共查询到16条相似文献，搜索用时 125 毫秒
1.
2.
为进一步提高大地电磁非线性反演的稳定性、运算效率及准确度，将遗传神经网络算法引入大地电磁反演.首先针对大地电磁二维地电模型建立BP（Back Propagation）神经网络基本框架进行学习训练，网络输入为已知地电模型的视电阻率参数，输出为该地电模型参数；再利用遗传算法对神经网络学习训练过程进行优化，计算出多种地电模型网络连接权值和阈值的最优解；最后将最优连接权值和阈值对未知模型进行反演测试，网络输入为未知地电模型的视电阻率参数，输出为该地电模型参数.模型实验表明：遗传神经网络算法充分结合了遗传算法的全局寻优性和神经网络的局部寻优性，相比单一神经网络算法，在网络学习训练中提高了解的收敛成功率和计算速度，在反演测试中能更准确地逼近真实模型.将遗传神经网络算法与最小二乘正则化反演进行对比，理论模型和实测数据都验证了遗传神经网络算法在大地电磁反演中的可行性和有效性. 相似文献
3.
4.
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
5.
地震全波形反演理论与技术虽已得到了广泛研究,但周波跳跃等问题的存在严重制约了常规全波形反演方法的实用化进程.基于遗传算法的全波形反演方法能够在一定程度上较好地缓解常规全波形反演面临的初始模型依赖性问题,但是当前方法仍存在收敛性和巨大的计算量问题.本文提出一种混合自适应遗传算法(HAGA),并提出基于HAGA的稳健全波形反演方法,该方法将基于HAGA的反演与基于共轭梯度法的常规全波形反演交替迭代进行,其可兼顾反演计算效率与精度.数值测试结果表明,局部与全局优化交替迭代的全波形反演方法集合了局部优化反演的高效与全局优化反演的稳定的优点,大大降低了全波形反演对初始模型的依赖性,能够有效的缓解常规全波形反演的周波跳跃问题. 相似文献
6.
借助虚拟反演思路,通过对各种遗传算子不同匹配方式的比较研究,指出了对于频散曲线反演浮点数编码与轮盘赌选择的匹配方式离线性能最好,提出了一种两步优化反演策略.该两步策略利用浮点数编码、轮盘赌选择、浮点数均匀交换与变异算子匹配组成基本遗传算法框架,在此框架基础上施加免疫启发策略和免重复计算加速策略,多次运行,对每次运行结果继续施加模拟退火算法使其至少达到局部最优,最后取得最优解.免疫启发策略充分利用最佳个体的信息加速进化进程,通过对每代的最佳个体施加一服从标准正态分布的随机数来加强对邻近区域的局部搜索,通过标准差的调整也兼顾了对邻近区域以外区域的搜索,将局部搜索和全局搜索有机地结合起来,同时还最大限度地降低了对遗传算法自身进化进程的干扰;免重复计算策略大大减少了正演计算次数,节约了计算成本,提高了反演效率.两步反演策略避免了多次平均法的缺陷,提高了反演结果的稳定性和精度,降低了非惟一性. 相似文献
7.
8.
遗传优化神经网络方法在桥梁震害预测中的应用 总被引：5，自引：1，他引：4
本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免BP神经网络陷入局部极小值,本文将二者结合起来形成GA-BP混合算法,以GA优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独BP神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。 相似文献
9.
基于GA-BP理论的储层视裂缝密度地震非线性反演方法 总被引：2，自引：7，他引：2
基于GA-BP理论,将自适应遗传算法与人工神经网络技术(BP算法)有机地相结合,形成了一种储层裂缝自适应遗传-神经网络反演方法.这种新的方法是由编码、适应度函数、遗传操作及混合智能学习等组成,即在成像测井裂缝密度数据约束下,通过对目标问题进行编码(称染色体),然后对染色体进行选择、交叉和变异等遗传操作,使染色体不断进化,从而快速获得全局最优解.在反演执行过程中,利用地震数据和成像测井裂缝密度数据之间的非线性映射关系建立训练样本,将GA算法与BP算法有机地结合,优化三层前向网络参数;或将GA与ANFIS相结合,优化ANFIS网络参数.并采用GA算法与TS算法(Tabu Search)相结合的自适应混合学习算法,该学习算法自始至终将GA和BP两种算法按一定的概率比例进行,其概率自适应变化,以达到混合算法的均衡.这种混合算法提高了网络的收敛速度和精度.我们分别利用两个研究地区的6井和1井成像测井裂缝密度数据与地震数据之间的非线性映射关系建立训练样本,对过这两口井的测线的地震数据进行反演,获得了视裂缝密度剖面,视裂缝密度剖面上裂缝分布特征符合沉积相分布特征和岩石力学性质的变化特征.这种视裂缝密度剖面含有储层裂缝的定量信息,其误差可为油气勘探开发实际要求所允许.因此,这种新的方法优于只能作裂缝定性分析的常规裂缝地震预测方法,具有广阔的应用前景. 相似文献
10.
在VTI介质中,由于引入了各向异性参数使得多分量多参数地震反演问题的非线性程度显著增加,因此采用传统的权重加权法构建单目标函数进行反演得到的反演结果往往并不理想.本文以反射率法为基础,结合快速非支配排序遗传算法研究了一种VTI介质的多分量叠前联合反演方法.该方法以反射率法为正演方程,应用互相关原理构建PP波和PSV波的多目标函数,进而采用快速非支配排序遗传算法全局寻优获得VTI介质的厚度、纵横波速度、密度和各向异性参数等多个参数.在正演的过程中,反射率法可以考虑几何扩散、吸收衰减、透射损失、多次波以及纵横波旅行时不匹配等地震波传播效应,更能精确地描述地震波在地下地层中的真实传播情况;在反演的过程中,快速非支配排序遗传算法可以在不引入权重系数的条件下同时优化多个目标函数,获得联合反演问题的Pareto最优解,既不添加权重系数影响又充分利用多分量地震数据.模型测试结果验证了该反演方法的有效性和可行性. 相似文献
11.
12.
13.
径向基神经网络（RBFNN）具有结构简单、学习速度快、不易陷入局部极小等优点,能够有效地提高电阻率层析成像反演的收敛速度和求解质量.本文针对电阻率层析成像反演的非线性特征,提出了一种基于汉南-奎因信息准则（HQC）的正交最小二乘法（OLS）学习算法（HQOLS）.该算法通过计算HQC的最优值来自动选择RBFNN的网络结构,避免了传统OLS学习算法中阈值参数的设定,保证了网络的泛化性能.通过比较聚类法、梯度法、OLS和HQOLS等学习算法的反演性能,构建了基于RBFNN的电阻率层析成像反演模型.数值仿真和模型反演的结果表明,该方法实现简单,在准确性上优于BP反演,成像质量优于传统最小二乘法反演. 相似文献
14.
基于遗传算法优化神经网络权值的大坝结构损伤识别 总被引：1，自引：0，他引：1
针对传统 BP 神经网络存在着容易陷入局部极小点、训练时间太长等缺点,本文采用基于浮点编码的遗传算法,对 BP 神经网络的初值空间进行了遗传优化。用基于浮点编码的遗传算法来优化 BP 神经网络的权值,可得到最佳初始权值矩阵,并按误差前向反馈算法,沿负梯度搜索进行网络学习。文中以混凝土重力坝结构作为算例,用结构的模态频率变化作为网络的输入向量,结构的损伤位置作为输出向量,对网络进行了训练。仿真结果表明：遗传 BP 神经网络的收敛和诊断能力优于传统 BP 神经网络,可有效地运用到大坝结构的健康诊断与损伤识别中。 相似文献
15.