双侧向测井反演的差分进化方法

在双侧向测井反演中,采用差分进化和Levenberg-Marquardt方法进行了三参数（侵入半径、侵入带电阻率、原状地层电阻率）混合反演,从实际计算来看,反演结果精确度较高。由于差分进化优化算法对初值依赖性较低,算法也较为稳定,这就增加了反演结果的可信度。     

基于两步变异差分进化算法的激电测深一维反演

激电测深一维反演是一个多参数非线性优化问题。本文基于改进的两步变异差分进化全局最优化算法实现了激电测深的一维反演。传统的差分进化算法包含变异、交叉和选择操作,变异为单步变异。本文提出的两步变异法分步将最优个体与随机选取的两个个体经变异后产生新个体。加强了最优个体的影响度,提高了全局寻优能力。通过模型试算结果表明,两步变异法比传统方法寻优能力更强。利用等效电阻率法加载极化率参数,通过数字滤波算法可快速正演计算层状模型表面激电测深电阻率曲线,在此基础上应用两步变异差分进化算法不断变异产生新个体,正演计算电阻率与观测值进行拟合,选择适应度值趋近于最大适应度值的个体作为反演结果。本文反演方法操作简便,计算速度快。通过对H型和KH型地电模型进行计算,得出本反演方法有较高的拟合精度。     

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。     

差分进化算法在三峡电站厂内经济运行中的应用

差分进化算法是一种基于群体进化的算法,具有记忆个体最优解和种群内信息共享的特点,即通过种群内个体间的合作与竞争来实现对优化问题的求解,其本质是一种基于实数编码的具有保优思想的贪婪遗传算法。本文将差分进化算法用于求解三峡电站厂内经济运行问题,同时又将该算法与标准遗传算法相比较,结果显示差分进化算法优化效果明显优于标准遗传算法,差分进化算法的全局的收敛性比标准遗传算法强,差分进化算法是求解大型水电站经济运行问题的有效方法。     

双侧向测井反演的微粒群方法

双侧向测井反演中,采用微粒群优化算法进行3参数(原状地层电阻率、侵入带电阻率、侵入半径)反演,反演结果精确度较高。由于微粒群优化算法对初值依赖性较小,从而算法也较为稳定,增加了反演结果的可信度。     

基于Lévy飞行的粒子群算法在大地电磁反演中的应用

粒子群优化算法在大地电磁测深反演中相较于一般的线性反演算法具有多种优点。然而标准粒子群算法在多维优化问题中存在早熟问题,为此,采用基于Lévy飞行随机游走策略的优化粒子群算法来处理局部最优解,增加寻优能力。通过对地电模型的反演对比表明,改进后的粒子群算法相较于标准粒子群算法适应度值下降速度更快、寻优能力更好。最后将该算法应用于已知钻孔旁实测数据,结果较好,表明该算法具有较好的实用性。     

梯级水电站多目标发电优化调度

以发电量和保证出力为目标建立梯级水电站的多目标发电优化调度模型,对三峡梯级中长期发电优化调度进行研究。针对传统方法求解多目标优化问题的局限,提出一种强度Pareto差分进化算法(Strength Pareto Differential Evolution,SPDE)用于求解梯级水电站的多目标发电优化调度问题。SPDE以差分进化算法(Differential Evolution,DE)为基础,采用SPEA2的适应度评价方法,并根据多目标优化的特点对DE的进化算子进行修正。同时,提出一种自适应柯西变异策略(Adaptive Cauchy Mutation,ACM)用于克服算法的早熟收敛问题。三峡梯级水电站实例研究结果表明,SPDE可同时考虑两个目标并有效处理复杂约束条件,一次运行即可得到一组在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选。     

裂缝性储层裂缝的阵列侧向测井响应数值模拟

为了研究裂缝性储层裂缝的阵列侧向测井响应, 采用裂缝组平板裂缝模型, 利用三维有限元方法, 进行不同裂缝参数条件下的高分辨率阵列侧向测井响应数值模拟.表明阵列侧向视电导率和裂缝孔隙度与裂缝流体电导率成线性关系; 低角度裂缝的阵列侧向深浅视电阻率呈现负差异特征, 高角度缝呈现正差异; 相同裂缝孔隙度下, 裂缝密度增加可使得阵列侧向视电阻率增加, 当裂缝密度足够大时, 测井响应特征基本不随裂缝密度发生变化; 交叉缝的测井响应与具有相同角度的平行裂缝组差异明显, 且不同倾角组合的交叉缝的测井响应之间差异明显.阵列侧向测井对裂缝有较强的敏感性, 根据其测井视电阻率大小可以评价裂缝孔隙度, 根据深浅视电阻率的幅度差异可以研究裂缝的产状, 这些为将阵列侧向测井用于裂缝性储层裂缝评价有指导意义.      

水平井和大斜度井中阵列侧向测井响应数值模拟

针对水平井和大斜度井中阵列侧向电极系的工作原理,利用多电场叠加方式进行电场合成,采用三维有限元方法模拟仿真各个分电场的场分布,进而利用电场线性叠加原理得到阵列侧向测井响应。在基于计算机仿真的基础上,得到阵列侧向五条测井曲线的径向探测深度,阵列侧向径向探测深度要小于深侧向探测深度。考察了三维地层模型下井斜和侵入深度变化对阵列侧向测井响应的影响,分析了水平井和大斜度井中阵列侧向测井响应特征。模拟结果表明,在井斜小于15°时,阵列侧向测井响应受井斜影响小,可以不进行井斜校正;井斜超过60°的大斜度井以及水平井中,阵列侧向测井响应视地层厚度逐渐增大,测井响应值与直井条件下响应值差别较大,必须进行井斜校正。     

基于Pareto强度进化算法的供水库群多目标优化调度

提出用Pareto强度进化算法解决供水库群的多目标优化调度问题,算法利用种群的进化过程模拟寻找非劣解集的过程,将供水库群多目标优化调度问题的解当作进化种群中的个体,按照解的Pareto强度值与密度进行适应度计算,利用种群中个体的进化操作获得非劣解,最终整个种群进化为非劣解集。实例分析结果表明,算法能实现多峰搜索,最终非劣解集的分布均匀,且收敛速度快,为解决供水库群多目标优化调度问题提供了一种有效的方法。     

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.

     

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。     

基于自适应粒子群优化算法的波阻抗反演方法

针对地震勘探资料依赖线性优化方法进行波阻抗反演不易得到全局极值的问题,提出一种改进的粒子群优化算法-自适应粒子群优化算法进行波阻抗反演。自适应粒子群优化算法是以群智能优化理论为基础,通过3种可能移动方向的带权值组合进行全局寻优。该方法搜索速度较快,且具有较强的全局寻优能力。通过函数测试和波阻抗反演的应用,结果表明,自适应粒子群优化算法是一种适应能力较强的全局优化算法,用该方法进行波阻抗反演是可行有效的。      

改进型粒子群算法及其在GPR全波形反演中的应用

探地雷达作为高精度的物探工作方法,其主要目的是反演解释地下结构的物性参数。笔者提出社会学习型粒子群优化反演方法,它以信号均方误差为目标函数,用时域有限差分方法作正演,并且针对反射波信号较弱、反演效果不佳的情况设计了对正演结果进行振幅补偿的方法,对反射波的振幅进行增益,以提高反演精度。通过与经典粒子群优化反演方法的结果对比,说明了该算法在准确度以及效率方面都有相当大的提高。经过分析多层介质仿真数据的一维反演结果,说明了该算法对多参数反演的有效性和良好的抗噪性。     

Nonlocal response functions: application to processing BEAR data

It has been suggested that regional array MTS data be processed with an algorithm based on the nonlocal response of laterally heterogeneous subsurface to an arbitrary electromagnetic excitation. The algorithm is tested with synthetic models which show that the inversion quality can be improved by accumulation of information through repeated measurements, at either changing or fixed array configurations. Besides the array configuration, the inversion quality depends on the selected size of the survey area. The choice of the area size defines the inversion conditions in terms of choice between the magnetic and electric mode for correlation of electromagnetic potentials. The algorithm has been applied to data acquired during the BEAR Project in the Fennoscandian shield. Preliminary results indicate a spatial correlation between conductivity minimums and Moho depth maximums. The apparent resistivity maps obtained with the suggested algorithm highlight the boundaries between the Lapland–Kola, Karelia, and Svecofennia tectonic provinces.     

基于自适应差分克里金的煤质指标估算

煤炭质量核心指标的估算有利于煤炭质量的管控,并为智能开采、分质开采提供科学依据。将克里金插值法引入到煤质指标估算模型的建立,利用差分进化算法求解其变差函数的模型参数;针对在差分进化过程中因"早熟"现象导致最优解被破坏的问题,在变异过程中设计可动态修正变异方向的缩放因子,提出修正变异方向的自适应差分进化算法(UMDE)来确定变差函数的模型参数,并用该方法对煤矿井下未开采区域的全水分进行克里金插值。通过交叉验证与对比实验,证明基于自适应差分克里金方法(UMDE-Kriging)构建的煤质指标估算模型较其他优化方案在估算精度上有显著提升。     

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...     

混沌人工鱼群算法在重力坝材料参数反演中的应用

首先介绍了一种随机搜索优化方法-人工鱼群算法（AFSA）,同时根据混沌（CHAOS）的遍历性和随机性等特点,将混沌系统和人工鱼群算法相结合形成了一种新的融合优化算法-混沌人工鱼群算法（CAFSA）。将混沌人工鱼群算法应用到混凝土大坝材料参数反演中。经算例分析表明,与人工鱼群算法相比较,混沌人工鱼群算法具有收敛快、效率高和结果精度高等优点。从而为解决类似的系统优化和参数识别问题提供了一种新的方法。