共查询到19条相似文献,搜索用时 156 毫秒
1.
2.
3.
利用改进遗传算法对河南地区水文地质参数进行反演计算,并结合抽水试验方式对反演参数的精度进行分析。结果表明:改进遗传算法可使得水文地质参数取得局部最优解,且加速收敛速度,通过抽水试验分析,两个参数的反演误差均在15%以内,且较传统算法有明显改善。研究成果对于河南地区水文地质参数反演具有重要的方法参考价值。 相似文献
4.
《物探与化探》2015,(5)
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。 相似文献
5.
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。 相似文献
6.
将一种新的启发式和谐搜索算法(harmony search algorithm,HS)引入到水文地质领域。在对其音节调整步骤进行改进的基础上,提出快速和谐搜索算法(Fast harmony search algorithm,FHS),并将FHS算法与MODFLOW结合,用于水文地质问题的参数识别。算例研究表明,FHS算法较其他多种算法具有更强的全局搜索能力、更快的收敛速度及求解精度,可用于地下水数值模型的参数反演。 相似文献
7.
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. 相似文献
8.
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。 相似文献
9.
10.
11.
土体渗流固结参数识别方法 总被引:6,自引:1,他引:6
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团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 工终止条件的方法,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团结参数识别等类似的反问题。 相似文献
12.
13.
14.
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。 相似文献
15.
重磁反演的群体优生遗传算法 总被引:7,自引:1,他引:6
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 相似文献
16.
改进的局部波数法及其在磁场数据解释中的应用 总被引:1,自引:0,他引:1
局部波数法是一种进行磁场数据解释的常用方法。现有的局部波数法在进行反演时往往需要计算局部波数的导数,会明显地增大噪声的干扰,为解释结果带来误差。提出3种利用磁异常在不同位置或不同高度上局部波数的简单组合来进行场源体深度及构造指数的计算方法,不需要计算局部波数的导数,降低了噪声的干扰,增强了反演结果的稳定性。通过理论模型试验,证明改过的局部波数法在有无噪声的情况下均能很好地完成异常的反演,其反演结果与理论值之间的差距小于理论值的5%。将其应用于四川某地区磁异常的反演中,其结果与解析信号的欧拉反褶积法的反演结果吻合。 相似文献
17.
There is growing interest in the use of back‐propagation neural networks to model non‐linear multivariate problems in geotehnical engineering. To overcome the shortcomings of the conventional back‐propagation neural network, such as overfitting, where the neural network learns the spurious details and noise in the training examples, a hybrid back‐propagation algorithm has been developed. The method utilizes the genetic algorithms search technique and the Bayesian neural network methodology. The genetic algorithms enhance the stochastic search to locate the global minima for the neural network model. The Bayesian inference procedures essentially provide better generalization and a statistical approach to deal with data uncertainty in comparison with the conventional back‐propagation. The uncertainty of data can be indicated using error bars. Two examples are presented to demonstrate the convergence and generalization capabilities of this hybrid algorithm. Copyright © 2003 John Wiley & Sons, Ltd. 相似文献
18.
边坡非圆弧临界滑动面搜索是边坡稳定性计算中的一个关键问题,其实质是找到一条安全系数最小的滑动路径。采用新的全局最优化算法--径向移动优化算法搜索路径相对其他算法具有快速、存储空间小、计算简单等优势,但却存在搜索结果不稳定的现象,为克服这个问题,对其数据结构进行调整,提出了改进的径向移动算法,使路径搜索趋于稳定。搜索到的滑动面路径对应的安全系数采用不平衡推力法进行计算,在可行性分析的基础上,采用二分法对安全系数快速、精确地求解。通过一个水库岸坡的算例计算,验证了改进的径向移动算法用于非圆弧临界滑动面搜索的有效性。又通过分析对比改进的径向移动优化算法和粒子群算法的搜索结果,展示了改进的径向移动算法快速收敛,稳定性高的显著优势。 相似文献
19.
We present the mathematical deduction and properties of the mean traveltime curves for homogeneous elliptical anisotropic
media. These curves generalize their isotropic counterparts which have been introduced in the past as a simple data quality
analysis technique at the pre-inversion stage for 2D transmission experiments, allowing the inference of prior velocity models
to gain stability at the tomographic inversion. Also, the anisotropy parameters (maximum velocity, anisotropic direction and
ratio) are shown to affect the shape of these curves. The degree of asymmetry of the anisotropic mean traveltime curves (displacement
of the mean time and standard deviation minima from the middle of the gathering line) is related to the direction of anisotropy
which can then be visually estimated. Least squares’ fitting of the anisotropic theoretical models to their experimental counterparts
is an effective method to estimate at the pre-inversion stage a macroscopic elliptical anisotropic velocity model, valid at
the scale of the experiment, and able to match the experimental mean traveltime distribution.
Sensitivity analysis has shown that the mean curve is less prone to errors than the standard deviation curve. Parameter identification
from the standard deviation curve becomes unstable for noise levels higher than 5%; data errors produce smearing of the value
of the estimated anisotropy ratio and wrong directions of anisotropy biased towards zero degrees. Also, identification from
the mean traveltime curve becomes stable when the maximum velocity is well constrained. Finally, this methodology is illustrated
with the application to the Grimsel data set. Performing MTC analysis is always recommended since it does not need high numerical
requirements, and as shown in the sensibility analysis section, errors in data can be misinterpreted as geological anisotropies.
J.L. Fernández Martínez is a visiting professor at UC Berkeley, Department of Civil and Environmental Eng., CA 94720-1710. 相似文献