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.     

改进的遗传算法在电测深反演中的应用

遗传算法是地球物理数据非线性反演中常用的方法,但在使用中所需内存较多,容易"早熟"或陷入局部极小。为了在电阻率测深反演中更好地使用遗传算法,提出了利用统计学建模获得精细初始模型后,再利用改进的遗传算法反演。改进了传统遗传算法评价解的方法、增加了局部目标函数并限制遗传基因的繁殖方向。对理论模型的反演计算证明改进的遗传算法可以减少计算量,改善电阻率测深的反演效果。     

波阻抗反演中的全局寻优策略

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。     

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。     

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。     

用遗传算法反演一维声波介质

局部线性化的反演方法不仅在初始模型远离真值时收敛速度慢,而且往往易陷入局部极大值中,而遗传算法(GA)便能解决这一问题,它是一种全局搜索法。虽然它同模拟退火法一样利用转移概率进行搜索,但其收敛速度一般比模拟退火法快。本文引进了多个目标函数进行综合评价和灾变过程,用单道地震道对一维声波介质的速度和密度同时进行了反演,并反演了加噪地震道和含薄层介质模型,取得了满意的效果。     

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。     

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。     

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     

基于局部层析的TTI各向异性参数初始建模方法研究

TTI各向异性参数初始建模为层析反演精细建模提供初始模型,初始模型的优劣直接影响层析反演的效率和精度,研究精确的TTI各向异性参数初始建模方法非常必要。基于常规TTI各向异性参数初始建模方法流程,优化了各向异性参数提取公式,引入了局部层析方法,完善了TTI各向异性参数初始建模方法流程,进一步提高了TTI各向异性参数初始模型的精度,与实际地质情况更加吻合,有利于后期的层析反演精细建模。模型试算和实际资料处理结果表明基于局部层析的TTI各向异性参数初始建模方法有效且实用。     

新的瑞雷波多模式频散曲线反演目标函数

反演瑞雷波频散曲线能有效地获取横波速度和地层厚度,传统的多模式瑞雷波频散曲线反演需要正确的模式判别.然而,当地层中含有低速软弱夹层或高速硬夹层等复杂结构时,瑞雷波可能会出现"模式接吻"和"模式跳跃"等现象,这些现象极易造成模式误判,进而导致错误的反演结果;同时,传统的频散曲线反演方法需要进行求根运算,进而导致现有的瑞雷波非线性反演速度慢,运算时间长.鉴于此,对传统的Haskell-Thomson频散曲线正演模拟算法进行了改进,提出了一种新颖有效的目标函数.该目标函数直接利用实测频散曲线与迭代更新模型频散函数表面形状进行最佳拟合,无需将多模式频散数据归于特定的模式,可有效避免多模式瑞雷波频散曲线反演模式误识别;同时,该目标函数不需要求根运算,进而大大加快了非线性反演速度.基于粒子群优化算法,利用实际工作中经常遇到的3种典型理论地质模型和某一高速公路路基实测资料进行了理论模型试算和实例分析,检验了本文提出的瑞雷波多模式频散曲线反演新方法的有效性和实用性.      

大回线源瞬变电磁一维自适应反演方法及应用

提出了一种适用于大回线源瞬变电磁法框内任意测点垂直Z分量的一维反演方法。该算法采用CMD正则化因子优化方案、光滑度函数和自然边界条件对反演过程进行了约束,减小了初值的依赖度,保证了反演过程的自主性和反演结果的稳定性;在反演过程中,在保证模型残差沿梯度下降的同时,对模型修正量的最大值进行了限制,使反演模型不易陷入局部极小,保证了反演结果全局的收敛性;同时反演的灵敏度矩阵采用牛顿法进行更新,减少了整个反演计算的工作量。最后通过五层的双低阻层模型、双高阻层模型和实测资料证明了该算法可靠。     

S-wave velocity profiling from refraction microtremor Rayleigh wave dispersion curves via PSO inversion algorithm

The refraction microtremor method has been increasingly used as an appealing tool for investigating near surface S-wave structure. However, inversion, as a main stage in processing refraction microtremor data, is challenging for most local search methods due to its high nonlinearity. With the development of data optimization approaches, fast and easier techniques can be employed for processing geophysical data. Recently, particle swarm optimization algorithm has been used in many fields of studies. Use of particle swarm optimization in geophysical inverse problems is a relatively recent development which offers many advantages in dealing with the nonlinearity inherent in such applications. In this study, the reliability and efficiency of particle swarm optimization algorithm in the inversion of refraction microtremor data were investigated. A new framework was also proposed for the inversion of refraction microtremor Rayleigh wave dispersion curves. First, particle swarm optimization code in MATLAB was developed; then, in order to evaluate the efficiency and stability of proposed algorithm, two noise-free and two noise-corrupted synthetic datasets were inverted. Finally, particle swarm optimization inversion algorithm in refraction microtremor data was applied for geotechnical assessment in a case study in the area in city of Tabriz in northwest of Iran. The S-wave structure in the study area successfully delineated. Then, for evaluation, the estimated Vs profile was compared with downhole data available around of the considered area. It could be concluded that particle swarm optimization inversion algorithm is a suitable technique for inverting microtremor waves.     

多模式面波非线性反演

利用高频面波反演横波速度一直是浅地表地震工程研究的热点。为深入认识利用高频面波（瑞雷波和勒夫波）评价横波速度的能力,本文首先采取高阶交错网格有限差分法实现两层模型的瑞雷波和勒夫波数值模拟,并应用τ-p变换形成频散能量图。相比瑞雷波,不同模式的勒夫波频散能量很接近,这说明易于实现多模式勒夫波反演。然后利用线性映射实现广义模式识别这种非线性反演方法对含软弱夹层的四层模型的基模式、多模式瑞雷波和勒夫波的变厚度反演。若初始模型很拙劣,相比勒夫波,瑞雷波基模式反演不能重建地层中含有软弱夹层这一特征,瑞雷波多模式反演则可以重建这一特征;勒夫波基模式和多模式反演都可以重建这一特征。即使在地层的泊松比与估计值相差很大时,瑞雷波多模式反演仍能重建地层结构,但其频散曲线总是存在"模式接吻"现象,容易模式误判;而勒夫波反演则不用估计地层泊松比,也不存在"模式接吻"现象。一系列算例表明：高模式瑞雷波的加入会显著提高横波速度评价结果的精度;而高模式勒夫波的加入会令反演系统对半空间以上异常层的参数过于敏感,造成参数过度估计,但也会显著提升对半空间横波速度的评价能力。最后,应用本文方法实现了对实测勒夫波数据的分析。     

地下洞室黏弹性位移反分析模式分层运算

在洞室黏弹性位移参数反分析中,对分层优化方法存在初始值选取困难、计算量大等问题进行了探讨,提出了基于最小二乘法的模式分层运算方法,改变参数求解机制,避免了由于初始值选取不当造成迭代不收敛的现象,加强了求解搜索的有效性,提高解的精度和稳定性,通过工程实例进行验证。数值计算结果表明,模式分层运算对洞室黏弹性多参数位移反分析计算的结果真实、可靠。     

基于GA-BP神经网络算法的高密度电法非线性反演

高密度电法技术在煤矿地质灾害勘探中发挥着重要的作用。近年来,以BP（Backpropagation）神经网络为代表的一类非线性反演方法被广泛运用到高密度电法的反演中。针对BP神经网络方法在高密度电法反演中存在的易陷入局部极小、收敛缓慢、反演精度差等问题,将BP神经网络算法与遗传算法（Genetic Algorithm,简称GA算法）联合演算,实现高密度电法的二维非线性反演。通过典型地电模型对该方法进行验证,结果表明遗传算法能有效优化BP神经网络的权值和阈值,提高了算法的全局寻优性。      

用等厚薄层权重自适应迭代阻尼最小二乘法反演瑞雷波频散曲线

笔者在前人工作基础上提出的等厚薄层权重自适应迭代阻尼最小二乘法,能有效地解除对初始模型的依赖.理论模型与实际资料试算结果表明,用该算法对瑞雷波频散曲线进行反演,具有稳定性好、精度高、分辨能力强的特点,并能自动分层和反演地层参数.     

Single-station ellipticity retrieval and its joint inversion with dispersion curve,for a borehole test site

To obtain the shear wave velocity profile for engineering application to near-subsurface, many geophysical techniques are used. The dispersion curve alone is unable to provide deeper shear wave velocity information for deep soil deposit; therefore, a joint inversion of dispersion curves with the horizontal over vertical (H/V) (i.e., apparently ellipticity) curve is recommended. The H/V curve obtained from the microtremor recording contains a major part of Love wave contribution to the noise wavefield horizontal component. Due to this presence of Love wave fraction, the H/V curve does not completely replicate the ellipticity of Rayleigh wave. In this study, we try to compare the Rayleigh wave ellipticity obtained from the borehole velocity model to the H/V curve obtained at the same locality from seismic ambient noise recording. Two different techniques available for the Love effect minimization are tested and compared with the borehole ellipticity. Finally, the joint inversion of H/V and dispersion curve is made, which shows great correspondence with the previous measurement at the site.     

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.