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。     

基于自适应纯形模拟退火法一维大地电磁测深视电阻率和相位反演研究

针对大地电磁测深反演中线性化方法容易陷入局部极值,而全局优化方法收敛慢等问题,这里采用自适应纯形模拟退火综合优化方法进行大地电磁测深数据反演。该优化方法综合了下降纯形法和模拟退火法各自的优点,已被证明具有全局搜所能力和收敛速度快的特点,并且实现了视电阻率和相位同时反演,减小多解性的同时提高了反演的分辨率。通过H、K和HKH型模型的数值计算,验证了这种综合优化方法的搜索效率和全局收敛性;所有模型合成数据的反演结果都能较好地反映真实模型的结构特征。对于中间层为相对高阻的模型,虽然相对其他层结构恢复差些,但是反演后该层结构基本得到恢复。     

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。     

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。     

层状介质大地电磁的自适应量子遗传反演法

将量子遗传算法引入到层状介质大地电磁数据的反演, 得到了层状介质的大地电磁量子遗传反演法.数值试验结果发现该算法仍然存在较严重的早熟收敛现象.为此, 将自适应思想引入到量子遗传算法中来, 通过动态调整量子遗传算法的模型搜索空间, 建立了一种新的改进型量子遗传算法——自适应量子遗传算法, 使算法在迭代过程中能自适应地寻找模型最优值.通过典型测试函数和层状介质大地电磁模型数值试验, 结果表明, 改进算法有效压制了常规量子遗传算法的早熟收敛性, 提高了算法的搜索效率和反演效果.采用该算法对实际的大地电磁资料进行了处理, 取得了较好的地质效果.      

电阻率层析成像的二维改进粒子群优化算法反演

粒子群优化算法(PSO)是通过模拟鸟群觅食过程中的社会行为而提出的一种基于群体智能的全局随机搜索算法,已有研究学者证明PSO算法是一种有效的地球物理反演方法,不依赖初始模型。此次在研究常规粒子群算法的基础上,针对常规粒子群优化算法易于陷于局部极值,后期收敛速度慢,反演精度不高等缺点,提出了一种改进的充分混沌振荡粒子群优化算法。针对粒子群算法的特点,改进速度更新公式,使粒子更快获取与当前全局最好位置的差异,增强粒子的学习能力,并用此算法在matlab2012b编程环境中对均匀半空间电阻率层析成像异常体理论模型进行了二维数值试验。结果表明,此种算法反演时不依赖初始模型,搜索空间增大,实现全局搜索,在准确性上优于标准PSO反演,成像质量优于Levenberg-Marquardt法反演。     

一维层状介质大地电磁模拟退火反演法

大地电磁模拟退火反演法是一种最优化的非线性反演方法,与传统的线性反演方法相比该方法具有：（１）不依赖于初始模型的选择;（２）能寻找全局最小点而不陷入局部极小;（３）在反演过程中不用计算雅可比偏数矩阵等优点;通过对各种类型的大地电磁测深理论曲线试算,结果表明模拟退火法能准确地自动反演地电参数（地层电阻率,厚度）最后对实际资料进行了处理,取得了较好的效果。     

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。     

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。