基于洗牌蛙跳算法的瑞雷波非线性反演（英文）

目前,各种主、被动源瑞雷波勘探方法在近地表探测中扮演着日益重要的角色,利用瑞雷波频散曲线反演可以得到近地表横波速度信息,但是瑞雷波频散曲线反演问题是高度非线性的全局优化问题。为了缓解陷入局部最优解的风险,本文将一种新的全局优化方法一洗牌蛙跳算法引入到瑞雷波频散曲线反演中。洗牌蛙跳算法是一种群智能优化算法,通过模拟青蛙种群的觅食行为来实现最优化问题的求解,具有计算速度快,需要调整的参数少,全局寻优能力强的优点。为了检验洗牌蛙跳算法的可靠性和计算能力,首先对不含噪声和含噪声的四层理论模型进行了反演试算。然后,利用不含噪声数据对洗牌蛙跳算法与粒子群优化算法进行比较分析。最后,对实际数据进行反演,以检验洗牌蛙跳算法的实用性。理论地层模型和实际数据的测试结果表明:洗牌蛙跳算法可以有效地定量解释瑞雷波频散曲线,收敛速度、反演精确总体优于经典粒子群优化算法与改进粒子群优化算法,具有很大的发展潜力。     

基于改进海洋捕食者优化算法和瑞雷波频散曲线的近地表地层参数反演

面波勘探是获取近地表地质结构的重要手段,利用瑞雷波频散曲线可以反演得到地层横波速度和厚度或泊松比等参数.本文提出了一种新的优化策略来处理瑞雷波频散曲线的反演问题.改进海洋捕食者算法（ACMPA）是一种改进混沌初始化,引入自适应步长和精英竞赛机制优化的反演算法.采用混沌映射进行种群位置初始化,提高初始化种群位置的质量;加入自适应函数,增强全局搜索能力;引入精英等级制度,避免算法陷入局部极值点,从而从局部和全局寻优进行优化,提高反演的收敛速度.通过正演模拟和实测数据进行测试分析,证明了改进的海洋捕食者优化算法的有效性与稳定性.该方法可以利用瑞雷波频散曲线信息反演得到近地表地层的介质参数,其收敛精度和收敛范围明显优于其他优化算法,具有较强的应用前景.

     

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.

     

基于萤火虫和蝙蝠群智能算法的瑞雷波频散曲线反演

反演瑞雷波频散曲线能有效获取地层横波速度和厚度.但由于其高度的非线性、多参数、多极值等特点,传统的全局搜索方法易出现收敛速度慢、早熟收敛及搜索精度低的问题.鉴于此,本文提出并测试了基于萤火虫优化算法（FA）和带惯性权重的蝙蝠优化算法（WBA）的新的瑞雷波频散曲线反演策略.在瑞雷波频散曲线反演中,FA全局搜索能力强,但后期搜索精度低,而WBA局部搜索能力强,搜索精度高,但易出现早熟收敛.故本文将二者结合,提出了一种新的优化策略,称其为WFBA,即在反演前期使用FA,后期使用WBA,很好地解决了FA后期搜索精度低及WBA早熟收敛的问题.本文首先反演了三个典型理论模型的无噪声、含噪声的数据,验证了WFBA对瑞雷波数据反演的有效性与稳定性.然后将WFBA与WBA、FA单独反演以及不含惯性权重的FBA和粒子群优化算法（PSO）反演的结果进行了对比,说明了WFBA相对于WBA、FA、FBA和PSO具有更稳定、收敛速度更快、求解精度更高等优点.最后,反演了来自美国怀俄明地区的实测资料,检验了WFBA对瑞雷波数据反演的实用性.理论模型试算和实测资料分析表明,WFBA很适用于瑞雷波频散曲线的定量解释,具有很高的实用性价值.

     

基于广义模式识别面波基模式频散曲线反演研究

面波多道分析方法(MASW)是获取垂向剪切波速度剖面的一种有效方法。频散曲线反演是MASW中关键的一步。由于瑞雷波频散曲线反演具有非线性、多参数和多极值的特征,这对于常规的局部线性化反演方法是极大的挑战。为此,本文采取确定性的全局优化算法,广义模式识别算法(GPS)对瑞雷波频散曲线进行反演。其原理可以简述为:算法首先通过模式以确定性的方式对目标函数进行采样来搜索一个点序列;然后使序列中每一个点到下一个点的目标函数值逐渐减少,从而使点序列逐渐逼近全局最优解,最后的解便为待求的最优模型参数。为验证GPS的有效性,首先利用设计的3种典型的6层地质模型通过快速矢量传递算法正演模拟产生基模式频散曲线(频率范围为5~101Hz,频率间隔为2Hz,频点数为49),并对理论频散曲线进行反演。反演结果表明,模型的真实值已经被高度精确地重建。说明GPS可以用于实际勘探中的基模式频散曲线反演。为进一步验证GPS的有效性,在吉林大学校园采集瑞雷波实测数据,并提取基模式频散曲线,应用GPS进行反演。反演重建的横波速度剖面与先验的地质信息吻合得很好。理论模型和真实数据的反演结果表明,GPS可以应用在瑞雷波频散曲线非线性反演中。     

基于粒子群算法的瑞雷波频散曲线反演研究

瑞雷波频散曲线反演的本质是对目标函数求极值的过程.传统的线性局部反演算法容易陷入局部极小值,增加了反演结果的不确定性.粒子群算法作为一种全局非线性优化手段,能够保证各搜索空间内局部寻优的同时,逼近全局最优,保证迭代反演的收敛性.建立含软夹层型地层模型,正演计算得到理论频散曲线,采用粒子群算法反演得到的横波速度与模型高度吻合.同时,在理论频散曲线中加入10%的高斯白噪声,粒子群算法的反演结果仍然具有很好的可靠程度.通过对实测频散曲线的反演表明:粒子群算法在含软夹层型地层的横波速度探测中相对于最小二乘法优势明显,具有很高的应用价值.     

基于局部优化粒子群算法的背景噪声反演

从背景噪声中提取瑞雷波频散曲线并通过反演获得地下横波速度结构已被广泛应用于大尺度的地下结构探测和小尺度的工程勘探中.基于频散函数的反演目标函数可以有效解决多阶模频散曲线联合反演的模式误判问题, 然而其广泛分布的局部极值导致更为严重的多解性, 在大范围的参数搜索空间下很难获得最优解, 需要搭配全局搜索性能强的优化算法.本文提出局部优化粒子群算法(PSOG), 通过粒子迭代过程中引入局部优化方法提高种群多样性, 避免陷入局部极值并加快收敛速度.为验证新算法的有效性, 结合基于久期函数的目标函数对理论合成数据进行反演, 结果表明, 局部优化粒子群算法比传统算法的稳定性与准确性都有显著提高.处理了上海苏州河地区的背景噪声数据, 成功地对古河道切割造成的软弱层进行成像.PSOG算法与新型反演目标函数的结合在背景噪声勘探的工程应用上具有巨大潜力.

     

大地电磁阻尼粒子群优化反演法研究

粒子群优化算法（PSO）是模仿鸟群寻找食物的社会行为的一种全局最优化算法,在多维空间函数寻优、动态目标寻优等方面有着收敛速度快、解质量高且需要设置的参数较少等优点.本文在研究常规粒子群优化算法的基础上,对常规的粒子群算法进行了改进,提出了一种新的惯性权重ω参数振荡递减策略,加快了PSO算法的收敛速度,构造的新算法称为阻尼粒子群优化算法.在MATLAB 6.5 编程环境中对阻尼PSO算法进行了数值实验,并对大地电磁测深的理论模型和实测数据进行了反演试算,结果表明,阻尼PSO算法不依赖于初始模型、能够搜索到全局极值,不易陷入局部极值,是一种快速有效的地球物理反演方法.     

瑞雷波频散曲线的深度学习反演方法

瑞雷波频散曲线反演是获取地表横波波速的关键步骤, 现有线性反演方法的效果取决于初始模型的选择, 非线性反演也存在效率低、多解等问题.为了进一步提高瑞雷波频散曲线反演的速度与精度, 受深度学习卓越非线性映射能力启发, 本文提出了瑞雷波频散曲线的深度学习反演方法.文中首先基于近地表速度结构的遍历属性和演化特征的有序性, 提出了约束马尔科夫决策的样本数据构建方法; 然后设计了一种卷积神经网络衔接长短时记忆网络的混合网络结构(CNN-LSTM), 用于构建频散序列数据到速度结构的非线性映射关系, 该网络结构包含了3个局部特征学习模块和1个长短时记忆层; 再利用样本数据对混合网络进行训练; 最后进行反演预测.理论模型试验的频散曲线在无噪与含噪情况下, 拟合的平均相对误差分别不超过5.6%和8.9%, 表明本文所提方法具有较高的计算精度和良好的鲁棒性.最后, 将本文方法应用于2008年汶川M_W7.9地震白鹿镇同震地表破裂带的瑞雷波勘探中, 为其浅表同震变形的局部化效应提供了科学约束.

     

根据瑞雷波确定近地表品质因子Q

反演高频率(≥2Hz)的瑞雷波的相速度可得到分层地球模型从地表到地下30m以内的剪切(S)波速度。如果已知S波速度VS、压缩(P)波速度VP和瑞雷波速度,通过反演瑞雷波衰减系数就可以获得分层地球模型的P波品质因子QP和S波品质因子QS。模拟结果证明,根据瑞雷波衰减系数反演品质因子QS是可行的。当VS/VP达到0.45时,不能忽略QP对瑞雷波衰减系数的贡献,这种情况在近地表构造中并非罕见。从某些地质构造中的瑞雷波衰减系数反演得到QP是可能的,这是一种不同于一般认为的观点,即相对于P波的品质因子QP,瑞雷波的衰减系数对S波的品质因子QS更为敏感。在亚利桑那沙漠,采集了60道的面波数据。对一个层厚度超过20m的10层模型,首先利用多道面波分析(MASW)方法反演数据得到S波速度,然后通过反演衰减系数确定品质因子。     

自适应对数螺旋路径萤火虫算法反演瑞雷面波频散曲线

瑞雷面波技术是浅地层地质勘探的重要手段之一, 通过瑞雷面波频散曲线反演可有效获得地下横波速度模型.然而, 瑞雷面波频散曲线反演具有多参数、多极值和非线性等特点, 面对复杂地震-地质条件下的瑞雷面波资料处理, 传统方法难以快速、精确地对地层参数进行反演和重建.本文将自适应对数螺旋路径萤火虫算法(Adaptive Logarithmic Spiral-Lévy Firefly Algorithm, 简称ALSL-FA)引入到瑞雷面波频散曲线反演中, 有效解决了经典萤火虫算法(Firefly Algorithm, 简称FA)精于探索, 疏于开发的缺点.ALSL-FA集成了对数螺旋引导萤火虫路径, 并在搜索过程中通过自适应切换因子实现了全局搜索与局部开发自适应切换, 在增强局部开发能力的同时, 确保了全局搜索的能力.通过Rastrigin函数求解, 对比分析了FA、Lévy飞行萤火虫算法(Lévy Flying Firefly Algorithm, 简称LF-FA)和ALSL-FA的运算性能; 通过速度递增和含高速硬夹层地质模型的瑞雷面波频散曲线反演, 比较了人工蜂群算法(Artificial Bee Colony algorithm, 简称ABC)、FA、LF-FA和ALSL-FA的反演结果, 验证了本文方法的正确性和抗噪能力, 并进一步应用于一套实际瑞雷面波资料反演处理.研究结果表明, 本文方法有效弱化了对初始模型的依赖, 并进一步提高了反演的精度, 具有较强的全局寻优能力和局部开发能力, 同时兼备良好的抗噪性能.

     

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.     

基于GPU混合反演的隧道电阻率超前探测成像研究

隧道施工期超前探测对于避免突涌水灾害的发生具有重要作用,为满足隧道三维电阻率超前探测快速化解译与成像的要求,本文提出了一种基于GPU并行的蚁群算法与最小二乘方法相结合的混合反演算法.该方法结合线性反演与非线性反演的优点,利用蚁群算法全局搜索能力强的优点为最小二乘反演提供较优的初始模型,以克服最小二乘算法容易陷入局部最优的缺点,提高了隧道三维电阻率反演成像的精度.同时,基于蚁群算法的天然并行性,提出了CUDA环境下的GPU并行策略,实现了三维电阻率反演的快速化成像.其次,开展了基于GPU混合反演的数值算例,与传统最小二乘线性反演进行了对比,基于GPU并行计算的混合反演计算效率得到了显著提高,对含水构造的位置、形态有较好的反映,压制了三维反演的多解性.最后开展了物理模型试验,结果表明基于GPU混合反演探测的低阻异常体与实际含水构造的位置较为相符,发现基于GPU加速的混合反演方法在提高探测精度与加快反演速度方面具有显著优势,为三维电阻率混合反演方法在隧道超前探测实际工程中的应用奠定了基础.     

横向非均匀介质多道瑞雷波频散曲线正演

作为近地表横波速度结构成像的主要手段之一,面波多道分析法的正问题研究对现场观测系统设计及后续反演计算具有重要意义.目前面波频散曲线的正演主要分为两类:一是对水平层状介质中面波的本征值问题进行求解,该类方法计算效率高但较难考虑地下介质在横向上的不均匀性;二是基于波动方程的全波场模拟,该类方法在理论上可考虑任意复杂的地质模...     

基于萤火虫算法的雷瑞波非线性反演(英文)

雷瑞波具有强振幅、低频和低速的特点,在反射地震勘探中通常是需要被压制的强噪声。本文研究如何利用雷瑞波获取近地表地层的横波速度和地下结构,选取萤火虫优化算法进行面波的反演,萤火虫优化算法是一种新的粒子群算法理论,具有稳定、快捷、全局搜索等特点。针对萤火虫优化算法优缺点进行了讨论和改进,通过对理论模型和野外数据的测试应用,将提取的瑞利面波频散曲线反演得到横波速度信息。结果表明萤火虫优化算法能实现面波非线性反演,并具有分辨率高、抗干扰能力强等优点和实际使用前景。     

瑞雷波多阶模式频散曲线稀疏正则化反演方法研究

目前瑞雷波多阶模式频散曲线反演中仅考虑数据的拟合,缺乏对模型的约束,不能很好地刻画地层间断面的问题,针对此问题,研究了瑞雷波多阶模式频散曲线稀疏正则化反演方法.正演模拟基于广义反射-透射系数法,数值计算上采用一种快速求根方法,与二等分方法相比,能够在很短的时间内达到最优的收敛效果;反演建模时采用L1范数正则化方法对模型进行稀疏性刻画,使反演结果更加符合地质实际;在反问题的数值实现上,针对稀疏正则化模型提出一种隐式迭代正则化算法,其迭代算子具有非膨胀特性,可以收敛到极小化问题的解.数值实验结果表明,新的反演方案具有计算效率高,模型"逐块"光滑的特性刻画好,对非高斯噪声鲁棒性强的特点.