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。     

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。     

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。      

基于粒子群优化的岩土工程反分析研究

岩土工程优化反分析本质上看是一个典型的复杂非线性函数优化问题,采用全局优化算法是解决这个问题的理想途径,但由于优化反分析中多次调用正分析的特点使得整个算法的计算效率很低。为了提高优化反分析的计算效率,把一种计算效率更高的新型仿生算法--粒子群优化引入岩土工程反分析领域,提高反分析的计算效率。在此基础上,结合有限元数值分析技术,提出了一种新的岩土工程优化反分析算法--粒子群优化反分析。并通过一个简单算例验证了该法的有效性。     

基于岩石物理模型的页岩储层裂缝属性及各向异性参数反演

针对富有机质页岩储层复杂的矿物组分与微观孔缝结构,本文提出基于岩石物理模型和改进粒子群算法的页岩储层裂缝属性及各向异性参数反演方法。应用自相容等效介质理论与Chapman多尺度孔隙理论建立裂缝型页岩双孔隙系统岩石物理模型。开发基于岩石物理模型的反演流程,引入模拟退火优化粒子群算法解决多参数同时反演问题,反演算法能够避免陷入局部极值且收敛速度快。将本文方法应用于四川盆地龙马溪组页岩气储层,反演得到的孔隙纵横比、裂缝密度等物性参数和各向异性参数与已有研究结果一致,能为页岩储层的评价提供多元化信息。     

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。     

PSO-RBFNN模型及其在岩土工程非线性时间序列预测中的应用

岩土工程受力变形演化是一个典型的非线性问题,其演化的高度非线性和复杂性,很难用简单的力学、数学模型描述,但可用粒子群优化径向基神经网络对岩土工程应力、位移非线性时间序列进行动态实时预测。网络径向基层的单元数通过均值聚类法确定后,所有其它参数：中心位置、形状参数、网络权值,均通过粒子群优化算法在全局空间优化确定。工程实例应用表明,该模型预测结果准确、精度高,有良好的应用前景。     

基于并行预处理算法的三维重力快速反演

随着地球物理设备和探测技术的不断发展,快速处理大规模地球物理数据的需求也随之增长。为了解决三维重力数据密度反演的耗时问题,提出一种并行的预处理共轭梯度算法来提高计算效率。本文分别采用两种不同的预处理算子通过组合模型数据反演进行测试比较,并利用迭代残差和计算用时共同评价其加速效果。结果表明：对称逐次超松弛预处理方法比对角预处理方法反演计算速度快,密度结果更贴近实际模型;与传统串行的共轭梯度算法相比,本文并行预处理快速算法可以获得近19倍的加速比。将该算法应用于美国Vinton盐丘的实测重力数据中,反演结果能够很好地圈定出岩体的位置,验证了本文并行预处理共轭梯度法在三维重力数据快速反演中的高效性和可行性。     

板状体磁异常数据反演的PSO算法

粒子群优化(PSO)算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的算法,是一类随机全局优化技术,它通过粒子间的相互作用搜索复杂空间中的最优区域,其优势在于效率高,且又简单易实现。本文讨论了PSO算法用于板状体磁异常数据反演的方法,并与遗传算法(GA)进行了比较。理论和实测磁异常数据反演的结果表明,PSO算法具有更高的找寻最优解效率,是一种很有潜力的位场反演工具。     

基于微粒群算法的大坝材料参数反分析研究

将微粒群算法应用于大坝参数反分析，同时分析了群体规模对算法的搜索效率和搜索质量的影响以及微粒群反分析算法的数值稳定性。对算例的分析结果表明，基于微粒群算法的大坝参数反分析方法简便易行，收敛精度高，且具有很好的抗噪音能力，是一种新的有效、可靠的参数反分析方法。     

Multichannel analysis of surface waves (MASW) for seismic site characterization using 2D genetic algorithm at Bahrah area,Wadi Fatima,Saudi Arabia

The present study deals with the seismic site classification of Bahrah area, Wadi Fatima, to characterize the local site conditions. The dynamic behavior of sediments was studied by the application of surface wave inversion. The multichannel analysis of surface waves (MASW) shallow geophysical technique was utilized for site classification. MASW survey was carried out at 66 sites along with 13 seismic refraction profiles at suitable localities. MASW and seismic refraction profiles were processed and compared with the available borehole data. The integration of MASW techniques with seismic refraction and borehole data progressively enhanced the subsurface visualization and reliability of the shear wave velocity estimation in the subsurface in the study area. The subsurface shear-wave velocity model was achieved by the solution of an inverse problem-based dispersion of surface waves and propagation in a vertically heterogeneous medium. The 2D genetic algorithm was employed for the inversion of dispersion curves to obtain velocity and thickness of subsurface layers. The depth to engineering bedrock and velocity of shear waves in the first 30 m was deciphered and mapped. The depth of bedrock in study area varies from 4 to 30 m, and V _{S 30} ranges from 320 to 800 m/s. The most of study area falls in B and C class categories in addition to few sites of D class according to the NEHRP guidelines.     

微动探测：地层分层和隐伏断裂构造探测的新方法

微动探测作为地层分层和隐伏断裂构造探测的物探新方法,已成为盆地结构调查、地热井位选址和隐伏地质构造探测的重要物探手段.微动测深确定岩性差异较大的地质界面,如新生界地层底界、侏罗系与二叠系地层分界面、二叠系-石炭系灰岩顶界面等,深度误差可控制在5％左右.断层破碎带/隐伏断裂构造在微动视S波速度剖面上显示为低速异常或明显的速度差异,易于识别、解释.二维微动剖面技术已在探测隐伏地质构造(断层、陷落柱等)方面取得较好地质效果.本文介绍其原理、方法和应用实例.     

水文地质参数反演的Hooke-Jeeves粒子群混合算法

水文地质参数寻优结果的好坏会直接影响到地下水数值模拟的精度,而参数寻优结果很大程度上取决于寻优方法的选择。粒子群算法是一种基于群智能的随机全局寻优方法,算法的缺陷是后期搜索效率低劣。基于随机寻优算法的混合策略,引入有效的约束处理手段和粒子群算法惯性因子的动态非线性调整技术,有机融合粒子群算法与Hooke-Jeeves方法,提出一种适用于水文地质参数反演的HJPSO混合算法。应用研究表明,HJPSO混合算法在参数反演计算中求解精度高、收敛速度快、寻优性能强,是一种值得推广的水文地质参数识别方法。     

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。     

大地电磁与地震反射波走时数据二维联合反演

由于地球物理反演存在固有的多解性问题,如何减小多解性,提高地球物理方法反演结果的可靠性和准确性是当今地球物理领域研究的热点。为了减小大地电磁与地震反射波走时资料反演的多解性,在Gallardo和Meju研究的交叉梯度理论的基础上,实现大地电磁与地震反射波走时数据的二维联合反演算法;设计理论地电模型和速度模型进行合成数据的单独反演和联合反演试算,并验证大地电磁和地震反射波走时数据二维联合反演算法的正确性和有效性。反演结果表明,利用交叉梯度方法耦合大地电磁电阻率参数和地震波速度参数能使联合反演过程中的这两个模型在更新的时候相互约束,联合反演结果比单一反演结果更接近真实模型,从而使反演结果更可靠,减少了反演解的多解性。     

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。     

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...     

Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm

The genetic algorithm is useful for solving an inversion of complex nonlinear geophysical equations. The multi-point search of the genetic algorithm makes it easier to find a globally optimal solution and avoid falling into a local extremum. The search efficiency of the genetic algorithm is a key to producing successful solutions in a huge multi-parameter model space. The encoding mechanism of the genetic algorithm affects the searching processes in the evolution. Not all genetic operations perform perfectly in a search under either a binary or decimal encoding system. As such, a standard genetic algorithm (SGA) is sometimes unable to resolve an optimization problem such as a simple geophysical inversion. With the binary encoding system the operation of the crossover may produce more new individuals. The decimal encoding system, on the other hand, makes the mutation generate more new genes. This paper discusses approaches of exploiting the search potentials of genetic operations with different encoding systems and presents a hybrid-encoding mechanism for the genetic algorithm. This is referred to as the hybrid-encoding genetic algorithm (HEGA). The method is based on the routine in which the mutation operation is executed in decimal code and other operations in binary code. HEGA guarantees the birth of better genes by mutation processing with a high probability, so that it is beneficial for resolving the inversions of complicated problems. Synthetic and real-world examples demonstrate the advantages of using HEGA in the inversion of potential-field data.     

利用地脉动台阵记录反演场地浅层Vs结构

比较了影响Love波相速度频散曲线的主要因素,通过虚拟反演,说明了利用Love波相速度反演浅层剪切波速度结构的可行性,以地脉动台阵3分量观测记录提取的Love波相速度频散曲线为目标函数,利用遗传算法与单纯形法混合算法,分两种情况反演了某实际工程场地的浅层剪切波速度结构。结果表明,利用从地脉动台阵3分量观测资料中提取的Love波相速度反演工程场地浅层的剪切波速度Vs结构是一种很有前景的技术方法。