共查询到19条相似文献，搜索用时 156 毫秒
1.
2.
3.
利用改进遗传算法对河南地区水文地质参数进行反演计算,并结合抽水试验方式对反演参数的精度进行分析。结果表明:改进遗传算法可使得水文地质参数取得局部最优解,且加速收敛速度,通过抽水试验分析,两个参数的反演误差均在15%以内,且较传统算法有明显改善。研究成果对于河南地区水文地质参数反演具有重要的方法参考价值。 相似文献
4.
《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
5.
大地电磁测深(MT)资料解释的核心是反演问题,其反演方法可分为两大类:局部方法和全局方法。局部方法基于最小方差原理,依赖于目标函数的导数求解,因而其解依赖于初始模型,容易陷入局部极值,难以得到全局最优解。全局方法如模拟退火算法,它是近年发展起来的全局最优化算法。其主要优点是:不用求目标函数的偏导数及解大型矩阵方程组,即能找到一个全局最优解,而且易于加入约束条件,方法易于移植。目前模拟退火算法已开始用于解决非线性地球物理反演问题,但还存在计算效率低的缺陷。以快速模拟退火算法为基础,对大地电磁测深理论数据及实际资料进行快速模拟退火约束多参量的反演,效果较为理想。对H型地电断面的理论曲线反演和根据某盆地预探井实际资料对中生界厚度及基底埋深的反演作了举例说明。 相似文献
6.
将一种新的启发式和谐搜索算法(harmony search algorithm,HS)引入到水文地质领域。在对其音节调整步骤进行改进的基础上,提出快速和谐搜索算法(Fast harmony search algorithm,FHS),并将FHS算法与MODFLOW结合,用于水文地质问题的参数识别。算例研究表明,FHS算法较其他多种算法具有更强的全局搜索能力、更快的收敛速度及求解精度,可用于地下水数值模型的参数反演。 相似文献
7.
遗传算法是近些年来产生和发展的一种模拟生物进化过程的自适应启发式全局优化的搜索算法。它不完全依赖于初始猜测,且具有全局收敛的特点,可以被用来解决各种复杂的实际问题,如工程优化设计,人工智能和决策系统,以及地球物理反演等。尽管遗传算法是一种效率很高的全局优化算法,但许多仿真结果表明,它具有计算时间长,局部搜索能力弱的缺点。而共轭梯度法属于非启发式全局优化搜索方法,收敛速度快,但容易陷入局部极值,且严重依赖初始猜测。根据遗传算法和共轭梯度法的特点,这里提出了一种混合遗传算法,用来进行地球物理反演。该算法既具有遗传算法的全局收敛性,又有共轭梯度法的快速收敛性,经实际应用,取得了良好的效果。 相似文献
8.
大地电磁反演问题通常表述为目标函数最优化,难点是多参数、非线性和不适定性,局部和全局方法都不能实现快速全局优化[4].针对局部线性方法易使解陷入局部极值,严重依赖初始模型,而传统的遗传算法在优化应用中存在局部搜索能力弱、早熟收敛等问题.这里引进一种求解一维大地电磁测深反演问题的实数编码广义遗传算法.该算法利用拟网格法初始种群和综合交叉策略,克服了早熟收敛现象,从而提高了遗传寻优的效率.理论模型反演与其它方法比较,结果说明遗传算法具有不依赖初始模型,不容易陷入局部极小,多点多路径概率搜索,以及隐合并行性等优点. 相似文献
9.
10.
基于差异进化算法的前馈神经网络在大坝变形监测中的应用 总被引：1，自引：0，他引：1
针对当前大坝安全监测中广泛采用的回归模型欠拟合的不足,提出了基于差异进化算法的前馈神经网络模型。差异进化算法是基于种群策略的全局优化搜索算法,具有应用简单、收敛快的优点。采用该法训练的神经网络可以有效避免常规BP(back propagation)神经网络收敛于局部极小点的缺陷。将提出的方法应用于某拱坝的变形监测,通过计算表明,应用DE(differential evotntion)神经网络模型预报大坝变形的精度比常规回归模型和BP神经网络模型均有所提高。 相似文献
11.
土体渗流固结参数识别方法 总被引：6，自引：1，他引：6
根据土体固结过程中超孔隙水压力观测资料，建立了基于遗传算法的土体渗流团结参数非线性识别方法，解决了经典高斯－牛顿极小化问题所存在的局部极小问题和最小二乘法所存在的当初始值选择不合适时迭代过程发散的问题，提出了根据观测仪器的精度，建立 工终止条件的方法，数值计算结果表明，本文所提出的非线性反演方法适合于土体团结参数识别等类似的反问题。 相似文献
12.
13.
14.
改进的局部波数法及其在磁场数据解释中的应用 总被引：1，自引：0，他引：1
局部波数法是一种进行磁场数据解释的常用方法。现有的局部波数法在进行反演时往往需要计算局部波数的导数,会明显地增大噪声的干扰,为解释结果带来误差。提出3种利用磁异常在不同位置或不同高度上局部波数的简单组合来进行场源体深度及构造指数的计算方法,不需要计算局部波数的导数,降低了噪声的干扰,增强了反演结果的稳定性。通过理论模型试验,证明改过的局部波数法在有无噪声的情况下均能很好地完成异常的反演,其反演结果与理论值之间的差距小于理论值的5%。将其应用于四川某地区磁异常的反演中,其结果与解析信号的欧拉反褶积法的反演结果吻合。 相似文献
15.
为提高模糊C-均值聚类（Fuzzy C-Means Clustering Algorithm,FCM）算法在煤与瓦斯突出预测中的准确度,提出一种将模拟退火算法（Simulated Annealing Algorithm,SA）与遗传算法（Genetic Algorithm,GA）相结合用于模糊C-均值聚类分析的煤与瓦斯突出预测方法。该方法综合了模拟退火算法全局搜索、高精度的优点和遗传算法强大的空间搜索能力,将经遗传模拟退火算法优化后的初始值赋给FCM,避免了由于聚类中心初始值选择不当造成FCM算法收敛到局部极小点上。结合典型突出矿井数据进行分析,结果表明:遗传模拟退火算法优化后的FCM算法较单一,预测准确度高。 相似文献
16.
There is growing interest in the use of back‐propagation neural networks to model non‐linear multivariate problems in geotehnical engineering. To overcome the shortcomings of the conventional back‐propagation neural network, such as overfitting, where the neural network learns the spurious details and noise in the training examples, a hybrid back‐propagation algorithm has been developed. The method utilizes the genetic algorithms search technique and the Bayesian neural network methodology. The genetic algorithms enhance the stochastic search to locate the global minima for the neural network model. The Bayesian inference procedures essentially provide better generalization and a statistical approach to deal with data uncertainty in comparison with the conventional back‐propagation. The uncertainty of data can be indicated using error bars. Two examples are presented to demonstrate the convergence and generalization capabilities of this hybrid algorithm. Copyright © 2003 John Wiley & Sons, Ltd. 相似文献
17.
井震联合地震道多尺度反演 总被引：3，自引：0，他引：3
多尺度（多分辨率）反演是近几年才提出的一种加快收敛速度，克服局部极小值影响，搜索全局最小极值点的反演策略，将垂向上分辨率较高的测井资料和横向上连续性较好的地震资料在地质理论指导下进行联合地震道反演，同时将小波变换多尺度分析（多分辨率分析）思想应用于上述反演中，实现对地震道多尺度（多分辨率）反演，理论和实际资料的处理均表明，这种反演方法具有收敛速度快，反演精度较高，适应能力较强的特点。 相似文献
18.
基于改进差分进化算法的阵列侧向测井反演 总被引：1，自引：0，他引：1
针对阵列侧向测井反演受给定初值影响的问题,将阵列侧向测井反演问题转化为无约束的非线性全局优化问题,提出了一种基于改进差分进化反演的新方法。在30次随机计算中改进差分进化算法与差分进化算法相比,其寻优成功率可以达到93.3%,平均进化代数为差分进化代数的1/8,其最优适应度也仅为差分进化最优适应度的一半。通过对阵列侧向模型进行反演计算,表明该算法满足电测井反演的需求。改进差分进化方法可有效地解决传统优化方法反演结果对初值的依赖性问题。 相似文献
19.
波阻抗反演中的全局寻优策略 总被引：1，自引：1，他引：1
针对常规基于模型的波阻抗反演方法严重依赖于初始模型的选择和易陷入局部最优等局限性，提出了一种新的全局寻优策略。该反演策略是在常规测井约束反演的框架中加入一定次数的遗传全局搜索机制。如果迭代过程一旦陷入局部最优解；就可以把已经形成的局部最优解作为寻优的新起点，在此基础上进行全局遗传寻优，搜索更优的反演结果。通过模型数值计算和实际资料处理，表明该反演策略具有跳出初始模型控制的优良性能和良好的实际反演效果。 相似文献