收敛速度,本文构建了带有压缩因子的粒子群算法,可用于设计反应谱的标定。利用这一方法可给出第一拐点周期、特征周期、平台值和衰减指数等刻画设计反应谱特征的参数值。本文以埃尔森特罗台(El Centro)加速度时程的反应谱标定为例,采用本文提出的改进粒子群算法、Newmark三参数法、双参数法和差分进化算法对其进行标定。对比分析了4种标定方法给出的特征参数及计算精度,实例证明,改进粒子群算法具有较高的精度,给出的设计反应谱较好地反映了地震反应谱的特征。 相似文献
4.
5.
基于粒子群算法,以钢管混凝土框架的层间位移角及构件内力为约束条件、防屈曲支撑核心单元横截面积总和为目标函数,采用Matlab编写了适用于钢管混凝土减震框架的优化算法,并对钢管混凝土减震框架进行了优化分析。结果表明:采用粒子群算法对钢管混凝土减震框架进行参数优化是可行的。粒子群算法参数少、收敛速度快,是一种适用于钢管混凝土减震框架的新型优化方法。 相似文献
6.
7.
探讨地壳运动速度场模型的构建方法,提出结合欧拉矢量的维多样性动态权重粒子群算法构建地壳运动速度场模型。通过模拟算例验证该算法的稳定性和有效性,建立的速度场模型与线性权重粒子群算法和非线性权重粒子群算法的计算结果相比具有较高的精度,且收敛速度较快。利用青藏高原东北缘1999—2013年中国地壳运动观测网络观测到的GPS水平速率结果,在块体划分和模型辨识的基础上,建立青藏高原东北缘地壳运动速度场模型,并将其与最小二乘配置法的计算结果进行比较,结果表明改进的粒子群算法建立的地壳运动速度场模型具有较高的精度。 相似文献
8.
估计转换波的静校正量是一个复杂的非线性问题,常规的线性静校正方法无法取得好的效果.粒子群算法是一种很好的非线性全局最优化方法,但其缺点是"早熟"现象严重.最大能量法是一种常规求取静校正量的方法,局部寻优能力强且收敛速度快是其优点,但是当地震记录含有大的静校正量时易收敛于局部极值.本文在标准粒子群算法的基础上发展出了一种改进的粒子群算法:团体粒子群算法.并且通过对Rastrigin函数的寻优实验证明了其全局寻优能力优于标准粒子群算法.同时为了解决转换波静校正问题串行融合了团体粒子群算法和最大能量法.最后,建立了含一个水平反射层的模型并合成地震记录,加入随机值作为检波点静校正量.对合成的地震数据分别利用团体粒子群和最大能量的串行融合算法、标准粒子群算法和最大能量法求取静校正量并进行静校正.结果证明串行融合算法得到的静校正量与理论值误差很小,静校正后的叠加剖面连续性较好. 相似文献
9.
瞬变电磁圆锥型场源装置有效的减小了线圈间的电感,提高了小装置探测地下浅层的分辨率,但常规反演方法需给定初始模型且反演精度不高.针对瞬变电磁法反演计算问题,通过对粒子群优化算法(PSO)和神经网络算法(BP)分析研究,改进了一种基于神经网络算法Sigmoid函数的自适应加权粒子群优化(AWPSO)算法.采用标准测试函数对算法进行试算,建立多个理论层状地质模型对该算法进行理论验证,最后在地质资料已知地区开展现场实验.计算结果表明,新提出的算法具有更高的全局搜索寻优能力和收敛速度快、计算精度高,且不需要给定初始模型;实验结果显示实测数据反演结果与高密度电法探测结果吻合,证明该算法能够对瞬变电磁探测数据进行反演计算且精度较高,可以在同类型的浅层探测任务中提供参考. 相似文献
10.
《应用地球物理》2017,(4)
目前,各种主、被动源瑞雷波勘探方法在近地表探测中扮演着日益重要的角色,利用瑞雷波频散曲线反演可以得到近地表横波速度信息,但是瑞雷波频散曲线反演问题是高度非线性的全局优化问题。为了缓解陷入局部最优解的风险,本文将一种新的全局优化方法一洗牌蛙跳算法引入到瑞雷波频散曲线反演中。洗牌蛙跳算法是一种群智能优化算法,通过模拟青蛙种群的觅食行为来实现最优化问题的求解,具有计算速度快,需要调整的参数少,全局寻优能力强的优点。为了检验洗牌蛙跳算法的可靠性和计算能力,首先对不含噪声和含噪声的四层理论模型进行了反演试算。然后,利用不含噪声数据对洗牌蛙跳算法与粒子群优化算法进行比较分析。最后,对实际数据进行反演,以检验洗牌蛙跳算法的实用性。理论地层模型和实际数据的测试结果表明:洗牌蛙跳算法可以有效地定量解释瑞雷波频散曲线,收敛速度、反演精确总体优于经典粒子群优化算法与改进粒子群优化算法,具有很大的发展潜力。 相似文献
11.
12.
地球物理资料群体智能反演(英文) 总被引：6，自引：4，他引：2
复杂地球物理资料的反演问题往往是一个求解多参数非线性多极值的最优解问题。而鸟和蚂蚁等群体觅食的过程,正好与寻找地球物理反演最优解的过程相似。基于自然界群体协调寻优的思想,本文提出了交叉学科的群体智能地球物理资料反演方法,并给出了其对应的数学模型。用一个有无限多个局部最优解的已知模型对该类方法进行了试验。然后,将它们应用到了不同的复杂地球物理反演问题中:(1)对噪声敏感的线性问题;(2)非线性和线性同步反演问题;(3)非线性问题。反演结果表明,群体智能反演是可行的。与常规遗传算法和模拟退火法相比,该类方法有收敛速度相对快、收敛精度相对高等优点;与拟牛顿法和列文伯格一马夸特法相比,该类方法有能跳出局部最优解等优点。 相似文献
13.
应用改进蜂群算法反演面波频散曲线以获得近地表横波速度剖面.蜂群算法属于群智能算法中的一种,灵感来源于蜜蜂群体特定的觅食行为,在该算法的基础上结合粒子群算法中的全局最优解引导思想,同时引入遗传算法中交叉运算操作,即采用基于交叉操作的全局人工蜂群算法对面波频散曲线进行反演研究.改进蜂群算法在继承传统算法精于探索特性的同时,针对其疏于开发的缺陷着重加强了算法对全局的探索能力.使用理论和实测瑞雷波数据,本文研究了改进蜂群算法在推导近地表横波速度分布的有效性和适用性.在反演中,目标函数的收敛性好,改进算法在迭代的过程中能够快速收敛到全局最优;模型参数的概率分布高,即在寻找到全局最优解的同时,能够确保解中每个参数同时达到最优,保证了反演的结果可靠度,使其能有效地应用于瑞雷波频散曲线的反演和解释中. 相似文献
14.
反演瑞雷波频散曲线能有效获取地层横波速度和厚度.但由于其高度的非线性、多参数、多极值等特点,传统的全局搜索方法易出现收敛速度慢、早熟收敛及搜索精度低的问题.鉴于此,本文提出并测试了基于萤火虫优化算法（FA）和带惯性权重的蝙蝠优化算法（WBA）的新的瑞雷波频散曲线反演策略.在瑞雷波频散曲线反演中,FA全局搜索能力强,但后期搜索精度低,而WBA局部搜索能力强,搜索精度高,但易出现早熟收敛.故本文将二者结合,提出了一种新的优化策略,称其为WFBA,即在反演前期使用FA,后期使用WBA,很好地解决了FA后期搜索精度低及WBA早熟收敛的问题.本文首先反演了三个典型理论模型的无噪声、含噪声的数据,验证了WFBA对瑞雷波数据反演的有效性与稳定性.然后将WFBA与WBA、FA单独反演以及不含惯性权重的FBA和粒子群优化算法（PSO）反演的结果进行了对比,说明了WFBA相对于WBA、FA、FBA和PSO具有更稳定、收敛速度更快、求解精度更高等优点.最后,反演了来自美国怀俄明地区的实测资料,检验了WFBA对瑞雷波数据反演的实用性.理论模型试算和实测资料分析表明,WFBA很适用于瑞雷波频散曲线的定量解释,具有很高的实用性价值. 相似文献
15.
煤矿井下矿井瞬变电磁法(MTEM)探测中,电磁场呈全空间分布,全空间瞬变电磁反演是复杂的非线性问题,目前反演计算中全空间响应主要由半空间响应乘以全空间响应系数来得到,导致反演结果中顶板和底板异常(或前方和后方异常)叠加在一起难以分离,造成分辨率下降.论文提出采用粒子群优化算法(PSO)进行全空间MTEM反演,通过理论分析,在常规的粒子群算法基础上提出了一种新的进化公式改进策略,提高了粒子群算法的寻优能力.基于全空间瞬变电磁场理论,编写了粒子群算法反演程序,进行全空间条件下五层含巷道的复杂模型的反演计算.结合某矿井巷道顶板、底板岩层及断层含水性的探测实例,对实测数据进行反演计算和解释,探测结果得到钻探证实.研究表明,改进的粒子群优化算法对理论模型和实际资料的反演拟合程度较高,实现了矿井顶板、底板视电阻率异常的分离,提高了全空间瞬变电磁勘探资料的解释精度和分辨率. 相似文献
16.
全波形反演是一种高精度的反演方法,其目标函数是一个强非线性函数,易受局部极值影响,而且反演过程计算量较大.波场重构反演是近几年提出的一种改进的全波形反演理论.该反演方法通过将波动方程作为惩罚项引入到目标函数中,通过拓宽解的寻找空间减弱了局部极小值的影响,而且反演过程不需要计算伴随波场,提高了计算效率.但该反演方法一直缺少准确的惩罚因子算法,直接影响到该方法的准确度.本文将波场重构反演拓展到时间域并利用梯度法进行波场重构.频率域的惩罚因子用来加强波动方程的约束,而时间域惩罚因子表现为调节模拟波场和实际波场的权重因子.为此,我们根据约束优化理论,在波动方程准确以及重构波场与反演参数解耦的假设下,提出以波动方程为目标函数的新的惩罚因子算法.根据波形反演在应用时普遍存在的噪音干扰、子波错误和低频信息缺失的情况下,应用部分Sigsbee2A模型合成数据对本文提出的算法进行实验.数值实验结果表明：基于新的惩罚因子算法,在其他信息不准确的情况下,波场重构反演可以给出高精度的反演结果. 相似文献
17.
Estimating elastic parameters from prestack seismic data remains a subject of interest for the exploration and development of hydrocarbon reservoirs. In geophysical inverse problems, data and models are in general non‐linearly related. Linearized inversion methods often have the disadvantage of strong dependence on the initial model. When the initial model is far from the global minimum, inversion iteration is likely to converge to the local minimum. This problem can be avoided by using global optimization methods. In this paper, we implemented and tested a prestack seismic inversion scheme based on a quantum‐behaved particle swarm optimization (QPSO) algorithm aided by an edge‐preserving smoothing ( EPS) operator. We applied the algorithm to estimate elastic parameters from prestack seismic data. Its performance on both synthetic data and real seismic data indicates that QPSO optimization with the EPS operator yields an accurate solution. 相似文献
18.
当前对建筑空间结构进行优化时,所采用的算法趋同性高,无法实现多目标种群优化,易陷入局部最优解,存在寻优质量低、优化成本高、抗震性能低的问题。针对上述问题,提出一种基于改进粒子群算法的建筑空间结构优化方法。该方法以空间结构的抗震性能、工程造价为优化目标,来优化建立建筑空间结构设计;引入多子群协同进化机制解决建筑空间结构抗震优化设计中多目标间的种群优化问题,同时引入外部档案和精英学习策略改进粒子群算法,筛选出满足目标函数的最优设计方案,完成抗震性约束的建筑空间结构优化。实验结果表明:所提方法对建筑空间结构优化时的特点为寻优质量高、优化成本低、抗震性能高。 相似文献
19.
Mattia Aleardi 《Geophysical Prospecting》2019,67(2):331-348
We use Legendre polynomials to reparameterize geophysical inversions solved through a particle swarm optimization. The subsurface model is expanded into series of Legendre polynomials that are used as basis functions. In this framework, the unknown parameters become the series of expansion coefficients associated with each polynomial. The aim of this peculiar parameterization is threefold: efficiently decreasing the number of unknowns, inherently imposing a 1D spatial correlation to the recovered subsurface model and searching for maximally decoupled parameters. The proposed approach is applied to two highly non-linear geophysical optimization problems: seismic-petrophysical inversion and 1D elastic full-waveform inversion. In this work, with the aim to maintain the discussion at a simple level, we limit the attention to synthetic seismic data. This strategy allows us to draw general conclusions about the suitability of this peculiar parameterization for solving geophysical problems. The results demonstrate that the proposed approach ensures fast convergence rates together with accurate and stable final model predictions. In particular, the proposed parameterization reveals to be effective in reducing the ill conditioning of the optimization problem and in circumventing the so-called curse-of-dimensionality issue. We also demonstrate that the implemented algorithm greatly outperforms the outcomes of the more standard approach to global inversion in which each subsurface parameter is considered as an independent unknown. 相似文献