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.     

基于粒子群优化算法的感应测井反演

针对传统感应测井线性迭代反演受初始模型影响,易陷入局部最优解的特点,设计一种基于粒子群优化的非线性全局最优化反演方法。利用该方法对不同厚度储层模型进行反演研究,在无噪声情况下,反演结果和模型基本一致;在加入5%、10%和15%随机噪声后,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,具有较好的全局寻优和抗噪声能力,能有效反演感应测井数据。     

基于粒子群算法的重力张量反演研究

重力梯度张量的定义是对重力位求二阶导数,相比于传统的布格重力异常,它在反映地下密度异常分布上有着更高的灵敏度,且能够进一步准确直接地反映目标体的边界.但对单个张量分量作反演时,可能会丢失一部份有用的信息,从而造成反演结果的误差.而全张量反演是将重力的五个梯度张量联合起来进行反演,这样做可以综合更丰富的场源信息.相比于传统做法中的布格重力异常反演和单重力张量分量反演,得到的反演结果不仅有了更高的分辨率,在识别目标体特征上也有更好的效果.粒子群算法是一种基于群体智能的优化迭代算法,这里利用粒子群算法对重力张量单分量、布格重力异常和全张量分别进行反演,并对结果进行简要分析.     

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。     

基于粒子群算法与混合罚函数法的有限元优化反演模型及应用

岩土工程优化反分析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。针对常规反演方法应用于岩土工程参数反演时搜索效率低的缺点,结合粒子群算法和遗传算法的特点,充分考虑二者的互补性,提出一种效率较高的全局优化算法,以测点的实测值与计算值建立一种新的评价函数,将多目标优化问题转化为单目标优化问题,用混合罚函数法将约束问题变为无约束问题,构建了一种新的目标函数,将有限元程序ABAQUS作为一个模块嵌入到优化算法程序中,编制了有限元优化反演分析程序。并给出了应用实例验证了该法的有效性和实用性,是一种可行的参数反演方法,可应用于实际工程中复杂岩土介质初始应力场反演、渗流场以及位移反分析     

基于两步变异差分进化算法的激电测深一维反演

激电测深一维反演是一个多参数非线性优化问题。本文基于改进的两步变异差分进化全局最优化算法实现了激电测深的一维反演。传统的差分进化算法包含变异、交叉和选择操作,变异为单步变异。本文提出的两步变异法分步将最优个体与随机选取的两个个体经变异后产生新个体。加强了最优个体的影响度,提高了全局寻优能力。通过模型试算结果表明,两步变异法比传统方法寻优能力更强。利用等效电阻率法加载极化率参数,通过数字滤波算法可快速正演计算层状模型表面激电测深电阻率曲线,在此基础上应用两步变异差分进化算法不断变异产生新个体,正演计算电阻率与观测值进行拟合,选择适应度值趋近于最大适应度值的个体作为反演结果。本文反演方法操作简便,计算速度快。通过对H型和KH型地电模型进行计算,得出本反演方法有较高的拟合精度。     

基于改进粒子群算法的叠前弹性阻抗反演

弹性阻抗反演是结合声阻抗反演与AVO反演的叠前地震反演技术,能够克服叠后波阻抗反演的缺陷,反映振幅随偏移距变化的信息,已经广泛应用于地震岩性识别和流体特征的获取。常规的线性迭代弹性阻抗反演方法存在依赖初始模型、容易陷入局部极值等缺陷。针对这一问题,提出了一种基于改进粒子群算法的弹性阻抗非线性反演方法,并利用该算法对胜利油田某工区地震资料进行了弹性阻抗反演,获得了多个弹性参数剖面,与实际钻井结果相符,该方法为复杂油气藏的勘探开发提供了一种有效可行的途径。     

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。     

粒子群算法改进及内变量本构模型参数反演

为了研究深埋煤矿巷道通常存在长时间、大变形问题,拓展岩土工程反分析的手段,改善岩土工程反分析的效率和精度,首先基于自然选择、自适应变惯性权重、异步变化学习因子的策略改进了粒子群算法并完成了程序实现,通过Sphere和Rastrigrin两函数测试了改进算法的优越性;其次以Matlab软件为平台,联合大型有限元软件ABAQUS,编制了岩土反分析程序GeoPSOInverse.m;最后应用所编程序反演了以不可恢复应变为变量的、不显含时间的泥岩蠕变模型参数。结果证实：改进的粒子群算法在岩土工程参数反演计算中体现出了可靠的反演能力和很快的收敛速度,可进行复杂采矿工程的实践应用。     

起伏地形垂直电测深二维反演及应用

考虑到在水资源勘查,矿产勘探及工程探测等实际工作中,常常遇到起伏地形的情况,这里在前人研究工作的基础上,通过在反演中引入总体光滑约束,以及对有限元网格剖分的有效处理,解决了在起伏地形条件下垂直电测深二维反演的问题,并编制了实用的软件。最后,对模拟和实测的垂直电测深数据进行反演,验证了反演结果是可靠的,该软件可用于实际生产。     

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。     

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。     

基于粒子群算法优化小波支持向量机的岩土力学参数反演

常用的确定岩土力学参数的方法有原位测试和室内试验两种,但都存在一定的局限性,参数选择的合理与否,对设计计算及数值模拟分析结果的有效性影响很大。支持向量机法在理论基础和求解算法方面都具有明显优势,为确保岩土力学参数取值的合理性,采用支持向量机法对岩土力学参数进行反演。先通过小波分析理论构造出支持向量机的核函数,再用粒子群算法(PSO)分别优化Morlet小波、Mexico小波和RBF函数的支持向量机模型参数,通过小波支持向量机模型建立反演参数与沉降值间的非线性映射关系。根据正交试验和均匀试验对需反演的岩土力学参数进行设计,结合有限元软件进行计算分析,得到学习样本和测试样本。分别采用Morlet小波、Mexico小波和RBF函数得出的预测结果和原始数据进行对比分析,发现采用Morlet小波核函数预测效果更佳。使用Morlet小波核函数预测的参数输入到Midas模型中计算建筑物最终沉降量,比较计算值与实际监测值,其相对误差不超过8.1%。研究结果表明,该方法在岩土工程参数的反演中具有良好的应用价值,对今后岩土力学参数的确定及校核提供了一种新方法。     

改进的遗传算法在电测深反演中的应用

遗传算法是地球物理数据非线性反演中常用的方法,但在使用中所需内存较多,容易"早熟"或陷入局部极小。为了在电阻率测深反演中更好地使用遗传算法,提出了利用统计学建模获得精细初始模型后,再利用改进的遗传算法反演。改进了传统遗传算法评价解的方法、增加了局部目标函数并限制遗传基因的繁殖方向。对理论模型的反演计算证明改进的遗传算法可以减少计算量,改善电阻率测深的反演效果。     

基于二维电测深数据作三维反演的基岩探测

在城市基岩面探测时,受到城市交通、电磁等严重干扰的制约,常选用直流电测深作为主要物探方法。二维电测深剖面沿测线排列电极,采集视电阻率数据后进行二维反演,用所获得剖面方向上的二维电阻率断面图像推断地质体的位置及产状。但由于复杂的实际情况并非适合二维反演条件(走向无限延展并与测线正交),二维反演会产生较大误差。为此,可试用测区多剖面二维电测深数据作三维反演,获得测区三维电阻率立体图像,推断地质体分布的空间形态。在山东某市地质调查中,布设点距50 m、线距为100 m电测深测网,采集二维对称四极测深数据。对该测区二维电极排列建立三维反演数据格式后,进行三维电阻率反演,获得测区三维电阻率图像,推断的基岩面与钻探验证基本一致。     

基于广义交叉验证的电测深曲线一维全自动迭代反演

为提高电测深曲线反演过程的稳定性和自动性,基于广义交叉验证自适应正则化方法,给出了电测深曲线反演的全自动迭代方法.首先介绍了引入光滑约束的线性反演方程的构建方法,综合奇异值分解法与广义交叉验证自适应正则化方法求解线性反演方程,接着给出了反演过程中初始模型的构建方法和反演偏导数矩阵的差分计算方法,并采用C++语言实现了电...     

基于Lévy飞行的粒子群算法在大地电磁反演中的应用

粒子群优化算法在大地电磁测深反演中相较于一般的线性反演算法具有多种优点。然而标准粒子群算法在多维优化问题中存在早熟问题,为此,采用基于Lévy飞行随机游走策略的优化粒子群算法来处理局部最优解,增加寻优能力。通过对地电模型的反演对比表明,改进后的粒子群算法相较于标准粒子群算法适应度值下降速度更快、寻优能力更好。最后将该算法应用于已知钻孔旁实测数据,结果较好,表明该算法具有较好的实用性。     

地下水污染源反演的Hooke Jeeves吸引扩散粒子群混合算法

根据污染物质量浓度监测数据进行地下水污染源反演是一类典型的地下水逆问题,该问题可转化为决策变量为污染源位置和强度的最优化问题进行求解。基于Hooke-Jeeves粒子群混合算法,引入吸引扩散粒子群(ARPSO)算法的粒子群发散算子,保证混合算法的种群多样性,并提出HJ-ARPSO混合算法,再结合地下水污染物迁移模型MT3DMS反演地下水污染源的位置和强度信息。在已知污染源位置和未知污染源位置两种情形下,分别利用HJ-ARPSO算法、HJ-PSO算法和GA算法进行地下水污染源反演。在两种情形下,HJ-ARPSO算法均具有较高的寻优成功率(分别对应为100%和90%);与之相比,未引入粒子群发散算子的HJ-PSO算法在未知污染源位置情形下其寻优成功率迅速降为60%;GA算法寻优效率则最低。算例结果表明,HJ-ARPSO算法是一种有效的地下水污染源反演优化算法。     

基于粒子群算法的水资源优化配置

本文基于可持续发展理论,以社会、经济和环境的综合效益最大为目标,建立了区域水资源优化配置模型.根据模型的特点,采用粒子群算法(PSO)对模型进行求解.针对粒子群算法的迭代原理,通过对粒子编码方法、适应度函数构造和约束条件处理等环节的改进,构成了用于多目标有约束条件模型求解的粒子群优化算法.不仅拓展了粒子群优化算法的应用领域,同时也为复杂多目标模型的求解提供了一种新途径.本文以北京市为例,借助本文提出的模型,得到了该市2010、2020和2030年三个水平年在50%保证率下的水量配置方案.优化结果表明,该算法应用于水资源优化配置中是合适的.     

粒子群算法在磁测资料井地联合反演中的应用

粒子群优化算法是一种新兴的高效并行优化算法,目前被广泛应用于各领域,但在地球物理反演中很少运用.磁测资料井地联合反演是结合井中与地面磁测数据的各自优势,进行地球物理反演的一种新方法.笔者以立方体为模型,通过理论模型试验和大冶危机矿山实例,将粒子群优化算法运用于磁测资料井地联合反演,取得了比较好的效果,不仅验证了粒子群算法在地球物理反演中的可行性,而且也论证了井地联合反演的优越性.