共查询到17条相似文献，搜索用时 171 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.
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
3.
磁法反演属于非线性最优化问题,具有多变量、目标函数多极值、反演多解性等特点,因此,需要稳定的和高效的优化反演算法.粒子群优化已开始被用于地球物理反演计算,但是对于高维数、多峰值函数,粒子群的收敛精度不高,容易陷入局部极值.如果将混沌局部搜索和粒子群优化的优势相结合,通过将种群搜索过程对应为混沌轨道的遍历过程,可使标准粒子群优化的搜索过程具有避免陷入局部极小的能力.本文利用混沌-粒子群优化用于磁法反演计算.数据试验结果表明,该方法可以用于磁法数据的地球物理非线性反演,并且在一定程度上优于标准粒子群优化方法. 相似文献
4.
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
5.
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
6.
7.
8.
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
9.
《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
10.
11.
用随机启发式优化算法反演2003年云南大姚地震断层面参数的比较研究 总被引：1，自引：0，他引：1
基于余震分布确定主震断层面的数学模型,以确定断层面的走向和倾角参数进行计算,研究了遗传算法、模拟退火算法、差分演化算法、粒子群算法等4种最优化反演方法的反演效果和可靠性。结果显示,在涉及到的反演参数较少和非线性不太严重时,4种方法都有较好的表现,差分演化算法、粒子群算法速度快,精度高,遗传算法速度较慢,精度较低,模拟退火由于缺乏并行机制,速度较慢,精度高于遗传算法。余震在求出的断层附近分布图直观地反映出4种方法的效果和可靠性。 相似文献
12.
Aayush Agarwal Akash Chandra Shalivahan Shalivahan Roshan K Singh 《Geophysical Prospecting》2018,66(6):1215-1226
There is no meta‐heuristic approach best suited for solving all optimization problems making this field of study highly active. This results in enhancing current approaches and proposing new meta‐heuristic algorithms. Out of all meta‐heuristic algorithms, swarm intelligence is preferred as it can preserve information about the search space over the course of iterations and usually has fewer tuning parameters. Grey Wolves, considered as apex predators, motivated us to simulate Grey Wolves in the optimization of geophysical data sets. The grey wolf optimizer is a swarm‐based meta‐heuristic algorithm, inspired by mimicking the social leadership hierarchy and hunting behaviour of Grey Wolves. The leadership hierarchy is simulated by alpha, beta, delta and omega types of wolves. The three main phases of hunting, that is searching, encircling and attacking prey, is implemented to perform the optimization. To evaluate the efficacy of the grey wolf optimizer, we performed inversion on the total gradient of magnetic, gravity and self‐potential anomalies. The results have been compared with the particle swarm optimization technique. Global minimum for all the examples from grey wolf optimizer was obtained with seven wolves in a pack and 2000 iterations. Inversion was initially performed on thin dykes for noise‐free and noise‐corrupted (up to 20% random noise) synthetic data sets. The inversion on a single thin dyke was performed with a different search space. The results demonstrate that, compared with particle swarm optimization, the grey wolf optimizer is less sensitive to search space variations. Inversion of noise‐corrupted data shows that grey wolf optimizer has a better capability in handling noisy data as compared to particle swarm optimization. Practical applicability of the grey wolf optimizer has been demonstrated by adopting four profiles (i.e. surface magnetic, airborne magnetic, gravity and self‐potential) from the published literature. The grey wolf optimizer results show better data fit than the particle swarm optimizer results and match well with borehole data. 相似文献
13.
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
14.
In recent years, surface-wave analysis method has been developed rapidly in many fields. Multichannel analysis of surface waves can provide near-surface one-dimensional shear-wave velocity profiles. Because linearized inversion of surface-wave dispersion curves relies heavily on the choice of the initial model, setting an inappropriate initial model can lead to poor inversion results, or even failure of inversion. However, it is difficult to establish a reasonable initial model without a priori information, which is unavailable in most cases. To cope with this problem, a multiscale linearized inversion method is proposed for surface-wave dispersion curves inversion. In contrast with the traditional single-scale linearized inversion, the key idea of the proposed multiscale surface-wave inversion method is the introduction of a merging and splitting process of layers. After every scale inversion, the merging and splitting operations automatically optimize the inversion model, making it gradually approach to a reasonable subsurface stratification. Multiscale surface-wave inversion method reduces the difficulty of establishing the initial model and has high computational efficiency. In addition, it has strong ability to identify high-velocity or low-velocity interlayers and thin layers, especially suited for the geological conditions with obvious stratification. In synthetic tests, the proposed method was compared with the single-scale surface-wave inversion and particle swarm optimization algorithm to demonstrate the effectiveness and practicability of multiscale surface-wave inversion method. We also applied the multiscale surface-wave inversion method to field seismic data acquired in Guizhou, China and Texas, USA. Borehole and crosshole test data were compared with the inversion results of field data to prove the reliability of the proposed method. 相似文献
15.
大地电磁的反演问题是非线性,如果采用线性反演方法容易陷入局部极小,使得反演结果非唯一性严重.本文将人工鱼群算法引入到地球物理反演之中,提出了非线性的大地电磁人工鱼群最优化反演.该方法不需要进行偏导数的求取,可以对反演的范围进行约束,以减小反演结果的非唯一性.同时我们对搜索步长进行了改进,给出适用于大地电磁反演的人工鱼群参数.大量的理论数据试算表明,人工鱼群反演算法能够较好地寻找到全局最优解.实测数据的处理结果表明,该方法可以用来处理实际资料,并且能够取得很好的应用效果. 相似文献
16.
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
17.
本文引入截止频率f_(max)提出基于Brune模型的高频截止(High-Cut)模型,采用两步反演的方法来拟合求解震源谱的特征参数,并给出其误差范围;实际应用显示该模型的理论谱对观测谱有很好的拟合,可明显改善拐角频率识别的准确度.将该方法应用于2013—2015年的乳山震群,计算了乳山震群25次M_L≥3.0事件的震源参数(地震矩、破裂半径、应力降等),进一步对乳山震群的震源破裂特性进行了讨论.结果显示:拐角频率、应力降与震源尺度大小明显相关;高频衰减系数γ与震源破裂区的复杂程度以及破裂性质有关,当观测记录中混杂有其他事件的波形或微破裂时,高频衰减系数大于2,并且不确定性增大;截止频率f_(max)与地震大小存在一定相关性;使用Beresnev(2001)给出的震源半径计算公式,得到的乳山震群的结果显示与华北地区的经验关系较为一致;乳山震群的应力降明显偏小(最大不超过0.15 MPa),一方面反映了震中区域的构造应力水平,另一方面可能还意味着此次震群是一个相对非耗散型的脆性破裂过程,属于低摩擦应力的断层作用. 相似文献