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。     

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远离真值时收敛速度幔，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。强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实灾变过程，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，反演了加噪地震道和含薄层介质模型，取得了满意的效果。     

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.     

基于十进制遗传算法的含水层参数的反演

含水层参的反演是一个复杂的非线性优化问题,针对传统二进制遗传算法收敛性能差的缺陷,提出了反演含水层参数的十进制遗传算法。以直线隔水边界附近的井流模型为例,讨论了十进制遗传算法在含水层参数反演中的应用,并与二进制遗传算法的进行比较。结果表明,该方法在含水层参数的反演中不仅是可行的,而且具有较好的确定性和较高的精度;与二进制遗传算法相比,十进制遗传算法的收敛性较好,省时高效,且表示较为自然,容易引入相关领域知识。同时,结合实例的分析结果得出种群的规模对算法的收敛性没有明显的影响。     

一种优化估计土性参数的新方法

采用改进化方向的遗传算法并结合比奥特（Ｂｉｏｔ）固结有限元数值法对一假设路堤的双层地基的一些主要土性参数进行反演,显示误差很小,收敛速度也很快,这说明改进进化方向遗传算法这种新型的优化算法在土性参数优化估计中具有精度高、反演快的优越性,克服了传统优化方法如共轭梯度法、拟牛顿法和单纯形法所具有有的搜索速度随反演参数增多呈级数减慢、容易陷入局部极值点和误差传递导致不收敛等缺点,同时也要比简单遗传算法优     

重磁反演的群体优生遗传算法

重磁反演常具有众多变量,通常的遗传算法编码方式和搜索模式不能适用。采用０—１ 编码群体优生遗传算法,实现了把遗传算法运用于众多变量的重磁反演,使用进化变异能使运算后期顺利收敛,同时更加接近全局极值,取得了良好的实用效果     

基于遗传算法的煤层注水渗透特征参数反演

煤层注水是防治矿井冲击地压灾害发生的最有效的方法。确定煤层渗透特征参数，是合理确定注水工艺参数、有效控制防灾效果的关键，有很强的现实意义。遗传算法是全局收敛的方法，用该算法对煤体导水、贮水等渗透特征参数反演，方法稳定可靠。以观测水分增值与计算结果的相对偏差作为最优搜索目标函数，建立GA反演适应度函数及迭代收敛准则；GA操作采用无条件保护最优个体、种群个体无死亡及每个体只有1次参与交换机会等规则。提出通过对已知参数正向问题结果(水分增值)的反演计算，验证遗传算法精度。算例结果表明，繁衍迭代至第41代时，反演参数结果与理论参数几乎完全拟合。达到最优解，精度符合工程要求。     

基于遗传算法优化的BP神经网络在密度界面反演中的应用

BP神经网络方法在二维密度界面的反演中取得了较好的效果,但在反演三维界面时,由于模型更复杂、参数更多,BP神经网络的收敛速度和反演精度都有一定程度的下降。为了改善反演效果,本文利用遗传算法对BP神经网络的权值、阈值选择过程进行优化,获得了更好的网络模型;并将此模型应用于密度界面模型的反演中,预测误差从上百米减小到数十米,同时迭代计算步数减少了近2/3,有效减少了计算时间,反演结果更准确。利用基于遗传算法优化的BP神经网络反演了法国某地区莫霍面深度,预测相对误差仅为1.8%,取得了较好的应用效果。基于遗传算法优化的BP神经网络在密度界面的反演中具有良好的应用价值和研究前景。     

深厚冲积层人工冻土蠕变参数的模糊遗传反演

冻土的蠕变特性对深井冻结法施工至关重要。针对某矿区人工冻土在-5℃、-10℃、-15℃和-20℃下进行单轴抗压强度试验,发现冻土的抗压强度受冻结温度变化影响,两者间为线性反比例关系。通过小生境原理对传统的遗传算法作模糊随机改进,给出模糊遗传算法的步骤思路,进而运用该算法反演冻土蠕变模型中的参数值,获得各温度下的蠕变模型。试验结果表明：蠕变模型计算值在蠕变各阶段与试验值吻合较好,准确反映了冻土蠕变的整体规律。可见,模糊遗传算法能有效反演蠕变参数,较传统方法更符合工程实际。     

基于GA-BP神经网络算法的高密度电法非线性反演

高密度电法技术在煤矿地质灾害勘探中发挥着重要的作用。近年来,以BP（Backpropagation）神经网络为代表的一类非线性反演方法被广泛运用到高密度电法的反演中。针对BP神经网络方法在高密度电法反演中存在的易陷入局部极小、收敛缓慢、反演精度差等问题,将BP神经网络算法与遗传算法（Genetic Algorithm,简称GA算法）联合演算,实现高密度电法的二维非线性反演。通过典型地电模型对该方法进行验证,结果表明遗传算法能有效优化BP神经网络的权值和阈值,提高了算法的全局寻优性。     

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。     

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。     

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.     

长江源生态环境问题与可持续发展对策

长江源自然环境严酷,以草原退化、森林萎缩、水土流失、气候暖旱化、冰川退缩、雪灾频繁为代表的生态环境退化正在进行。宜采用保护、恢复和改善林草植被系统来对其进行综合整治。     

改进快速模拟退火方法进行AVO岩性参数反演

以广义波乐兹曼的吉布斯（Ｂｏｌｔｚｍａｎｎ－Ｇｉｂｂｓ）统计理论为基础,将数认（ｎｕｍｃｒａｌ）和依赖于温度的似柯西（Ｇａｕｃｈｙ）分布相结合建立一种新的扰动模型,改进接受概率,提出了一种非常快速模拟退火法（ｖｅｒｙ ｆａｓｔ ｓｉｍｕｌａｔｅｄ ａｎｎｅａｌｉｎｇ）。通过多参数的振幅随炮检距变化（ＡＶＯ）的合成数据和实际投资试算结果表明,该方法能在高温下进行大范围内的搜寻,解的稳定性好和抗随机干     

土体渗流固结参数识别方法

根据土体固结过程中超孔隙水压力观测资料,建立了基于遗传算法的土体渗流固结参数非线性识别方法,解决了经典高斯-牛顿极小化问题所存在的局部极小问题和最小二乘法所存在的当初始值选择不合适时迭代过程发散的问题,提出了根据观测仪器的精度,建立迭代终止条件的方法。数值计算结果表明,本文所提出的非线性反演方法适合于土体固结参数识别等类似的反问题。     

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...     

利用一维正则化反演进行大地电磁测深数据拟二维反演解释

大地电磁测深的反演问题是不适定的,其反演结果不稳定,且具有非唯一性。通过在目标函数中采用正则化方法,可以使得不适定反演问题具有稳定的反演结果,并改善解的稳定性和非唯一性问题。为了提高野外大地电磁测深数据的处理效率和初步解释的精度,提出了大地电磁测深数据的一维正则化反演进行拟二维反演解释方法。这里所述的大地电磁测深一维反演解释,与以往的解释方法不同,其思路首先用Bostick反演的深度来控制层参数,使反演计算的模型参数仅存在电阻率;最后采用阻尼高斯-牛顿算法进行反演计算,并将Bostick反演结果作为反演计算的初始模型。通过模型试算,结果表明其处理速度快、解释直观,对野外大地电磁测深数据进行初步反演解释是可行的。