共查询到16条相似文献，搜索用时 798 毫秒
1.
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
2.
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
3.
4.
瑞雷波频散曲线反演的本质是对目标函数求极值的过程.传统的线性局部反演算法容易陷入局部极小值,增加了反演结果的不确定性.粒子群算法作为一种全局非线性优化手段,能够保证各搜索空间内局部寻优的同时,逼近全局最优,保证迭代反演的收敛性.建立含软夹层型地层模型,正演计算得到理论频散曲线,采用粒子群算法反演得到的横波速度与模型高度吻合.同时,在理论频散曲线中加入10%的高斯白噪声,粒子群算法的反演结果仍然具有很好的可靠程度.通过对实测频散曲线的反演表明:粒子群算法在含软夹层型地层的横波速度探测中相对于最小二乘法优势明显,具有很高的应用价值. 相似文献
5.
6.
《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
7.
8.
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
9.
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
10.
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
11.
Si-Yu Li Shu-Ming Wang Peng-Fei Wang Xiao-Lu Su Xin-Song Zhang Zhi-Hui Dong 《Acta Geophysica》2018,66(4):607-621
The grey wolf optimizer (GWO) is a novel bionics algorithm inspired by the social rank and prey-seeking behaviors of grey wolves. The GWO algorithm is easy to implement because of its basic concept, simple formula, and small number of parameters. This paper develops a GWO algorithm with a nonlinear convergence factor and an adaptive location updating strategy and applies this improved grey wolf optimizer (improved grey wolf optimizer, IGWO) algorithm to geophysical inversion problems using magnetotelluric (MT), DC resistivity and induced polarization (IP) methods. Numerical tests in MATLAB 2010b for the forward modeling data and the observed data show that the IGWO algorithm can find the global minimum and rarely sinks to the local minima. For further study, inverted results using the IGWO are contrasted with particle swarm optimization (PSO) and the simulated annealing (SA) algorithm. The outcomes of the comparison reveal that the IGWO and PSO similarly perform better in counterpoising exploration and exploitation with a given number of iterations than the SA. 相似文献
12.
为满足地球物理资料反演解释的高精度、快速、稳定的要求,本文结合免疫遗传算法寻优速度快和BP神经网络反演不依赖初始模型等优点,设计了一种将BP神经网络和免疫遗传算法进行有机结合的全局优化反演策略,并将该策略成功地应用于二维高密度电法数据反演.利用免疫遗传算法(Immune Genetic Algorithm,简称IGA)对神经网络的反演参数进行同步优化,提高了电阻率反演的精度.仿真和实验结果验证设计的全局优化反演策略取得了较好的效果,通过与线性反演方法和BP法以及遗传神经网络法等反演方法进行比较,得出该方法具有反演精度更高,反演时间更短等显著优势的结论. 相似文献
13.
14.
In this paper,we apply particle swarm optimization(PSO),an artificial intelligence technique,to velocity calibration in microseismic monitoring.We ran simulations with four 1-D layered velocity models and three different initial model ranges.The results using the basic PSO algorithm were reliable and accurate for simple models,but unsuccessful for complex models.We propose the staged shrinkage strategy(SSS) for the PSO algorithm.The SSS-PSO algorithm produced robust inversion results and had a fast convergence rate.We investigated the effects of PSO's velocity clamping factor in terms of the algorithm reliability and computational efficiency.The velocity clamping factor had little impact on the reliability and efficiency of basic PSO,whereas it had a large effect on the efficiency of SSS-PSO.Reassuringly,SSS-PSO exhibits marginal reliability fluctuations,which suggests that it can be confidently implemented. 相似文献
15.
基于萤火虫算法的雷瑞波非线性反演(英文) 总被引：2，自引：2，他引：0
雷瑞波具有强振幅、低频和低速的特点,在反射地震勘探中通常是需要被压制的强噪声。本文研究如何利用雷瑞波获取近地表地层的横波速度和地下结构,选取萤火虫优化算法进行面波的反演,萤火虫优化算法是一种新的粒子群算法理论,具有稳定、快捷、全局搜索等特点。针对萤火虫优化算法优缺点进行了讨论和改进,通过对理论模型和野外数据的测试应用,将提取的瑞利面波频散曲线反演得到横波速度信息。结果表明萤火虫优化算法能实现面波非线性反演,并具有分辨率高、抗干扰能力强等优点和实际使用前景。 相似文献
16.
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