共查询到18条相似文献，搜索用时 421 毫秒
1.
《物探与化探》2015,(5)
粒子群优化算法(PSO)是通过模拟鸟群觅食过程中的社会行为而提出的一种基于群体智能的全局随机搜索算法,已有研究学者证明PSO算法是一种有效的地球物理反演方法,不依赖初始模型。此次在研究常规粒子群算法的基础上,针对常规粒子群优化算法易于陷于局部极值,后期收敛速度慢,反演精度不高等缺点,提出了一种改进的充分混沌振荡粒子群优化算法。针对粒子群算法的特点,改进速度更新公式,使粒子更快获取与当前全局最好位置的差异,增强粒子的学习能力,并用此算法在matlab2012b编程环境中对均匀半空间电阻率层析成像异常体理论模型进行了二维数值试验。结果表明,此种算法反演时不依赖初始模型,搜索空间增大,实现全局搜索,在准确性上优于标准PSO反演,成像质量优于Levenberg-Marquardt法反演。 相似文献
2.
解的优化问题是重磁反演中比较重要的一个方面,近些年来出现了很多的优化算法,如遗传算法、粒子群算法等。这里将采用一种新型仿生优化算法,即人工鱼群算法(Artificial FishSchool Algorithm,AFSA)来进行密度反演。将研究区域划分成若干规则且密度均匀的长方体,由引力位推导出长方体外任意一点的重力异常公式,利用重力的可叠加性,计算出观测点的重力异常。并在给定长方体参数后,根据已知重力异常确定密度参数,利用人工鱼群算法寻求最优解。通过理论模型得出:当所反演的密度参数为"2"时,该算法效果十分明显;当所反演的密度参数较多时,该算法在使用方面有一定限制。 相似文献
3.
4.
PSO-LSSVM模型在位移反分析中的应用 总被引：4，自引：1，他引：3
提出了一种基于均匀设计原理、最小二乘支持向量机(LSSVM)和粒子群优化算法(PSO)的快速位移反分析方法。该方法利用均匀设计和有限差分法获得学习样本,再用粒子群算法搜索最优的最小二乘支持向量机模型参数。并用最小二乘支持向量机回归模型建立反演参数与监测点位移值之间的非线性映射关系,最后用粒子群算法从全局空间上搜索与实测位移最吻合的反演参数。该反演模型利用了粒子群算法高效简单、均匀设计构造高质量小样本以及最小二乘支持向量机的小样本、泛化性能好的特点。将该模型应用于龙滩水电站左岸地下厂房区岩体地应力场的反演分析中,计算结果与实测的位移值和地应力值均吻合较好,说明了该模型在岩土工程快速反演分析中具有良好的应用价值。 相似文献
5.
粒子群算法(PSO)是一种基于群智能的全局优化方法。将改进PSO算法应用于水位流量关系拟合优化问题,通过对结果的比较分析,验证了改进PSO算法在提高精度方面的有效性,说明了改进PSO算法在水位流量关系拟合中应用的可行性。 相似文献
6.
基于PSO和LSSVM的边坡稳定性评价方法 总被引：5，自引：0，他引：5
提出了基于粒子群算法（PSO）和最小二乘支持向量机（LSSVM）的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。 相似文献
7.
8.
遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。 相似文献
9.
基于分形先验信息的非线性反演方法能综合利用测井数据和地震信息,在贝叶斯框架下,通过分形高斯噪音算法得到基于分形理论的先验信息,然后根据地震资料构建似然函数,最终利用基于快速模拟退火算法(Very Fast Simulated Annealing,VFSA)改进的粒子群优化(Particle Swarm Optimization,PSO)算法(VFSA-PSO)实现后验概率密度的抽样。与确定性反演结果相比,该方法能够有效地融合测井资料中的高频信息,提高反演结果的分辨率,并且目标函数的建立融合了确定性反演中的低频约束,从而得到宽频带的反演结果。数值模拟试验表明:基于分形先验的非线性反演结果与理论模型吻合较好,实际资料的应用效果也证明了该反演方法的有效性。 相似文献
10.
基于粒子群算法的水资源优化配置 总被引：1，自引：0，他引：1
本文基于可持续发展理论,以社会、经济和环境的综合效益最大为目标,建立了区域水资源优化配置模型.根据模型的特点,采用粒子群算法(PSO)对模型进行求解.针对粒子群算法的迭代原理,通过对粒子编码方法、适应度函数构造和约束条件处理等环节的改进,构成了用于多目标有约束条件模型求解的粒子群优化算法.不仅拓展了粒子群优化算法的应用领域,同时也为复杂多目标模型的求解提供了一种新途径.本文以北京市为例,借助本文提出的模型,得到了该市2010、2020和2030年三个水平年在50%保证率下的水量配置方案.优化结果表明,该算法应用于水资源优化配置中是合适的. 相似文献
11.
基于微粒群算法的大坝材料参数反分析研究 总被引：1，自引：0，他引：1
将微粒群算法应用于大坝参数反分析，同时分析了群体规模对算法的搜索效率和搜索质量的影响以及微粒群反分析算法的数值稳定性。对算例的分析结果表明，基于微粒群算法的大坝参数反分析方法简便易行，收敛精度高，且具有很好的抗噪音能力，是一种新的有效、可靠的参数反分析方法。 相似文献
12.
13.
14.
Rashed Poormirzaee 《Arabian Journal of Geosciences》2016,9(16):673
The refraction microtremor method has been increasingly used as an appealing tool for investigating near surface S-wave structure. However, inversion, as a main stage in processing refraction microtremor data, is challenging for most local search methods due to its high nonlinearity. With the development of data optimization approaches, fast and easier techniques can be employed for processing geophysical data. Recently, particle swarm optimization algorithm has been used in many fields of studies. Use of particle swarm optimization in geophysical inverse problems is a relatively recent development which offers many advantages in dealing with the nonlinearity inherent in such applications. In this study, the reliability and efficiency of particle swarm optimization algorithm in the inversion of refraction microtremor data were investigated. A new framework was also proposed for the inversion of refraction microtremor Rayleigh wave dispersion curves. First, particle swarm optimization code in MATLAB was developed; then, in order to evaluate the efficiency and stability of proposed algorithm, two noise-free and two noise-corrupted synthetic datasets were inverted. Finally, particle swarm optimization inversion algorithm in refraction microtremor data was applied for geotechnical assessment in a case study in the area in city of Tabriz in northwest of Iran. The S-wave structure in the study area successfully delineated. Then, for evaluation, the estimated Vs profile was compared with downhole data available around of the considered area. It could be concluded that particle swarm optimization inversion algorithm is a suitable technique for inverting microtremor waves. 相似文献
15.
位移反分析的粒子群优化-高斯过程协同优化方法 总被引：2，自引：0，他引：2
针对采用随机全局优化技术进行岩土工程位移反分析存在数值计算量大、效率低的问题,将粒子群优化算法与高斯过程机器学习技术相结合,提出了位移反分析的粒子群优化-高斯过程协同优化方法。该方法利用全局寻优性能优异的粒子群优化算法进行寻优的基础上,采用高斯过程机器学习模型不断地总结历史经验,预测包含全局最优解的最有前景区域,通过提高粒子群搜索效率并降低适应度评价次数,进而有效地降低位移反分析过程中的数值计算工作量。多种测试函数的数学验证和工程算例的研究结果表明该方法是可行的,与传统方法相比较,可显著地降低位移反分析的计算耗时。 相似文献
16.
水文地质参数寻优结果的好坏会直接影响到地下水数值模拟的精度,而参数寻优结果很大程度上取决于寻优方法的选择。粒子群算法是一种基于群智能的随机全局寻优方法,算法的缺陷是后期搜索效率低劣。基于随机寻优算法的混合策略,引入有效的约束处理手段和粒子群算法惯性因子的动态非线性调整技术,有机融合粒子群算法与Hooke-Jeeves方法,提出一种适用于水文地质参数反演的HJPSO混合算法。应用研究表明,HJPSO混合算法在参数反演计算中求解精度高、收敛速度快、寻优性能强,是一种值得推广的水文地质参数识别方法。 相似文献
17.
Qiang Guo Hongbing Zhang Jingbo Tian Lifeng Liang Zuoping Shang 《Arabian Journal of Geosciences》2018,11(3):48
Multiparameter prestack seismic inversion is one of the most powerful techniques in quantitatively estimating subsurface petrophysical properties. However, it remains a challenging problem due to the nonlinearity and ill-posedness of the inversion process. Traditional regularization approach can stabilize the solution but at the cost of smoothing valuable geological boundaries. In addition, compared with linearized optimization methods, global optimization techniques can obtain better results regardless of initial models, especially for multiparameter prestack inversion. However, when solving multiparameter prestack inversion problems, the application of standard global optimization algorithms maybe limited due to the issue of high computational cost (e.g., simulating annealing) or premature convergence (e.g., particle swarm optimization). In this paper, we propose a hybrid optimization-based multiparameter prestack inversion method. In this method, we introduce a prior constraint term featured by multiple regularization functions, intended to preserve layered boundaries of geological formations; in particular, to address the problem of premature convergence existing in standard particle swarm optimization algorithm, we propose a hybrid optimization strategy by hybridizing particle swarm optimization and very fast simulating annealing to solve the nonlinear optimization problem. We demonstrate the effectiveness of the proposed inversion method by conducting synthetic test and field data application, both of which show encouraging results. 相似文献
18.
针对地震信号多子波分解与重构技术中匹配追踪算法能够根据地震信号自身特点进行自适应分解、但其计算量庞大的问题,笔者提出一种粒子群快速优化算法,用于快速搜索地震信号稀疏分解的最优匹配原子。即在迭代过程中,将搜索区域确定在高斯函数能量集中的部分,避免了搜索过程的"贪婪性",能有效降低稀疏分解复杂度。同时,在粒子群算法中引入了一种多项式变异算子,可以有效避免搜索最优解的过度集中。实验结果证明,此算法将匹配追踪的分解精度提高了67倍,更使计算效率提高了153倍。 相似文献