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。     

基于混沌天牛群算法的大地电磁反演

大地电磁反演是非线性问题,传统的大地电磁反演采用线性反演,结果往往会陷入局部最优,为此,在标准BAS算法的基础上,引入混沌种群概念、指导性学习策略及竞技场策略,实现带学习和竞争机制的混沌天牛群搜索算法(LCCBSA).利用LCCBSA算法、粒子群算法和遗传算法分别对测试函数试算,结果表明该算法与其他算法相比具有较快的收...     

阻抗张量分解进行大地电磁静校正的研究

地表电性不均匀体对大地电磁测深的静态影响,会使大地电磁测深曲线产生十分严重的畸变,如何进行静校正以获得合理的区域构造响应,引起了国内外大地电磁专家的广泛关注。阻抗张量分解就是近几年发展起来的一种有效的方法。在全面论述阻抗张量分解进行大地电磁静校正原理的基础上,通过模型试算证明了该方法的有效性。     

EMD方法在长周期大地电磁测深资料去噪中的应用

在电磁干扰大的地区进行长周期大地电磁测量,如何有效地抑制各种电磁噪声,提高信噪比,从而保证数据质量,是长周期大地电磁资料采集与处理的核心问题.针对长周期大地电磁信号具有非线性、非平稳和非最小相位的特点,提出了利用经验模态分解(EMD)方法对长周期大地电磁信号进行噪声压制.讨论了EMD算法的具体实现流程,并将该算法应用于长周期大地电磁信号的噪声压制.实际应用结果表明,该方法可以有效地压制长周期大地电磁中的噪声.     

基于畸变3个因子的MT畸变曲线改正方法与应用

大地电磁测深(MT)曲线畸变是一个普遍存在的现象.文章在总结前人研究的基础上,采用只求取畸变3个因子的方法,就可得到区域阻抗;避免了GB分解方法的一些问题:1)求解参数多;2)需要对求解参数作限制;3)观测误差影响反演结果;4)在有些情况下,不易求解;5)损失三维电性信息.经实测数据的计算,该方法被证实是有效的.     

二维局部异常体与起伏地形复杂电磁场的畸变矩阵性质研究

在大地电磁(MT/AMT)中,当浅地表存在小尺度的局部异常体时,在其附近的测点会产生电磁场畸变,导致观测阻抗和区域阻抗之间产生较大的偏差,进而给反演带来困难。阻抗张量分解可以用来减小局部异常体所导致的畸变影响,进而获得更为符合实际情况的区域构造信息,因此对局部异常体和起伏地形所造成的畸变规律的研究,对大地电磁数据处理具有非常重要的意义。这里利用基于非结构化网格的大地电磁正演程序进行正演模拟计算,设计了一个二层介质模型,将其计算结果作为区域电磁场响应信息,同时将存在局部异常体和地形起伏时的计算结果作为观测数据,进而求解电磁场畸变矩阵。通过设置具有电性参数差异的局部异常体以及起伏地形模型,研究其对电磁场所导致的畸变影响。研究结果表明,对于类似模型在研究的频率范围内,具有电阻率差异的局部异常体和地形起伏将会导致电场数据产生较严重的畸变,而磁场在该频段几乎不受畸变影响;在高频段电场畸变矩阵不能简单地认为是实数,其虚部数值较大,畸变矩阵性质更为复杂,且与频率相关。     

基于平均线性粒子群算法的人工神经网络在径流预报中的应用

人工神经网络具有很强的非线性处理能力,能够有效地模拟复杂的非线性径流预报过程。传统的基于BP训练算法的人工神经网络具有训练时间较长,容易陷于局部最优值等缺陷,本文对训练算法加以改进,分别使用平均线性粒子群,粒子群和BP算法来优化人工神经网络的各项参数,首先使用标准函数测试了3种算法的全局优化性能,然后用它们对三峡水库的入库径流进行预报,以比较它们的预报性能。结果表明,在3种算法中,平均线性粒子群算法全局寻优的速度最快,稳定性最高,基于平均线性粒子群算法的人工神经网络的径流预报的精度也最高。     

利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。并将混沌粒子群算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法。     

基于二维小波分解的MT二维反演方法

对于大地电磁反演,期望得到快速稳定的反演结果并且能够反映清晰的、未发生畸变的地质界面.为了解决这一问题,提出了基于二维小波分解的MT二维反演技术,对小波分解得到的背景场采用光滑反演,细节部分采用聚焦反演.通过模型试验,证明了该方法的有效性,同时对某区的实际资料进行了处理,表明了该方法的适用性和效果.     

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.     

大地电磁测深拟二维模拟退火约束反演

大地电磁测深(MT)资料解释的核心是反演问题,其反演方法可分为两大类:局部方法和全局方法。局部方法基于最小方差原理,依赖于目标函数的导数求解,因而其解依赖于初始模型,容易陷入局部极值,难以得到全局最优解。全局方法如模拟退火算法,它是近年发展起来的全局最优化算法。其主要优点是:不用求目标函数的偏导数及解大型矩阵方程组,即能找到一个全局最优解,而且易于加入约束条件,方法易于移植。目前模拟退火算法已开始用于解决非线性地球物理反演问题,但还存在计算效率低的缺陷。以快速模拟退火算法为基础,对大地电磁测深理论数据及实际资料进行快速模拟退火约束多参量的反演,效果较为理想。对H型地电断面的理论曲线反演和根据某盆地预探井实际资料对中生界厚度及基底埋深的反演作了举例说明。     

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。     

无网格局部Petrov-Galerkin法大地电磁二维正演

将无网格局部Petrov-Galerkin算法用于大地电磁二维正演。介绍了该方法的基本原理;从大地电磁二维边值问题出发,利用子域法详细推导了与之对应的局部Petrov-Galerkin弱式方程,并用高斯积分法将其离散化。论述了无网格局部Petrov-Galerkin法较无单元Galerkin法及有限元法的优缺点,最后通过二维模型的计算验证了算法的有效性。     

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。     

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.     

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。     

基于MPSO的RBF耦合算法的桩基动测参数辨识

变异粒子群优化算法（MPSO）是一种基于群体智能的改进全局优化技术,其优势在于减小陷入局部极值的机率,增加全局搜索能力。将变异粒子群算法与径向基函数（RBF）神经网络结构进行结合,建立了变异粒子群神经网络（MPSO-RBF）耦合算法,充分发挥了MPSO算法的全局寻优能力和RBF算法的局部搜索优势。数值计算结果表明,所建立的方法能够对桩基动测进行多参数的识别和非线性优化问题的求解,具有良好全局收敛能力,是一种行之有效的智能算法。     

基于粒子群算法的岩体结构面产状模糊C均值聚类分析

结构面产状分析是进行岩体力学分析及稳定性评价的基础,玫瑰花图、等密度图等传统的图形分析方法较为粗糙,无法对产状数据进行准确分析,采用模糊聚类方法则可以得到较为准确的优势产状,但需要事先指定分组数及初始聚心,且模糊聚类算法为局部寻优算法,初始划分对最终的数据分析结果影响较大。为了得到较为客观的分组结果及优势产状,同时能够针对大量结构面产状数据进行聚类分析,提出了基于粒子群算法的岩体结构面产状模糊C均值聚类算法。采用粒子群算法进行模糊C均值聚类算法初始聚心的求解,在计算过程中可同时确定最佳分组数,避免了人为指定的主观性,克服了模糊C均值聚类算法易陷入局部极小值和对初始划分敏感的不足。最后,通过工程实例中不同方法的聚类效果对比分析该算法的有效性,并将该方法应用于实测结构面产状数据的分析,得到较为符合实际的优势结构面分组。     

邻近算法在一维大地电磁反演中的应用

总结了大地电磁法( MT)中常用的各种反演算法,并指出其局限性。对邻近算法( NA)加以概述,并将其引入MT反演中。对一维MT合成数据进行反演分析,得到的最大似然模型十分接近理论模型。虽然NA与遗传算法( GA)抗陷入局部极小值的能力大体相等,但NA算法生成的采样点分布密度与误差函数大体一致,因此NA更有利于应用基于积分的参数估值方法。本研究表明,NA收敛速度比GA更快。这说明在一维MT反演中,NA算法比GA算法更具优势。     

大地电磁测深数据互参考处理的应用研究

大地电磁测深勘探方法易受电台、电网、工业游离电流等人为因素干扰,致使资料数据离差大、曲线形态畸变、可信度差.根据噪声对大地电磁测深张量阻抗估算值的影响规律和大地电磁测深远参考技术的应用效果,阐述了远参考技术的一种折中方案,即互参考道方法.选取不同参考距离、不同质量的大地电磁实测数据作为互参考点,通过计算经互参考处理后的大地电磁测深数据得出相干度、信噪比以及卡尼亚电阻率～相位曲线,分析了经互参考道处理后MT资料的效果.结果表明,该方法是有效的,并总结了应用此方法的一些问题.