波阻抗混合反演全局寻优与编码的实验研究

针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题,在广泛研究了遗传算法的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上,提出了采用二进制字符串编码、遗传操作为最优保存策略选择、多点交叉和非均匀变异的遗传算法,基于该算法形成了全局寻优的波阻抗混合反演方法。文中介绍了遗传算法的研究现状,例举了全局寻优交叉和变异的计算结果,给出了二进制字符串编码的主要程序段,用数值模型与实际资料验正了混合反演算法的有效性。     

遗传算法的改进及其在应力场反演中的应用

利用人工方法产生多样化的初始群体，引入“移民”机制并采用小种群搜索，运用自动调整交换概率与变异概率的方法将遗传算法进行了改进，改进后的遗传算法在防止早熟，提高收敛速度方面有一定改善。最后利用改进的遗传算法反演了青藏高原的应力场，其结果与地质结果有一定的相似性。     

量子遗传算法在大地电磁反演中的应用

量子遗传算法（QGA）以量子理论为基础,通过利用量子位编码代替经典遗传算法的二进制位编码,利用量子旋转门定向更新种群来代替传统方法中种群的选择、交叉和变异过程,使得算法具有一定的内在并行运算能力和量子的隧道效应,从而加快了搜索速度,改善了收敛速度,并具有更强的全局寻优能力.本文针对地球物理反演问题的非线性、多极值特点提出一套实现方案,通过理论模型和实测数据试验对比研究,表明量子遗传方法在大地电磁反演中的寻优质量和效果明显优于传统遗传算法.     

基于不等式约束的三维电阻率探测混合反演方法

三维电阻率探测的线性反演和非线性反演中均存在着多解性的固有难题.电阻率线性反演方法的效率较高,但反演结果对初始模型的依赖性较强,易陷入局部极小;而非线性反演方法不依赖初始模型,但搜索效率极低,尚未见到关于三维电阻率非线性反演的文献.针对上述问题,融合线性与非线性反演方法的互补优势,提出了最小二乘法(线性方法)与改进遗传算法(非线性方法)相结合的混合反演方法的概念和思想.首先,提出了将介质电阻率变化范围作为不等式约束引入反演方程的思路,以实现压制多解性、提高可靠性的目标.提出了宽松不等式约束和基于钻孔推断的局部严格不等式约束的获取及定义方法.在此基础上,分别提出了基于不等式约束的最小二乘线性反演方法和遗传算法非线性反演方法.其次,对于遗传算法在变异搜索方向控制、初始群体产生等方面进行了改进,优化了其搜索方向和初始群体多样性.然后,提出了混合反演方法及其实现方案,利用改进遗传算法进行第一阶段反演,发挥其对初始模型的依赖程度低的优势,搜索到最优解附近的空间,输出当前最优个体;利用最小二乘法进行第二阶段反演,将遗传算法得到的当前最优个体作为初始模型,在最优解附近空间执行高效率的局部线性搜索,最终实现地电结构的三维成像.最后,开展了合成数据与实际工程算例验证,与传统最小二乘方法进行了对比,发现混合反演方法在压制多解性、摆脱初始模型依赖和提高反演效果方面有较好效果.     

一种波速结构的两步优化反演策略

借助虚拟反演思路,通过对各种遗传算子不同匹配方式的比较研究,指出了对于频散曲线反演浮点数编码与轮盘赌选择的匹配方式离线性能最好,提出了一种两步优化反演策略.该两步策略利用浮点数编码、轮盘赌选择、浮点数均匀交换与变异算子匹配组成基本遗传算法框架,在此框架基础上施加免疫启发策略和免重复计算加速策略,多次运行,对每次运行结果继续施加模拟退火算法使其至少达到局部最优,最后取得最优解.免疫启发策略充分利用最佳个体的信息加速进化进程,通过对每代的最佳个体施加一服从标准正态分布的随机数来加强对邻近区域的局部搜索,通过标准差的调整也兼顾了对邻近区域以外区域的搜索,将局部搜索和全局搜索有机地结合起来,同时还最大限度地降低了对遗传算法自身进化进程的干扰;免重复计算策略大大减少了正演计算次数,节约了计算成本,提高了反演效率.两步反演策略避免了多次平均法的缺陷,提高了反演结果的稳定性和精度,降低了非惟一性.     

微地震资料贝叶斯理论差分进化反演方法

微地震监测难以拾取准确初至,为了提高反演定位精度和减小多解性,研究了微地震贝叶斯差分进化反演方法.从分析讨论理论模型反演残差及其协方差分布特征出发,结合对比不加噪音和加入不同程度的噪音后残差协方差极小点位置移动、分布梯度变化特征,提出了先验信息解估计方法.针对后验估计中,由于难以获得先验信息解的方差估计致使无法计算加权系数问题,通过分析残差变化特征和解的变化关系,研究了利用残差求取加权系数的方法.为了加快寻优速度,讨论了差分进化反演方法,在变异操作方面使用差分策略,即利用种群中个体间的差分向量对个体进行扰动,实现个体变异,充分有效利用群体分布特性,提高算法的搜索能力,避免遗传算法中变异方式的不足.通过理论模型测试本方法的反演效果,并且和搜索方法反结果进行比较.测试结果证明本反演方法,对于不同程度初至干扰,反演结果向准确解逼近程度比搜索方法要好得多,实际资料的反演结果也好于搜索方法.     

基于混合遗传算法的斜测电离图参数反演

斜向探测是获取电离层状态信息的重要手段之一,对斜测电离图的反演可以得到电离层的相关结构参数.遗传算法是一种有效的并得到普遍应用的反演方法,该算法的求解不依赖于初值的选择,可以有效地减少反演问题解的非唯一性,但也存在“过早收敛”和局部搜索能力差等缺陷,从而导致反演精度下降,影响反演结果的可靠性.本文提出将基于模拟退火的混合遗传算法应用到斜测电离图的参数反演中,该算法不仅把握总体能力强,且具有较强的局部搜索能力,是遗传算法和模拟退火算法的优势互补.为了验证该算法反演结果的可靠性和稳定性,首先分别采用遗传算法、模拟退火算法和混合遗传算法对合成的电离图进行反演,反演参数包括临界频率,最大电子浓度和半厚度.通过对三种算法反演结果的对比,得出混合遗传算法的反演结果最接近真实值,需要的迭代次数也远远小于其他两种算法;通过改变种群大小和总迭代次数来判断参数值的改变对三种算法反演结果的影响,得出混合遗传算法有效地降低了参数的选取对反演结果的影响.然后用这三种反演算法对实测电离图进行反演,并将它们的反演结果与斜测链路中点的实际垂测数据进行比较,结果显示混合遗传算法84.62%的反演结果可以控制在误差范围之内,高于遗传算法（76.93%）和模拟退火算法（65.38%）.这些都表明了混合遗传算法的反演结果具有较强的可靠性,在反演的寻优能力和稳定性上要明显优于遗传算法和模拟退火算法,对实测电离层图的反演具有很强的借鉴意义和应用价值.     

改进的地壳速度结构遗传反演方法

遗传算法的收敛速度与模型参数初始搜索范围的划分精度有关.本文提出了在低精度的基础上开始迭代,在选代过程中逐步缩小搜索范围的改进措施.这种改进使得遗传算法的收敛速度和反演精度同时得到提高,并且又不增加模型空间的大小.一维地壳速度结构的反演计算结果表明方法是有效的.最后给出了实际应用中应采用的反演策略.     

多种物理机制耦合作用下的储层介质参数反演研究

孔隙介质的黏弹性、孔隙流体的Biot流动和喷射流动是影响波传播的重要物理机制.本文分别基于弹性和黏弹性BISQ模型,利用自适应杂交遗传算法研究了多种物理机制耦合作用条件下储层介质参数反演.为了测试自适应杂交遗传算法的有效性,本文分别利用自适应杂交遗传算法和传统实数编码遗传算法对含有不同噪声的理论合成数据进行了反演试算.对比理论合成数据反演结果可知,自适应杂交遗传算法具有抗干扰能力强且收敛速度快的特点,是一种有效的储层介质参数反演方法.同时本文也利用不同频率尺度和不同温度条件下的P波和S波实测数据进行了联合反演.对比研究表明,黏弹性BISQ模型能够很好地解释不同频率尺度的波频散特征,不仅能够很好地预测P波速度,而且也能够很好地预测S波速度,从而证明了黏弹性BISQ模型能够准确地描述低频条件下的波频散.     

基于单台加速度记录的混合全局优化HVSR反演场地浅层速度结构

利用水平与竖向谱比（HVSR）方法反演场地速度结构是国际上迅速发展的研究领域.HVSR反演计算实质是一个土层场地模型空间搜索的全局优化问题,当模型搜索空间的复杂程度增大时,目前常用的搜索算法收敛速度慢,计算效率较低.本文实现了一种结合遗传和模拟退火方法优点的混合全局优化HVSR反演算法,通过理论模型和竖向台阵实测数据的检验,表明该算法能获得很好的反演效果,较好地解决了蒙特卡罗方法收敛速度慢,遗传算法收敛早熟和模拟退火算法搜索效率低的问题.本文在此基础上讨论了单台加速度S波记录用于场地速度结构HVSR反演的适用性,为基于单个地震台的地震观测记录反演浅层速度结构提供了一种高效且较为准确的反演方法.     

地球物理资料群体智能反演(英文)

复杂地球物理资料的反演问题往往是一个求解多参数非线性多极值的最优解问题。而鸟和蚂蚁等群体觅食的过程,正好与寻找地球物理反演最优解的过程相似。基于自然界群体协调寻优的思想,本文提出了交叉学科的群体智能地球物理资料反演方法,并给出了其对应的数学模型。用一个有无限多个局部最优解的已知模型对该类方法进行了试验。然后,将它们应用到了不同的复杂地球物理反演问题中:(1)对噪声敏感的线性问题;(2)非线性和线性同步反演问题;(3)非线性问题。反演结果表明,群体智能反演是可行的。与常规遗传算法和模拟退火法相比,该类方法有收敛速度相对快、收敛精度相对高等优点;与拟牛顿法和列文伯格一马夸特法相比,该类方法有能跳出局部最优解等优点。     

Adaptive hybrid global inversion algorithm

Most geophysical inversions can be regarded as multiparameter, nonlinear, and multiminimum discontinuous optimization problems. An adaptive hybrid global inversion algorithm based on simulated annealing, downhill simplex method, uniform design, and adaptive annealing rule is formulated. Numeral test and model computation show that this algorithm has very fast speed and high efficiency in searching for global minimum. Project sponsored by the National Natural Science Foundation of China (Grant No. 49474232) and Special Foundation under the auspices of president of Chinese Academy of Sciences.     

电阻率二维神经网络反演

由于非线性特性地球物理反演一直以来都是一个比较困难的问题. 近十年来,非线性反演方法如人工神经网络、遗传算法在地球物理数据解释中得到越来越多的应用,但目前基本仍限于一维反演问题. 对于二维反问题,反演参数较多,神经网络反演运用较少. 本文利用BP神经网络优化方法,实现了电阻率二维非线性反演. 与传统线性化的迭代反演比较,神经网络反演能够克服传统方法的不足、获得更好的反演结果.     

基于局部相关性约束的三维大地电磁数据和重力数据的联合反演

为解决地球物理反演中多解性的问题,综合多种地球物理信息的联合反演受到了广泛的关注.本文依据不同地球物理响应可能由相同异常体引起,而不同地球物理分布参数之间存在相关性等特点,提出了一种基于局部Pearson相关系数约束的联合反演方法.该方法假设每个局部区域模型参数的分布具有线性相关特性,在拟合不同类型观测数据时,对局部模型参数施加相关性约束,进行联合反演以减少多解性.本文采用交替迭代联合反演流程,改善了同一目标函数下联合反演收敛性和速度问题.基于新的联合反演方法和流程,我们测试了三维大地电磁和重力仿真数据的联合反演.结果表明,本文提出的基于局部相关性约束的联合反演方法,能充分利用大地电磁和重力观测数据信息,有效改善单一地球物理反演收敛性和多解性的问题,反演效果得到明显提升.     

基于IGA算法的电阻率神经网络反演成像研究

为满足地球物理资料反演解释的高精度、快速、稳定的要求,本文结合免疫遗传算法寻优速度快和BP神经网络反演不依赖初始模型等优点,设计了一种将BP神经网络和免疫遗传算法进行有机结合的全局优化反演策略,并将该策略成功地应用于二维高密度电法数据反演.利用免疫遗传算法(Immune Genetic Algorithm,简称IGA)对神经网络的反演参数进行同步优化,提高了电阻率反演的精度.仿真和实验结果验证设计的全局优化反演策略取得了较好的效果,通过与线性反演方法和BP法以及遗传神经网络法等反演方法进行比较,得出该方法具有反演精度更高,反演时间更短等显著优势的结论.     

动态遗传算法及其在P波初动震源机制解中的应用

利用动态遗传算法对Ｐ波初动震源机制解进行反演计算，并与前人常用的反演计算方法对比，认为遗传算法在Ｐ波初动 震源机制解中的应用是有很有效的。     

Using a hybrid genetic algorithm–simulated annealing algorithm for fuzzy programming of reservoir operation

We present a novel approach for optimizing reservoir operation through fuzzy programming and a hybrid evolution algorithm, i.e. genetic algorithm (GA) with simulated annealing (SA). In the analysis, objectives and constraints of reservoir operation are transformed by fuzzy programming for searching the optimal degree of satisfaction. In the hybrid search procedure, the GA provides a global search and the SA algorithm provides local search. This approach was investigated to search the optimizing operation scheme of Shihmen Reservoir in Taiwan. Monthly inflow data for three years reflecting different hydrological conditions and a consecutive 10‐year period were used. Comparisons were made with the existing M‐5 reservoir operation rules. The results demonstrate that: (1) fuzzy programming could effectively formulate the reservoir operation scheme into degree of satisfaction α among the users and constraints; (2) the hybrid GA‐SA performed much better than the current M‐5 operating rules. Analysis also found the hybrid GA‐SA conducts parallel analyses that increase the probability of finding an optimal solution while reducing computation time for reservoir operation. Copyright © 2007 John Wiley & Sons, Ltd.     

多尺度逐次逼近遗传算法反演大地电磁资料

遗传算法是一种随机全局搜索算法,与常规的基于局部线性化的最优化方法相比对初始模型的依赖性大为减弱,但是存在着有效基因丢失和早熟收敛问题．采用多尺度逐次逼近反演思想而建立的多尺度逐次逼近遗传算法,能有效地解决上述问题．用该算法对大地电磁资料进行反演,理论曲线和实测资料的试算结果表明多尺度逐次逼近遗传算法能够自动反演地电参数．