基于局部峰值约束的快速正交匹配追踪地震数据分解方法

地震信号稀疏分解在地震数据处理中起着重要作用,可以获取地震资料中蕴含的各种有用信息。正交匹配追踪算法能够较好地实现地震数据自适应分解与重构。正交匹配追踪的目标是选取与信号最匹配的子波,然而在通过内积实现时往往只着重全局尺度上的相似性,并不能保证子波与信号具有相同的位置及振幅。这里采用局部峰值约束的方法来解决这一问题,构建峰值距离的目标泛函,通过快速扫描算法进行高效地求解计算。模型测试结果表明,该方法可以高效实现地震数据的高精度分解与重构,实际资料处理结果显示,本文方法分解后数据波组特征合理,符合地质规律,可以得到精度较高的多尺度数据。     

基于PSO和LSSVM的边坡稳定性评价方法

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。     

动态匹配追踪中利用连续相位求取瞬时频率

动态匹配追踪算法将信号的瞬时特征作为先验信息引入到信号分解中,缩小了时频原子库的搜索范围,提高了匹配追踪效率。但在利用瞬时相位获取瞬时频率信息时会得到无物理意义的负频率,不能直接应用于匹配追踪,已有文献并没有给出瞬时频率存在负异常时的解决方案。基于此,笔者通过研究主值相位与解缠相位之间的差异,提出了利用连续相位求取瞬时频率,并推导了连续相位的求取公式;然后通过实例分析,获得了反映三种不同相位数值变化的趋势图;最后通过对比三种相位求取的瞬时频率,证明由连续相位求取的瞬时频率不存在负异常,可直接应用于匹配追踪算法。     

匹配追踪时频分析技术在塔河油田缝洞型储层预测中的应用

为了更准确地刻画碳酸盐岩储层中由缝洞引起的地震信号的时频信息,实现高效率的时频谱分解,引入了一种基于复数道地震记录的匹配追踪算法,阐述了该算法的基本原理及实现过程。基于合成记录进行了不同时频算法的差异性分析,结果表明匹配追踪算法具有较高的时间和频率分辨率。通过该方法开展了塔河油田桑塔木三维工区奥陶系碳酸盐岩储层预测工作,并将预测结果与钻井数据进行了对比分析,实钻溶洞吻合率为89.7%,证实这种技术预测效果较好,可以在相似储层类型区推广应用。     

改进量子粒子群算法在水电站群优化调度中的应用

针对量子粒子群算法求解水电站群优化调度问题存在的早熟收敛、寻优能力欠佳等缺陷,从种群初始化、进化和变异等方面提出了改进量子粒子群算法。该方法引入混沌搜索增强初始种群质量;通过加权更新种群最优位置中心改善种群进化模式并提升收敛速度;利用邻域变异搜索增加种群多样性避免早熟收敛。同时依据问题特点设计了矩阵实数编码方式与复杂约束处理方法。乌江梯级综合对比分析表明所提方法能切实保证快速获得高质量优化调度结果,有效提高梯级水能利用率,如长序列模拟调度较逐步优化算法分别减少8.9%的弃水和72.3%的耗时,是一种适用于大规模水电站群优化调度的高效实用方法。     

基于GA-PSO算法的冻土本构模型参数识别

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。     

PSO-LSSVM模型在位移反分析中的应用

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。     

基于改进K-SVD字典学习方法的地震数据去噪

为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。     

基于匹配小波包算法的地震信号去噪

地震资料的信噪比是影响地震资料质量的关键因素之一。目前的去噪方法中,在滤波的同时会损伤有效信号,因此提出基于匹配算法的去噪方法,利用和地震信号匹配的小波包对信号进行分解,用选出的波形代表有效信号达到去噪的效果。实验分析表明,利用匹配小波包算法能够很好地压制地震信号白噪声,提高信噪比。当噪声能量小于有效信号周期能量时,小波包算法去噪效果比小波收缩阈值法好,信噪比提高5 dB ±。     

基于引力搜索法的隧道围岩微震定位研究

针对目前深埋隧道围岩微震源定位难且精度不高等问题,采用启发式算法——引力搜索法（GSA）对隧道围岩微震源位置进行搜索,并将该算法与粒子群算法和单纯形法的搜索结果进行对比。发现在双速度模型和三速度模型下,引力搜索法相较于粒子群算法和单纯形法,都具有快速收敛、精度较高的优点,且与震源位置的距离能够控制在10 m以内。对双速度模型,引力搜索法的精度相对于单纯形法提高了83.71%,相对于粒子群算法提高了7.77%。对三速度模型,引力搜索法的精度相对于单纯形法提高了70.67%,相对于粒子群算法提高了39.36%。可见,该方法为深埋隧道微围岩震源定位提供了一种新思路。     

位移反分析的粒子群优化-高斯过程协同优化方法

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。     

基于匹配追踪时—频分解技术的辫状河道油藏储层预测简

The braided channel sedimentary sand is a kind of common oil reservoir, which is characteristic of poor regularity structure and complicated oil water relation. Seismic trace can be remodeled by wavelet decomposition, namely seismic trace is decomposed into a series of different attribute wavelets. The different reflection is obtained by the different attribute wavelets, thus prediction accuracy of braided channel sedimentary sand is improved. The seismic signal treated by matching pursuit method has good focusing capability of instantaneous spectrum, based on which the seismic signal is simply and rapidly remodeled by time frequency decomposition. The seismic data of Kendong 701 area were processed based on matching pursuit time frequency decomposition. The results showed that the interpretability of oil reservoir was improved and the seismic reflection characteristics and drilling data were well related. The braided channel sedimentary sands of Minghuazheng and Guantao group strata in Kendong 701 area were predicted, and the results showed that the reservoir distribution had the obvious braided channel features. Based on the predictions, three wells were located and the prediction and drilled results were consistent.     

A nonlinear multiparameter prestack seismic inversion method based on hybrid optimization approach

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.     

基于模拟退火粒子群优化算法的裂缝型储层各向异性参数地震反演

发育垂直定向排列裂缝的地下岩石可等效为具有水平对称轴的横向各向同性（horizontal transverse isotropic,HTI）介质。针对HTI介质模型,本文研究了裂缝型储层的各向异性参数地震振幅随方位角变化（amplitude variations with azimuth,AVAZ）的反演方法。首先,在地震AVAZ反演流程中,提出采用模拟退火粒子群优化算法实现裂缝型储层各向异性参数反演。之后,通过理论模型测试,验证了基于模拟退火粒子群优化算法的地震AVAZ反演的有效性。最后,将反演方法应用于四川盆地龙马溪组页岩气储层实际方位地震数据;在反演之前先利用傅里叶级数方法估计裂缝方位并对实际数据进行方位校正,以提供更准确的输入数据;通过计算得到的P波、S波各向异性参数可用于评价裂缝发育程度。反演结果表明,研究区域构造顶部裂缝较发育,与地质基本理论一致,验证了反演方法的合理性。     

利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。并将混沌粒子群算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法。     

基于粒子迁徙的粒群优化算法及其在岩土工程中的应用

受自然界物种迁徙的启发,提出了一种新的改进的粒群优化算法(MPSO)。算法初始化时,将粒子随机地划分为若干个子粒群,每个子粒群按照给定的策略独立演化,在演化中的指定时段进行粒子的随机迁徙和自适应变异,以保持整个种群的多样性,避免早熟收敛。基准测试函数的计算结果表明,MPSO算法的性能优于其他几种改进算法。堆石体幂函数流变模型,参数较多,具有很强的非线性,将MPSO算法应用到堆石体幂函数流变模型的参数反演中。计算结果表明,利用反演的流变模型参数计算的坝体流变变形与实测变形在发展规律和数值上均比较吻合,证明MPSO算法在多参数、强非线性的复杂模型参数反演中的优越性。     

一种基于压缩感知的随机噪声压制方法

随着高精度地震勘探技术的发展,利用高保真的方法提高地震资料信噪比成为了去噪处理的关键。曲波域阈值法能够有效地压制随机噪声,但易产生伪吉布斯震荡现象,造成信号局部畸变,从而影响处理效果。针对这一问题,提出一种基于压缩感知理论（Compressing Sensing,简称CS）的地震信号去噪方法,该方法利用随机噪声和有效信号在曲波稀疏域稀疏表征的差异来分离随机噪声。其实现步骤为:将地震数据变换到曲波域;利用压缩感知理论和全变差正则化算法重构曲波系数;曲波逆变换得到压制噪声后的重构地震数据。理论模型和实际资料应用表明,该方法能够很好规避伪吉布斯现象带来的信号失真问题,进一步提高了资料的信噪比。      

基于MPSO的RBF耦合算法的桩基动测参数辨识

变异粒子群优化算法（MPSO）是一种基于群体智能的改进全局优化技术,其优势在于减小陷入局部极值的机率,增加全局搜索能力。将变异粒子群算法与径向基函数（RBF）神经网络结构进行结合,建立了变异粒子群神经网络（MPSO-RBF）耦合算法,充分发挥了MPSO算法的全局寻优能力和RBF算法的局部搜索优势。数值计算结果表明,所建立的方法能够对桩基动测进行多参数的识别和非线性优化问题的求解,具有良好全局收敛能力,是一种行之有效的智能算法。     

边坡稳定性分析改进的径向移动算法研究

边坡非圆弧临界滑动面搜索是边坡稳定性计算中的一个关键问题,其实质是找到一条安全系数最小的滑动路径。采用新的全局最优化算法--径向移动优化算法搜索路径相对其他算法具有快速、存储空间小、计算简单等优势,但却存在搜索结果不稳定的现象,为克服这个问题,对其数据结构进行调整,提出了改进的径向移动算法,使路径搜索趋于稳定。搜索到的滑动面路径对应的安全系数采用不平衡推力法进行计算,在可行性分析的基础上,采用二分法对安全系数快速、精确地求解。通过一个水库岸坡的算例计算,验证了改进的径向移动算法用于非圆弧临界滑动面搜索的有效性。又通过分析对比改进的径向移动优化算法和粒子群算法的搜索结果,展示了改进的径向移动算法快速收敛,稳定性高的显著优势。