大地电磁实码广义遗传反演算法研究

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.     

基于粒子群优化算法的感应测井反演

针对传统感应测井线性迭代反演受初始模型影响,易陷入局部最优解的特点,设计一种基于粒子群优化的非线性全局最优化反演方法。利用该方法对不同厚度储层模型进行反演研究,在无噪声情况下,反演结果和模型基本一致;在加入5%、10%和15%随机噪声后,反演仍取得良好效果。数值实验结果表明,该反演方法不依赖于初始模型,具有较好的全局寻优和抗噪声能力,能有效反演感应测井数据。     

用遗传算法进行瑞利波反演

瑞利波反演属于非线性最优化问题,已有的局部线性化方法(如阻尼最小二乘法)常使解估计陷入目标函数的局部极小值之中,且严重地依赖初始模型.另外,目前被广泛应用的一些简单的瑞利波反演方法也存在明显的缺陷.全局优化法-遗传算法大大放松了对初始模型选择的要求,且不易陷入局部最优解中.本文用已有的简单宜行的反演解释方法获取初始模型,从而确定模型参数的搜索范围,再用遗传算法反演得到最终的介质模型,效果非常理想.     

基于差分进化的大地电磁反演

针对大地电磁线性迭代反演依赖初始模型,易陷入局部最优解的特点,设计一种基于差异进化的非线性反演方法。利用该方法对大地电磁一维层状介质G、H、HA型地电模型进行反演研究,在无噪声情况下反演结果和模型一致;在加入10%和20%噪声后,反演仍取得良好效果。数值实验结果表明,该反演方法不依赖于初始模型,具有较好的全局优化能力和抗噪声能力,能有效反演大地电磁数据。     

大地电磁测深拟二维模拟退火约束反演

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。     

基于贝叶斯理论面波频散曲线随机反演

面波频散曲线反演是获得地下横波速度结构的重要地球物理方法。常规基于迭代最小二乘等线性反演方法依赖于初始模型,且存在多极值、容易陷入局部最小、反演精度低等问题。基于贝叶斯理论的随机反演方法是一种可以融合先验信息的非线性反演方法,该方法无需人为给定初始模型,仅利用先验信息对模型进行随机采样,根据概率分布筛选接受合适的后验概率密度估计结果,可达到对细节信息的准确估计。本文针对瑞利面波频散曲线,提出了基于GPR数据先验资料约束的贝叶斯马尔科夫蒙特卡洛(MCMC)随机反演方法,通过随机改变模型参数并计算其频散曲线与实际频散曲线的似然函数来选择是否接受新的模型参数,不断重复此过程,最终得到与实际频散曲线拟合效果最佳的最优解以及横波速度解的后验概率密度分布。通过理论模型以及实际数据反演测试,验证了该方法与常规无约束的随机反演相比,可以有效地提高反演速度和反演精度。     

改进的模拟退火方法及其在电阻率图像重建中的应用

实际中的大量地球物理反演都是一个多参数、非线性优化问题,以往的局部方法只是利用有限的信息来改进初始模型,因此对初始模型有很大的依赖性,难以得到全局最优解。针对这一问题,本文选择全局反演方法中的模拟退火和单纯形的组合算法,改进了模拟退火和单纯形算法的匹配技术,并将它引入到电阻成像反演问题中。     

围岩力学参数反演的GSA-BP神经网络模型及应用

针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。     

地球物理反演中的差分进化算法

为避免传统线性反演过程中极度依赖初始模型的选取、易陷入局部最优解的问题,在综合研究现有地球物理非线性反演方法的基础上,引入了非线性领域群体智能算法—差分进化算法,并以电测深方法为例,建立起了差分进化算法的非线性反演模型,通过对所建模型试算及实测数据验证,证实该方法具有反演速度快、精度高等优点,并可推广应用于二维或三维电测深反演理论之中。最后将该算法在内蒙古某多金属矿勘查中进行了实际推广,取得了较好的效果。     

改进麻雀搜索算法的自然电位数据反演

自然电位法是一种成本低廉,野外观测操作简便的天然源地球物理勘探方法。自然电位数据反演具有病态和非线性的特征。常规反演算法分为局部优化类和全局搜索类,但基于梯度运算的局部优化算法难以求得全局最优解且反演效果依赖于初始模型的构建,而传统全局搜索算法又存在收敛速度慢,易陷入局部极值和不稳定的缺点。基于此,对一种新的全局优化策略(麻雀搜索算法)进行改进,通过混沌映射叠加反向学习策略初始化麻雀种群,再依随机概率使用Levy飞行策略更新麻雀个体位置来进一步提升算法对于解空间的探索能力和增强算法跳出局部极值的可能性。将改进前后的麻雀搜索算法分别应用于合成自然电位数据(不含与含10%、30%的随机噪声)与来自印度和法国的实测数据的反演解释中以对比检验改进算法的反演效果。理论测试结果表明：麻雀搜索算法(SSA)在无噪声干扰下的垂直圆柱和倾斜板模型数据反演误差为0.42%和0.25%,相同情况下改进麻雀搜索算法(ISSA)的反演误差为0.06%和0.07%,改进后算法拟合精度提高到3～7倍,对比目标函数收敛曲线图中ISSA的收敛速度与收敛精度都要明显优于SSA;SSA反演参数的稳定性、精度和异常响应曲线拟...     

Series Expansion-Based Genetic Inversion of Wireline Logging Data

An evolutionary approach is applied to solve the nonlinear well logging inverse problem. In the framework of the proposed interval inversion method, nuclear, sonic, and laterolog resistivity data measured at an arbitrary depth interval are jointly inverted, where the depth variation of porosity, water saturation, and shale volume is expanded into series using Legendre polynomials as basis functions. In the interval inversion procedure, the series expansion coefficients are estimated by using an adaptive float-encoded genetic algorithm. Since the solution of the inverse problem using traditional linear optimization tools highly depends on the selection of the initial model, a heuristic search is necessary to reduce the initial model dependence of the interval inversion procedure. The genetic inversion strategy used in interval inversion seeks the global extreme of the objective function and provides an estimate of the vertical distribution of petrophysical parameters, even starting the inversion procedure from extremely high distances from the optimum. For a faster computational process, after a couple of thousand generations, the genetic algorithm is replaced by some linear optimization steps. The added advantage of using the Marquardt algorithm is the possibility to characterize the accuracy of the series expansion coefficients and derived petrophysical properties. A Hungarian oil field example demonstrates the feasibility and stability of the improved interval inversion method. As a significance, the genetic inversion method does not require prior knowledge or strong restrictions on the values of petrophysical properties and gives highly reliable estimation results practically independent of the initial model and core information.

     

南海北部似海底反射层速度结构全波形反演

似海底反射层的速度异常是识别天然气水合物的重要标志,这里提出了一种针对天然气水合物似海底反射层的全波形反演方法。这种方法分为全局搜索与局部搜索二部份:首先使用遗传算法进行旅行时,反演得到背景速度模型;然后用其作为初始模型,使用共轭梯度算法进行全波形反演。通过对含噪数据的数值试验,算法表现出了较高的稳定性,并确定了进行全波形反演的遗传算子。将这种波形反演方法应用于我国南海北部海域的天然气水合物研究,反演得到了分辨率高于常规速度分析的似海底反射层速度结构,并识别出似海底反射层的速度异常。利用纵波速度反演的结果,计算出沉积物中游离气的含量,认为BSR下方的低速层可以解释为含至少1%游离气的薄层。并分析了研究区内甲烷气的来源,认为该区域游离气兼有生物气和热解气。     

Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm

The genetic algorithm is useful for solving an inversion of complex nonlinear geophysical equations. The multi-point search of the genetic algorithm makes it easier to find a globally optimal solution and avoid falling into a local extremum. The search efficiency of the genetic algorithm is a key to producing successful solutions in a huge multi-parameter model space. The encoding mechanism of the genetic algorithm affects the searching processes in the evolution. Not all genetic operations perform perfectly in a search under either a binary or decimal encoding system. As such, a standard genetic algorithm (SGA) is sometimes unable to resolve an optimization problem such as a simple geophysical inversion. With the binary encoding system the operation of the crossover may produce more new individuals. The decimal encoding system, on the other hand, makes the mutation generate more new genes. This paper discusses approaches of exploiting the search potentials of genetic operations with different encoding systems and presents a hybrid-encoding mechanism for the genetic algorithm. This is referred to as the hybrid-encoding genetic algorithm (HEGA). The method is based on the routine in which the mutation operation is executed in decimal code and other operations in binary code. HEGA guarantees the birth of better genes by mutation processing with a high probability, so that it is beneficial for resolving the inversions of complicated problems. Synthetic and real-world examples demonstrate the advantages of using HEGA in the inversion of potential-field data.     

混合遗传算法在大地电磁一维反演中的应用

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。     

基于改进差分进化算法的阵列侧向测井反演

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。     

采用生物遗传算法的大地电磁测深资料反演

本文用遗传算法（ＧＡ）进行大地电磁测深（ＭＴ）一维模型的反演。本反演方法无需初值，不用求导数，受噪声影响小，能有效克服反演中出现的局部极值，并能给出一组解     

Using a genetic algorithm for 3-D inversion of gravity data in Fuerteventura (Canary Islands)

The use of genetic algorithms in geophysical inverse problems is a relatively recent development and offers many advantages in dealing with the non-linearity inherent in such applications. We have implemented a genetic algorithm to efficiently invert a set of gravity data. Employing several fixed density contrasts, this algorithm determines the geometry of the sources of the anomaly gravity field in a 3-D context. The genetic algorithms, based on Darwins theory of evolution, seek the optimum solution from an initial population of models, working with a set of parameters by means of modifications in successive iterations or generations. This searching method traditionally consists of three operators (selection, crossover and mutation) acting on each generation, but we have added a further one, which smoothes the obtained models. In this way, we have designed an efficient inversion gravity method, confirmed by both a synthetic example and a real data set from the island of Fuerteventura. In the latter case, we identify crustal structures related to the origin and evolution of the island. The results show a clear correlation between the sources of gravity field in the model and the three volcanic complexes recognized in Fuerteventura by other geological studies.     

遗传算法在边坡地震稳定性分析中的应用

基于遗传算法和拟静力简化毕肖普法提出搜索地震作用下最危险滑动面及相应的最小安全系数的方法。阐述了应用遗传算法搜索最危险滑动面的计算过程和原理。开发了基于遗传算法的拟静力简化毕肖普数值法的计算和数据处理程序。在固定一个出逸点的情况下,分别绘制了有地震作用及没有地震作用下的安全系数分布图。数值算例表明,所建立的基于遗传算法的岩土边坡地震稳定性分析方法,是一种全局优化搜索算法,能够有效克服经典搜索方法易陷入局部极小值的缺点。从安全系数分布图可以看出,地震对安全系数分布情况影响很小,但扩大了安全系数低值区。     

改进的BP神经网络在地震砂土液化预测中的应用

地震砂土液化的影响因素具有非线性关系,至今没有形成规范的预测标准。人工神经网络在砂土液化预测中有较好的应用,尤其是BP神经网络,但由于其本身存在缺陷:学习收敛速度慢,易陷入局部极小;遗传算法具有良好的搜索全局最优解的能力。探讨利用遗传算法优化BP神经网络权值和初始阈值来预测地震砂土液化,其效果比传统的BP网络有显著提高。