基于改进麻雀搜索算法的瑞利波频散曲线反演

非线性优化算法在给定的参数搜索范围内对最优解进行全局搜索,在全局搜索方面具有先天的优势,具有一定的跳出局部极值的能力。本文将一种新兴的非线性优化算法——麻雀搜索算法引入瑞利波频散曲线反演问题,针对频散曲线反演问题瑞利波频散曲线反演问题多参数、多局部极值的特点,引入自适应t分布对算法进行改进。三种理论模型的反演实验数据表明,改进的麻雀搜索算法与传统麻雀搜索算法相比具有更好的反演精度和稳定性,同时具有较好的抗随机噪声的能力。与粒子群算法和差分进化算法两种较成熟的非线性优化算法进行对比,改进的麻雀搜索算法较好地平衡了迭代前期的全局搜索和迭代后期的局部搜索,取得了与粒子群算法和差分进化算法相比更好的效果。     

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.     

围岩力学参数反演的GSA-BP神经网络模型及应用

针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。     

基于GA-SVR的渗透系数参数反演方法

渗透系数参数反演的本质是优化问题求解,遗传算法是一种基于自然选择和群体遗传机理的新的全局优化求解方法,可以较好地用于求解诸如渗透系数参数反演等复杂非线性组合优化问题。基于结构风险最小化原理的支持向量机具有逼近复杂非线性系统、较强的学习泛化能力,可以用来计算渗透系数参数反演过程中的测点水头值。实验表明,基于遗传算法-支持向量回归机的地下水渗透系统参数反演拟合效果良好,能大大提升区间搜索效率,避免出现局部最优解,其参数识别精度符合实际应用要求。     

瞬变电磁反演中的非线性规划遗传算法

经典非线性规划算法的局部搜索能力较强,遗传算法采用选择、交叉和变异算子进行搜索,全局搜索能力较强,而局部搜索能力较弱。结合两种算法的优点,文中提出了一种非线性规划遗传算法(NPGA)。经过函数测试证明,该算法提高了遗传算法的搜索性能。设计了多个不同的地电模型,将该算法应用于瞬变电磁地电模型数据反演计算中,结果表明该算法具有较快的收敛速度和较高的计算精度,反演效果较好。     

复合遗传算法在爆破震动测试参数确定中的研究

阐述了遗传算法的基本原理,针对遗传算法在参数确定中局部搜索能力不强等问题,把单纯形加速法引入到遗传算法中,提出了复合遗传算法并对复合搜索理论进行了阐述,通过工程实例进行验证。数值计算结果表明,在爆破震动测试参数确定中,复合遗传算法对加大局部搜索速度、提高计算精度具有明显效果。     

基于改进遗传算法的粘弹性岩体力学参数反演

把模式搜索嵌入目前广为应用的遗传算法中,使之和神经网络有机结合,提出了搜索—遗传—神经网络算法。该方法用经过最佳预测学习算法训练的神经网络来表达粘弹性岩体力学参数和位移之间的映射关系,除具有一般遗传算法的优点外,还提高了参数反演的精度,节省了参数反演的计算时间。结合某工程实例,验证了该方法在粘弹性岩体力学参数反演中的优越性。     

基于贝叶斯理论的反射率法煤田地震波阻抗反演

地震波阻抗反演可以直接提供地下介质的弹性信息,为后续的煤层识别,水通道预测以及陷落柱识别等提供可靠的资料。在面对复杂地质条件时,现有的波阻抗反演方法精度较低,不能满足实际勘探的需求。反射率法通过求解弹性波动方程获得弹性参数信息,能够模拟全波场响应以及地震波的各种传播效应,能更精确地考虑透射损失、多次波等引起的地震波振幅和相位变化,精度较高,且计算效率高于其他波动方程求解方法。因此,基于贝叶斯框架,建立了反射率法的反演目标函数并通过引入柯西分布作为先验分布提高反演结果的分辨率,形成了一种基于贝叶斯的反射率法波阻抗反演方法。将该方法应用于布尔台煤矿地震数据中,获得的波阻抗反演结果与测井资料匹配度较好,相比于常规方法分辨率更高,精度高,能够有效识别薄煤层和深部煤层分布,有效验证了新方法的可行性和有效性。该方法能为利用地震反演技术识别煤层及陷落柱等小构造,预测顶底板水分布提供有力的资料。     

波阻抗遗传算法反演方法的研究及应用

作者介绍的遗传算法是在自然界生物遗传过程优选和进化原理的基础上，针对波阻抗反演的实际问题，对标准的遗传算法进行了改进，引入了模拟退火算法中的热槽法控制初始群体的产生，用逐位迭代的交换方式代替传统的杂交方式即随机选择杂交点进行交换。使用改进的遗传算法对地震波阻抗进行反演，可很好地提高反演的精度。在文中最后，作者通过理论模型和实例验证了上述的思想。     

水文地质参数识别的快速和谐搜索算法

将一种新的启发式和谐搜索算法(harmony search algorithm,HS)引入到水文地质领域。在对其音节调整步骤进行改进的基础上,提出快速和谐搜索算法(Fast harmony search algorithm,FHS),并将FHS算法与MODFLOW结合,用于水文地质问题的参数识别。算例研究表明,FHS算法较其他多种算法具有更强的全局搜索能力、更快的收敛速度及求解精度,可用于地下水数值模型的参数反演。