基于遗传算法的叠前地震波形反演构建虚拟井曲线

叠前地震波形反演能够提供详细的地下地层特征，但由于其计算量大、数据和模型之间的非线性、目标函数的多极值和反演结果的多解性使叠前地震反演的实施成为一大难点。本文通过叠前和叠后混合反演技术采用遗传算法实现了深海无井地震反演。遗传算法思想简单、易于实现和使用、具有隐含并行性和全局搜索能力等优点，基于遗传算法的叠前地震波形反演得到了与井中实际数据基本吻合的速度和密度数据。     

一种快速图像匹配方法的设计与实现

改进了遗传算法的编码,重新定义了交叉变异算子,结合运动估计中一种新的线性搜索方法--线性正方形搜索算法,实现了一种快速匹配算法,试验表明了算法的有效性和优越性.     

遗传算法在水文预报中的应用

本文简要介绍了遗传算法的基本原理,利用该算法率定新安江模型的参数,并应用于江界河-思南区间的水文预报.结果表明,利用遗传算法率定水文模型参数直观、简便、适用性强,能较大地提高水文预报的效率和精度.     

1994年9月16日台湾海峡7.3级地震震源过程的研究

采用数字化台网Ｐ波波形资料及台湾台网Ｐ波初动方向资料,研究了１９９４年９月１６日台湾海峡７３级地震及邻近地区（北纬２１～２６°,东经１１５～１２０°）ＭＬ≥５８级共５次地震的矩张量解及震源参数。结果表明,这次７３级地震的矩张量解以双力偶成分为主,是断层面接近ＮＷ走向的正断层。断层面的走向与大震前地震的条带分布走向及余震分布显示的破裂图象较相象,震源机制的张应力轴接近水平,近ＮＥ走向;压应力轴几乎垂直,近ＮＷＷ走向,似乎表明这次地震是受菲律海板块向欧亚板块北西向挤压的力源控制。从Ｐ轴接近竖直而Ｔ轴接近水平来看,发震断层为强烈拉张性正断层,可能还同时存在垂直向上的应力作用。其它４个强震的震源机制解与７３级大震的差别较大。这些地震震源机制解的复杂性,表明台湾海峡地震序列的发展过程比较复杂。     

用遗传有限单元反演法研究东亚部分地区现今构造应力场的力源和影响因素

利用遗传有限单元反演法对东亚部分地区构造应力场进行二维平面应力模型拟合反演运算,得到了影响该地区现今构造应力场分布的边界作用力相对值和方向．其中,陆陆碰撞边界的挤压作用力最强;洋壳俯冲边界的挤压边界力较弱;活动边缘海盆地存在拉张边界力作用．      

遗传神经网络算法改进研究

对传统的遗传算法编码方式进行了改进并与前馈神经网络ＢＰ算法相结合,从而克服了ＢＰ算法收敛速度慢的缺点,算例表明,改进后算法是有效的。     

基于主成分分析的GA-BP神经网络地表下沉系数预测

为提高条带开采地表下沉系数预测准确率,基于地表下沉系数影响因素具有一定相关性、不确定性以及非线性的复杂现象,建立基于主成分分析的遗传算法(Genetic Algorithm,GA)优化的神经网络GA-BP智能预测模型.利用遗传算法对BP神经网络(Back Propagation Neural Network)的初始权值和阈值进行优化处理,通过SPSS20(Statistical Product and Service Solutions 20)软件对地表下沉系数影响因素进行主成分分析,降低数据维度,消除变量间的冗余信息,找出主成分并作为模型的输入样本,利用MATLAB(Matrix Laboratory)软件进行仿真与分析.结果表明:与传统BP神经网络模型和主成分分析(Principal Component Analysis,PCA)的PCA-BP神经网络模型相比,基于主成分分析的GA-BP模型的相对误差不超过5％,与实测值更为接近,预测精度进一步提高,基本满足矿区实际工程需要,为条带开采地表下沉系数预测提供了又一种准确可行的方法.     

南海北部似海底反射层速度结构全波形反演

似海底反射层的速度异常是识别天然气水合物的重要标志,这里提出了一种针对天然气水合物似海底反射层的全波形反演方法。这种方法分为全局搜索与局部搜索二部份:首先使用遗传算法进行旅行时,反演得到背景速度模型;然后用其作为初始模型,使用共轭梯度算法进行全波形反演。通过对含噪数据的数值试验,算法表现出了较高的稳定性,并确定了进行全波形反演的遗传算子。将这种波形反演方法应用于我国南海北部海域的天然气水合物研究,反演得到了分辨率高于常规速度分析的似海底反射层速度结构,并识别出似海底反射层的速度异常。利用纵波速度反演的结果,计算出沉积物中游离气的含量,认为BSR下方的低速层可以解释为含至少1%游离气的薄层。并分析了研究区内甲烷气的来源,认为该区域游离气兼有生物气和热解气。     

遗传算法在瑞雷面波勘探中的应用

在瑞雷面波勘探中,根据频散曲线反演地下介质模型的问题仍未完善解决。遗传算法(Genic Algorithm)作为一种全局性搜索方法,具有不依赖初始模型,不需要偏导数等优点。通过理论模型试验研究,发现遗传算法反演频散曲线的效果优于最小二乘法、广义逆算法,并结合工程实例探讨了遗传算法在瑞雷面波勘探中的实际应用效果。结果表明,遗传算法反演频散曲线的效果理想,具有一定的发展前景。     

土壤铅含量高光谱遥感反演中波段选择方法研究

利用高光谱遥感数据进行了南京郊外土壤重金属元素铅的含量反演,由于高光谱数据波段众多,波段选择或变换至关重要。比较了基于次贪婪的前向选择模型的最小角度拟合和基于遗传算法进行波段选择的最小二乘和偏最小二乘拟合,结果发现基于遗传算法的偏最小二乘反演结果优于全波段的偏最小二乘,表明波段选择在高光谱反演重金属中是有益的。尽管采取了波段选择后的各方法在反演时均能达到70%以上的训练精度,但因遗传算法搜索的解空间范围更宽广,使得基于遗传算法的偏最小二乘优于前向选择模型的最小角度拟合。最后还比较了基于遗传算法的普通最小二乘和偏最小二乘拟合,结果表明偏最小二乘更优,因此在高光谱反演重金属含量当中,偏最小二乘精度较高,而在波段选择方法中,遗传算法更优。