大地电磁实码广义遗传反演算法研究

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.     

基于差分进化的大地电磁反演

针对大地电磁线性迭代反演依赖初始模型,易陷入局部最优解的特点,设计一种基于差异进化的非线性反演方法.利用该方法对大地电磁一维层状介质G、H、HA型地电模型进行反演研究,在无噪声情况下反演结果和模型一致;在加入10%和20%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,具有较好的全局优化能力和抗噪声能力,能有效反演大地电磁数据.     

瞬变电磁反演中的非线性规划遗传算法

经典非线性规划算法的局部搜索能力较强,遗传算法采用选择、交叉和变异算子进行搜索,全局搜索能力较强,而局部搜索能力较弱。结合两种算法的优点,文中提出了一种非线性规划遗传算法(NPGA)。经过函数测试证明,该算法提高了遗传算法的搜索性能。设计了多个不同的地电模型,将该算法应用于瞬变电磁地电模型数据反演计算中,结果表明该算法具有较快的收敛速度和较高的计算精度,反演效果较好。     

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...     

可控源音频大地电磁法方位非各向同性层状介质Occam反演

目前,可控源音频大地电磁法测深资料反演主要基于各向同性介质,在复杂的地电体中,由于岩石裂隙或矿物形状等原因使得在各个方向的电阻率不同。本文主要探讨更为符合实际地质体情况的方位非各向同性层状介质在正交水平电偶源激发条件下的可控源音频大地电磁数据的反演。运用Occam反演方法,实现了可控源音频大地电磁法方位非各向同性层状介质反演。构建理论地电模型,通过理论模型合成数据的反演算例检验了所实现的可控源音频大地电磁法方位非各向同性层状介质反演算法的有效性和稳定性。同时,不同数据的反演结果表明：方位非各向同性介质的反演应同时使用视电阻率ρsxy、ρsyx和相位?xy、?yx数据。     

基于自适应纯形模拟退火法一维大地电磁测深视电阻率和相位反演研究

针对大地电磁测深反演中线性化方法容易陷入局部极值,而全局优化方法收敛慢等问题,这里采用自适应纯形模拟退火综合优化方法进行大地电磁测深数据反演。该优化方法综合了下降纯形法和模拟退火法各自的优点,已被证明具有全局搜所能力和收敛速度快的特点,并且实现了视电阻率和相位同时反演,减小多解性的同时提高了反演的分辨率。通过H、K和HKH型模型的数值计算,验证了这种综合优化方法的搜索效率和全局收敛性;所有模型合成数据的反演结果都能较好地反映真实模型的结构特征。对于中间层为相对高阻的模型,虽然相对其他层结构恢复差些,但是反演后该层结构基本得到恢复。     

磁化率对大地电磁响应的影响及其提取方法

在电磁探测理论中,电导率和磁导率是两个重要的岩石物性参数. 在磁性较强的地区进行大地电磁探测工作时,电磁场信号必然受到介质磁性的影响. 将磁化率参数引入到二维大地电磁正演理论中,实现了含磁化率的大地电磁有限单元法数值模拟. 建立棱柱体模型计算并分析了磁化率参数对大地电磁的电场、磁场、视电阻率及相位等参数的影响. 数值模拟结果表明:高磁性介质导致电场升高,磁场降低,视电阻率增大,相位复杂变化,且随着磁性物质的增多或磁化率的增大,这种影响逐渐变大. 引入电导率、磁化率光滑约束与磁化率对数约束,采用改进的特别快速模拟退火法实现了电阻率、磁化率参数一维同时反演. 对K型、H型中间层高磁地电模型进行反演试算,反演结果良好. 该研究为在高磁性地区开展大地电磁工作提供了基础,对实现"第二找矿空间"内的矿产勘探,具有一定的意义.     

一维大地电磁Occam反演拉格朗日乘子的搜索

在大地电磁反演中,Occam法因其在反演稳定性和模型分辨率等方面的优势,得到广泛应用。但由于其每次迭代都需要不断地搜索拉格朗日乘子,因而拉格朗日乘子的搜索效率对Occam法反演的运算速度起着至关重要的作用。为提高拉格朗日乘子的搜索效率,这里提出将拉格朗日乘子的搜索从自然数域中转到以10为底的对数域中进行,同时在区间最小值的搜索中采用二次函数极小值搜索法。通过大量一维大地电磁反演验证,该方法将拉格朗日乘子的搜索效率提高了20%~50%,大大提高了Occam反演的运算速度,方便了其在高维反演中的应用。     

围岩力学参数反演的GSA-BP神经网络模型及应用

针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。     

大地电磁测深资料的超球逼近反演

超球逼近方法是一种全局搜索的二次优化方法。将该优化方法应用到大地电磁测深资料的反演中取得较好的效果。在介绍了超球逼近方法的基本原理后,应用数值结果对该方法的可行性进行了检验。     

基于量子遗传算法与多输出混合核相关向量机的堆石坝材料参数自适应反演研究

为进一步提高堆石坝材料参数反演模型的计算精度与适用性,建立了基于量子遗传算法（QGA）与多输出混合核相关向量机（MMRVM）的自适应反演模型。通过引入混合核函数,使所构建的MMRVM能够高精度地模拟材料参数与大坝沉降间的复杂非线性关系,从而代替耗时较长的有限元（FEM）计算。通过利用参数较固化的QGA优化确定MMRVM核参数,使反演模型具有自适应性。以实测沉降数据为依据,充分发挥QGA的全局搜索能力反演筑坝材料本构模型参数。在分析模型所需测点个数与信噪比对计算结果影响的基础上,通过公伯峡堆石坝应用实例证明：QGA-MMRVM可快速、精确地反演堆石坝筑坝材料本构模型参数,模型凭借其自适应性在实际工程中具有良好的应用前景和推广价值。     

基于数字钻进技术和量子遗传-径向基函数神经网络的围岩类别超前识别技术研究

围岩类别超前分类是隧道施工过程中必须开展的一项工作,其直接关系到后续的开挖及施工支护方案。为有效地进行隧道围岩类别超前分类,提出了基于数字钻进技术和量子遗传（QGA）-径向基函数（RBF）神经网络的围岩类别超前分类方法。以数字钻进技术为基础,从钻进参数中提取有用信息,构建围岩类别超前分类指标体系。采用量子计算原理对遗传算法进行改进,通过量子位编码和量子旋转门更新种群,以此来确定RBF神经网络的参数,建立了基于QGA-RBF神经网络的围岩类别超前识别系统。最后将该方法应用于青岛胶州湾海底隧道的围岩类别超前识别中,结果表明,该方法具有较高的准确性,其结果为围岩类别超前分类提供了一种新思路。     

Application of Seagull Optimization Algorithm Log Interpretation to Shale Gas Reservoir of Well H in Sichuan Basin Yuxi Block

Due to the diversity of mineral types in shale gas reservoirs, it is difficult to establish reservoir parameter volume model by conventional log interpretation methods. The optimization log interpretation method can evaluate complex lithology reservoirs effectively, and the key is optimization algorithm. With the newly proposed seagull optimization algorithm method, we calculate the mineral and physical parameters of shale gas reservoir in Well H of Yuxi block, Sichuan Basin, and compare with the genetic algorithm and the genetic algorithm-complex hybrid algorithm. It shows that calculation results of seagull optimization algorithm optimization log interpretation match well with core analysis data, and calculation error is small, calculation speed is fast. Seagull optimization algorithm also makes up for the shortcomings of premature convergence and easy to fall into local optimization of genetic algorithm, the need for secondary optimization and slow search speed of genetic-complex hybrid algorithm. It provides a reference for the application of seagull optimization algorithm in other shale gas reservoirs regions.     

基于改进遗传算法的基桩缺陷自动识别

利用遗传算法对基桩缺陷自动识别的方法进行了研究。针对简单遗传算法的早熟和后期收敛缓慢现象,引入了自适应杂交变异概率方法和自适应小生境技术的方法,并在由一维应力波理论和差分方法对低应变测桩信号仿真的基础上,对基桩缺陷自动识别进行了研究。结果表明,该算法适用于桩缺陷自动识别,可以有效地解决简单遗传算法的早熟和后期收敛缓慢现象,而且计算效率也有明显提高。     

基于并行遗传算法的地震属性优化研究

系统介绍了遗传算法各步的改进策略。首先,产生多样化的初始群体,引入五进制的编码策略提高搜索速度,然后采用无退还随机选择机制防止收敛早熟,采取两点交叉及多点变异方案以扩大模型空间的搜索范围和保持个体的多样性。另外,为了保证算法的收敛,使用了代间隙技术。最后,按照并行算法设计原则给出改进后的并行遗传算法的算法描述,并通过运用改进的并行遗传算法解决了非线性、多参数、多极值的地震属性优化的实际问题。     

土体渗流固结参数识别方法

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固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,建立迭代终止条件的方法。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固结参数识别等类似的反问题。     

Neuro-fuzzy modeling based genetic algorithms for identification of geochemical anomalies in mining geochemistry

A genetic algorithm (GA)-based neuro-fuzzy approach is used for identification of geochemical anomalies by implementing a Takagi, Sugeno and Kang (TSK) type fuzzy inference system in a 5-layered feed-forward adaptive artificial neural network. This paper investigates the effectiveness of GA-based neuro-fuzzy for separating zone dispersed mineralization (ZDM) from blind mineralization, and its application for identification of geochemical anomalies in the arid landscape of the Lut metallogenic province in eastern Iran. Other classification algorithms such as metallometry, zonality, criteria, and back-propagation artificial neural network classifiers are also used for comparison. The genetic operators are carefully designed to optimize the artificial neural network, avoiding premature convergence and permutation problems. The results show that the GA-based hybrid neuro-fuzzy model can provide accurate results in comparison with those results obtained by other techniques. Neuro-fuzzy and GA-based neuro-fuzzy techniques appear to be well-suited for routine exploration geochemistry applications. In conjunction with statistics and conventional mathematical methods, hybrid approaches can be developed and may prove a step forward in the practice of applied geochemistry.     

基于十进制遗传算法的含水层参数的反演

含水层参的反演是一个复杂的非线性优化问题,针对传统二进制遗传算法收敛性能差的缺陷,提出了反演含水层参数的十进制遗传算法。以直线隔水边界附近的井流模型为例,讨论了十进制遗传算法在含水层参数反演中的应用,并与二进制遗传算法的进行比较。结果表明,该方法在含水层参数的反演中不仅是可行的,而且具有较好的确定性和较高的精度;与二进制遗传算法相比,十进制遗传算法的收敛性较好,省时高效,且表示较为自然,容易引入相关领域知识。同时,结合实例的分析结果得出种群的规模对算法的收敛性没有明显的影响。     

群居蜘蛛优化算法在水文频率分析中的应用

水文频率分析在参数估计过程中常采用智能优化适线法,如蚁群算法、遗传算法、粒子群算法、模拟退火算法等,但这些算法模型参数难以有效确定,导致寻优结果存在不稳定的不足。为了克服传统优化适线法的缺陷,在系统阐述群居蜘蛛优化算法基本原理的基础上,将群居蜘蛛优化算法用于水文频率曲线的参数确定中,并与传统的参数估计方法(矩法、权函数法、概率权重矩法、遗传算法)加以比较。实例结果表明,该方法搜索效率高,寻优结果稳定,能较好获得参数的最优解。