改进蜂群算法及其在面波频散曲线反演中的应用

应用改进蜂群算法反演面波频散曲线以获得近地表横波速度剖面.蜂群算法属于群智能算法中的一种,灵感来源于蜜蜂群体特定的觅食行为,在该算法的基础上结合粒子群算法中的全局最优解引导思想,同时引入遗传算法中交叉运算操作,即采用基于交叉操作的全局人工蜂群算法对面波频散曲线进行反演研究.改进蜂群算法在继承传统算法精于探索特性的同时,针对其疏于开发的缺陷着重加强了算法对全局的探索能力.使用理论和实测瑞雷波数据,本文研究了改进蜂群算法在推导近地表横波速度分布的有效性和适用性.在反演中,目标函数的收敛性好,改进算法在迭代的过程中能够快速收敛到全局最优;模型参数的概率分布高,即在寻找到全局最优解的同时,能够确保解中每个参数同时达到最优,保证了反演的结果可靠度,使其能有效地应用于瑞雷波频散曲线的反演和解释中.     

布谷鸟马尔科夫链蒙特卡洛混合高斯地质统计学随机反演

地质统计学随机反演可以获得比常规反演更高分辨率的结果,目前已成为储层高分辨率预测的主流方法.地下不同岩相储层参数存在明显差异,本文在地质统计学反演框架下构建了岩相和储层参数同步反演目标函数,实现不同岩相条件下储层参数分布精细描述.在求解该高维数据多参数同步反演问题时,本文将可以动态调节搜索步长的布谷鸟算法与马尔科夫链蒙特卡洛方法融合,采用多条马尔科夫链进行Levy飞行产生新解的策略扩大解的空间范围,通过适应度最佳选择输出最优解实现全局优化迭代,有效提升了反演方法的稳定性和全局最优性,避免了传统马尔科夫链蒙特卡洛方法因抽样随机性而陷入局部最优的问题.通过含噪声模型和实际数据分析验证了本文方法的有效性.     

改进混合蛙跳算法的CSAMT信号激电信息提取研究

从CSAMT信号中提取激电信息有利于提高频率域电磁法反演与解释的精度.目前的研究多以线性反演方法为主,存在依赖初始模型、易陷入局部极值的问题.针对CSAMT信号IP提取问题的非线性和非凸特征,本文提出了一种基于柯西分布和惯性权重的二阶段最小构造混合蛙跳反演方法来提取IP信息.该方法首先利用柯西算子取代随机算子来提高算法的全局搜索能力,并通过引入混沌震荡惯性权重来均衡进化过程中的个体经验和群体经验,保证算法后期的稳定收敛;然后通过引入第二阶段反演过程来强化极化率对观测数据的影响,同时将正则化参数引入混合蛙跳算法的适应度函数来改善反演的多解性问题;最后利用CPU并行计算加速了算法的模因组搜索过程.反演结果表明,上述方法能够较好地重构地电结构和提取激电信息,在加噪环境下具有较强的鲁棒性.相比其他非线性算法(标准混合蛙跳算法SFLA,差分进化算法DE和粒子群优化算法PSO)的反演结果,本文算法具有更强的全局搜索能力和更高的计算效率,适合对微弱的激电信息进行提取.     

瞬变电磁测深资料的ABC算法反演研究

目前瞬变电磁测深资料的反演基本局限于一维,且多数是基于最小二乘法,实际上是将非线性问题做线性化处理,再利用迭代的方法逐步逼近最优解,所以在一定程度上会丢失许多细节信息,同时极度依赖初始模型,易陷入局部最优解,而非全局最优解.为提高瞬变电磁测深法的反演解释精度,本文以瞬变电磁测深的一维正演理论为基础,同时针对野外实测资料的特点,建立非线性反演问题的目标函数,考虑到现有非线性反演算法存在的易陷入局部优化和过学习等问题,首次引入了一种当前优化领域的十分新颖且性能优良的智能优化算法——ABC(人工蜂群)算法,来求解反演问题.ABC算法对求解多极值非线性问题优势明显,它不需要了解待求解问题特殊信息,只需要对问题进行优劣的比较,通过单独人工蜂的局部寻优的行为,最终将全局最优值突显出来,具有很快的收敛速度.通过在Matlab平台下对算法参数的详细试算研究,最终确定了一套最佳反演参数,并以二、三、四层的地电模型为例进行了验证.在野外实测资料的反演解释中,经过与实地钻孔资料及其他反演方法的对比分析,表明利用ABC算法建立的瞬变电磁测深一维反演系统具有明显的理论优势和实用价值.     

正则参数控制下的波阻抗约束反演

通过势函数方式将波阻抗反演的病态问题转为良态问题，并且给出了边界保护势函数所具备的条件. 在反演过程中，通过改变正则参数数值以及合理地选择正则参数的初值，改善反演结果，提高反演收敛速度. 同时，在具体反演中使用快速模拟退火算法，可以克服目标函数局部极值的限制，从而获得全局最优解. 通过理论模型试算和实际资料处理，说明本文方法具有精度高、实用性强的特点.     

岩石物理驱动的相约束叠前地震概率化反演方法

地震岩石物理是连接岩石弹性参数与储层物性参数的桥梁,叠前地震反演是实现地下岩石弹性、物性、岩性及含流体性质定量表征的重要方法.文章构建了碎屑岩地震岩石物理高阶近似模型,推导了利用岩石模量高阶近似(Jacobian、Hessian矩阵)表征的叠前地震AVO反射特征方程,并分析了岩石孔隙度、泥质含量及流体饱和度对AVO反射率的贡献度,探讨了此方程在岩石物性参数直接预测方面的可行性.以此为基础,在待反演模型参数服从混合概率先验模型的前提下,文章提出了基于差分进化-马尔可夫链蒙特卡罗随机模型的相约束叠前地震概率化反演方法,兼具差分进化算法的全局寻优特性和马尔可夫链蒙特卡罗模型的不确定性分析能力;通过多条马尔可夫链的交叉并行,可以同步获得待反演模型参数的多个随机解,进而模拟待反演模型的后验概率密度分布,后验均值作为待反演模型的最优解,方差与置信区间用来评价反演结果的不确定性,实现储层弹性、物性、离散岩相及干岩石骨架等参数的同步预测.通过理论试验和实际资料处理验证了该理论方法的有效性.     

波动方程反演的全局优化方法研究

复杂介质波动方程反演是地球物理研究中的重要问题,通常表述为特定目标函数最优化,难点是多参数、非线性和不适定性.局部和全局优化方法都不能实现快速全局优化.本文概述了地震波勘探反演问题的理论基础和研究进展,阐述了反演中优化问题的解决方法和面临的困难,并提出了一种确定性全局优化的新方法.通过在优化参数空间识别并划分局部优化解及其附近区域,只需有限次参数空间划分过程就能发现所有局部解（集合）;基于复杂目标函数多尺度结构分析,提出多尺度参数空间分区优化方法的研究方向.该方法收敛速度快,优化结果不依赖初始解的选取,是对非线性全局优化问题的一个新探索.     

快速模拟退火地震反演

讨论了用模拟退火方法进行地震资料的参数反演，利用快速的降温方式实现模拟退火反演，从而形成了快速模拟退火算法。模拟退火反演的优点是可以突破反演过程中局部最优的限制，获得全局最优解。因此，ＳＡ方法适于解决地震反演中的非凸性目标函数的最优化问题。     

波阻抗反演正则参数估计

为了解决用正则化方法能够将波阻抗反演的病态问题转为良态问题,通过统计方法合理地选择正则参数的初值,在反演过程中用极大似然（ML）方法实时进行正则参数值估计,提高反演收敛速度,改善反演结果。同时,在具体反演中将正则化方法与快速模拟退火算法相结合,充分发挥正则参数作用,可以获得全局最优解,取得了好的实际应用效果。     

相位空间内的解缠绕相位反演

全波形反演方法是一种数据域高精度反演方法,该方法通过匹配观测数据与模拟数据的地震波形,利用梯度法准确反演地下介质参数的分布情况.由于观测数据普遍缺少低频信息,该方法易受周期跳跃现象影响.特别是当地下存在大尺度强反射界面的构造时,地下介质的反演转化为强非线性问题求解.该情形下,即使观测数据包含充足的低频信息,全波形反演也难以给出准确的反演结果.一般可以通过减弱反演对初始模型参数的依赖性来克服上述问题,具体表现为使用新变量(例如瞬时相位、包络等)代替目标函数中的采样后波场,以增强新目标函数的凸性.但是,对该新目标函数进行反演时,伴随状态方程中存在关于新变量和波场的一个链式微分项,该项保留了反演问题的非线性,导致新的反演方法难以处理包含大尺度构造的强非线性反演问题.此外,基于新变量的反演问题依然在波场空间中计算模型梯度,难以充分利用新变量与模型参数之间的弱非线性关系.因此,本文提出用频率域波动方程的相位形式代替传统的波动方程来消除伴随状态方程中的链式微分项,用解缠绕的相位代替目标函数中采样前波场并在相位空间进行反演.该方法可以最大程度地利用地下介质参数和解缠绕相位之间的弱非线性关系,从而削弱反演的非线性性.由于基于频率域波场计算得到相位有严重的缠绕问题,本文采用基于振幅排序的多聚类算法来对相位进行解缠绕.虽然将介质参数到波场的映射替换为介质参数与解缠绕相位的映射,会导致反演结果的分辨率有所下降,但该方法可以在相位空间恢复介质参数的大尺度低波数分量.Marmousi模型测试证明了该方法的有效性和准确性,针对部分BP模型的测试也证明了该方法处理强非线性问题的能力.     

基于改进蚁群算法在面波频散曲线反演中的应用

为快速准确的反演得到近地表地层结构,将一种新颖而强大的非线性算法——蚁群算法引入到瑞雷波频散曲线领域,并对其进行相应的改进,改进蚁群算法的优点是运算效率快、精度高、算法简单、灵活易于实现,需要调节控制参数也较少。文中分别在无噪声\,含噪声以及实测数据进行反演测试,通过模型数据和实测数据表明,应用于瑞雷波反演中的改进蚁群算法在收敛速度与收敛精度之间能达到良好的平衡,所得解具有较高可信度。而且算法为促进所得解快速收敛到全局最优,在搜索中分全局搜索与局部搜索两个方式进行,能够有效地避免局部最优解产生。借助人工合成的瑞雷波数据以及真实观测数据,验证了改进蚁群算法在反演近地表剪切波速度时的有效性和通用性。此外,文中与遗传算法进行比较,得出改进蚁群算法具有高效性和高精度性的优点。     

遗传算法和LM算法联合反演瑞雷波相速度

上世纪中叶以来,微震探查法等基于面波相速度频散测定以及其反演的地下构造勘探方法,在地壳研究、工程地质勘探等方面得到了广泛的应用.本研究分析了遗传算法（GA）应用在面波频散反演当中出现的问题,采用遗传算法和Levenberg-Marquardt 算法（LM法）的联合运用法——以遗传算法反演出来的大局的搜索结果为初始点,再进行LM法搜索,由此克服两者的缺点,实现高精度的反演.     

Inverting reservoir parameters in a two-phase fractured medium with a niche genetic algorithm

In this paper we calculate a synthetic medium surface displacement response that is consistent with real measurement data by applying the least-square principle and a niche genetic algorithm to the parameters inversion problem of the wave equation in a two-phase medium. We propose a niche genetic multi-parameter (including porosity, solid phase density and fluid phase density) joint inversion algorithm based on a two-phase fractured medium in the BISQ model. We take the two-phase fractured medium of the BISQ model in a two-dimensional half space as an example, and carry out the numerical reservoir parameters inversion. Results show that this method is very convenient for solving the parameters inversion problem for the wave equation in a two-phase medium, and has the advantage of strong noise rejection. Relative to conventional genetic algorithms, the niche genetic algorithm based on a sharing function can not only significantly speed up the convergence, but also improve the inversion precision.     

二维地震资料波动方程非线性反演

针对反演的要求和实际问题的需要，提出利用地震资料叠前数据进行二维波动方程反演，采用最小平方拟合修正模型参数的非线性反演方法，构造了问题的加速迭代算法．反演算法充分利用了冗余的叠前数据和多道相关性，可以分离噪声和信号，使噪声不参与或很少参与反演，算法抗噪能力强．数值模拟例子表明算法有效和稳定，得到了令人满意的结果．     

Differential evolution with subpopulations for high‐dimensional seismic inversion

Seismic inversion has drawn the attention of researchers due to its capability of building an accurate earth model. Such a model will need to be discretised finely, and the dimensions of the inversion problem will be very high. In this paper, we propose an efficient differential evolution algorithm and apply it to high‐dimensional seismic inversion. Our method takes into account the differences among individuals, which are disregarded in conventional differential evolution methods, resulting to a better balance between exploration and exploitation. We divide the entire population into three subpopulations and propose a novel mutation strategy with two phases. Furthermore, we optimise the crossover operator by applying the components having the best objective function values into the crossover operator. We embed this strategy into a cooperative coevolutionary differential evolution and propose a new differential evolution algorithm referred to as a differential evolution with subpopulations. Then, we apply our scheme to both synthetic and field data; the results of high‐dimensional seismic inversion have shown that the proposed differential evolution with subpopulations achieves faster convergence and a higher‐quality solution for seismic inversion.     

微地震资料贝叶斯理论差分进化反演方法

微地震监测难以拾取准确初至,为了提高反演定位精度和减小多解性,研究了微地震贝叶斯差分进化反演方法.从分析讨论理论模型反演残差及其协方差分布特征出发,结合对比不加噪音和加入不同程度的噪音后残差协方差极小点位置移动、分布梯度变化特征,提出了先验信息解估计方法.针对后验估计中,由于难以获得先验信息解的方差估计致使无法计算加权系数问题,通过分析残差变化特征和解的变化关系,研究了利用残差求取加权系数的方法.为了加快寻优速度,讨论了差分进化反演方法,在变异操作方面使用差分策略,即利用种群中个体间的差分向量对个体进行扰动,实现个体变异,充分有效利用群体分布特性,提高算法的搜索能力,避免遗传算法中变异方式的不足.通过理论模型测试本方法的反演效果,并且和搜索方法反结果进行比较.测试结果证明本反演方法,对于不同程度初至干扰,反演结果向准确解逼近程度比搜索方法要好得多,实际资料的反演结果也好于搜索方法.     

参考波速线性变化时的声波方程逆散射反演

声波方程的逆散射反演乃是求解双曲型偏微分方程系数项反问题的一种解析方法,一般利用Born近似把这一非线性反问题线性化,并给出了恒参考波速介质中反问题解的解析表达式.由于Born近似假定波速扰动为一级无穷小,因此,在大多数情况下,恒参考波速介质模型的反问题的解无法得以应用.本文研究介质参考波速沿某个方向线性变化时的声散射理论,导出了声波方程逆散射问题解的解析表达式,从而既可使Born近似的假定在大多数情况下能得以满足,又可利用快速Fourier变换快速实现介质波速扰动的反演成象.     

一维波动方程波阻抗反演的同伦方法

文中从地震勘探一维波动方程反问题出发,研究了一种反演地层参数的同伦方法,该方法把非线性方程组的求解转化成常微分方程初值问题的数值求解,从而给出一种稳定的计算速度快、抗噪能力强的全局收敛的反演方法．理论模型和实例试算的结果表明了同伦方法是一种有效的反演算法,特别适用于非线性、多极值的地球物理反演问题,在地球物理非线性反演中具有广泛的应用前景．     

Nonlinear Rayleigh wave inversion based on the shuffled frog-leaping algorithm

At present, near-surface shear wave velocities are mainly calculated through Rayleigh wave dispersion-curve inversions in engineering surface investigations, but the required calculations pose a highly nonlinear global optimization problem. In order to alleviate the risk of falling into a local optimal solution, this paper introduces a new global optimization method, the shuffle frog-leaping algorithm (SFLA), into the Rayleigh wave dispersion-curve inversion process. SFLA is a swarm-intelligence-based algorithm that simulates a group of frogs searching for food. It uses a few parameters, achieves rapid convergence, and is capability of effective global searching. In order to test the reliability and calculation performance of SFLA, noise-free and noisy synthetic datasets were inverted. We conducted a comparative analysis with other established algorithms using the noise-free dataset, and then tested the ability of SFLA to cope with data noise. Finally, we inverted a real-world example to examine the applicability of SFLA. Results from both synthetic and field data demonstrated the effectiveness of SFLA in the interpretation of Rayleigh wave dispersion curves. We found that SFLA is superior to the established methods in terms of both reliability and computational efficiency, so it offers great potential to improve our ability to solve geophysical inversion problems.