改进的布谷鸟MT反演算法

由于大地电磁（MT）数据的反演是高度非线性的,传统的全局优化算法收敛速度慢,且易陷入局部极值。为此,提出一种结合单纯形法的全局布谷鸟算法（ICS）反演MT数据。针对布谷鸟算法（CS）精于探索、疏于开发的特点,引入粒子群算法中的全局最优解,加强算法的局部搜索能力;同时结合单纯形法对较差鸟巢进行改进,进一步提高寻优精度。理论和实测数据反演结果表明,改进后的算法反演结果更稳定,收敛速度更快,求解精度更高。     

免疫量子粒子群算法在地震层析反演中的应用

在地震走时层析静校正中,反演算法优化一直是个技术难点.与传统的线性反演算法不同,启发式群集智能算法具有自适应、自学习、智能搜索等全局寻优特点,成为一个高效的全局非线性寻优算法.引入量子行为的粒子群优化算法基于概率选择机制,能够有效地克服早熟现象,改善全局搜索能力.在此基础上,将免疫进化算法中的疫苗接种、克隆选择机制引入地震层析成像反演中,以增加抗体的多样性,进一步指导粒子的全局搜索行为,形成了免疫量子粒子群算法.通过理论模型与复杂近地表的静校正资料试算,验证了算法的可行性.     

混合智能优化地震反演

传统非线性反演方法存在着收敛效率低,有时会陷入局部极值的问题。为此,研究开发了融合粒子群优化算法和郭涛算法的混合智能优化地震非线性反演技术。粒子群优化算法对解的更新更具有目的性,收敛速度快;郭涛算法构造了多父体交叉重组算子并采用群体爬山策略,求解精度高;混合智能优化算法以粒子群优化算法为主体框架,融入郭涛算法的寻优机制。函数优化测试、理论模型试算和实际资料反演处理结果表明,混合智能优化算法具有求解效率高、全局寻优能力强的优点,适合解决复杂的地震反演问题。     

基于布谷鸟搜索的地震属性聚类方法及其在塔中地区碳酸盐岩礁滩储层的应用

地震属性聚类是提取隐藏在地震数据中地质特征的重要途径,K均值是最常见的聚类方法之一,方法简单且高效,但是该算法存在局部收敛、结果依赖于初值等问题。为了解决该问题,将具有全局寻优能力和更高搜索效率的布谷鸟搜索算法引入到地震属性聚类中,通过扩大搜索范围,增加种群数量,更容易跳出局部极值。结果表明,通过2个理论数据集试验证明基于布谷鸟搜索的聚类算法能较好地发现非线性数据结构中低维特征。通过实际地震数据应用可以看出基于布谷鸟搜索的地震属性聚类算法能比较准确地刻画塔里木盆地塔中地区碳酸盐岩礁滩储层和油气的分布。     

同伦神经优化理论及其在地震反演中的应用

地震数据反演是一个典型的非线性逆问题，其目标函数都是多极值的函数。因此，传统的迭代优化方法常常会遇到局部收敛性的限制。本文提出的同伦神经优化理论（ＨＮＯＴ）及其算法（ＨＮＯＡ）能将非线性多极值目标函数较快地收敛于全局极值。是一种有效的反演方法。本文将该反演方法与相邻道互相关技术和层位信息约束有机地结合起来，实现了地震数据控制下的井资料高分辨率岩性参数联合反演。理论模型与实际资料的处理结果表明，本文     

基于自适应差分进化算法的MT信号激电信息提取

从MT信号中提取激电信息的研究有助于提高大深度探测技术的勘探精度、深度和范围。针对MT信号激电信息提取中存在的非线性和非凸特征,通过改进混沌自适应差分进化算法中进化参数的自适应策略,提出了一种基于非均匀统计分布的自适应差分进化两阶段最小构造反演方法。一方面该方法利用柯西分布和高斯分布的统计特性自适应获取进化参数F和CR,提高算法的全局搜索能力, 通过记忆以往迭代过程中的优秀进化参数提高算法后期的稳定性;另一方面该方法通过引入第二阶段的反演过程强化极化率对观测数据的影响;通过将正则化参数引入差分进化算法的适应度函数解决反演的多解性问题。对含激电效应的MT一维模型的反演结果表明,本文算法能够较好地重构地电结构和提取激电信息并在加噪环境下具有较强的鲁棒性。与其他非线性算法(混沌自适应差分进化算法,标准差分进化算法和粒子群优化算法)的反演结果对比表明,本文算法具有更为优越的全局搜索能力和较高的反演精度,适于微弱激电信息的提取。     

瑞雷面波频散曲线的粒子群蚁群混合优化反演

应用瑞雷面波频散曲线反演地下介质的横波速度剖面是面波勘探的重要步骤之一。传统线性反演方法已不能满足物探工程的要求,非线性的反演方法成为研究热点。文中将基于粒子群优化算法和蚁群优化算法的非线性混合优化算法应用于瑞雷面波频散曲线反演,获得横波速度剖面。该算法利用信息素引导机制更新粒子的早期位置,充分结合了粒子群优化算法对全局最优解的引导策略和蚁群优化算法的局部搜索能力,克服了粒子群算法在群体处于平衡状态时粒子群更新停滞不前和蚁群算法对多极值函数求解时收敛早熟的缺点。通过对多种理论模型频散曲线的反演,检验了该算法的有效性和稳定性;与单独的蚁群算法、粒子群算法反演结果的对比验证了该算法的优越性;实测数据反演结果检验了算法的实用性。     

基于改进遗传算法的钻井参数优选方法研究

为改善自适应遗传算法局部寻优精度较差的缺陷,提出基于模式搜索的遗传混合算法。在自适应遗传算法的基础上,对进化种群进行模式搜索寻优,使得该混合算法既具有较强的全局搜索能力,又提高了局部寻优精度。以钻井过程中单位进尺成本作为目标函数,以克拉玛依地区已钻井为例对算法进行验证,计算结果表明,该井优化钻压比实际钻压平均值略高;而优化转速与实际钻速平均值相差不大;优化钻头磨损量比实际使用钻头磨损量高,提高钻头使用率能够在一定程度上降低钻井米成本,提高钻井经济效益。研究结果可为制定钻井设计方案提供依据。     

利用粒子群优化算法快速、稳定反演瑞雷波频散曲线

反演瑞雷波频散曲线能有效地获取横波速度和地层厚度,但基于局部线性化的瑞雷波频散曲线反演方法很难适应反演目标函数的非线性、多参数、多极值的特点。为此,提出并测试了一种新的基于全局优化策略的粒子群优化（PSO）算法的瑞雷波频散曲线反演方法。首先反演了三个理论模型的无噪声和含噪声数据,验证了PSO对瑞雷波数据反演的有效性与稳定性;然后将PSO与模拟退火法（SA）进行对比,说明PSO相对于SA具有全局收敛性强、收敛速度快、求解精度高的特点;最后,反演了来自美国怀俄明地区的实测数据,检验了PSO对瑞雷波数据反演的适用性。理论模型试算和实测资料分析表明,PSO可以用于瑞雷波频散曲线的定量解释。     

利用自适应混沌遗传粒子群算法反演瑞雷面波频散曲线

为了提高瑞雷面波频散曲线的反演精度,减少反演过程中的多解性,获取更准确的地下横波速度结构,本文从反演算法入手,对基本的粒子群算法进行改进,提出了一种能同步提高全局和局部搜索能力的自适应混沌遗传粒子群算法（ACGPSO）：即先采用自适应惯性权重,并设置粒子的节速度,再引入遗传算法的交叉和变异操作及单维全分量的混沌局部搜索。利用该算法对理论模型的无噪和含噪基阶频散曲线进行反演,且针对含噪数据加入二阶与三阶频散曲线进行联合反演。所得反演结果与常规粒子群算法反演结果的对比表明：ACGPSO算法具有更好的稳定性和抗噪性,且基于该算法的联合反演能有效降低解的多解性,显著提高解的精度。对实际数据所做的两步法反演的效果进一步验证了该算法的适用性。     

地震波阻抗反演的蚁群算法实现

波阻抗反演属于求解最优化问题,其优化目标函数可能包含多个在一定范围上的连续变量,传统的优化手段存在有些函数难以优化,容易陷入局部解,收敛速度较慢等问题.蚁群算法具有正反馈性、分布式计算和贪婪式启发搜索的特点,克服了传统优化算法的缺陷.通过分析蚁群算法的原理,提出了地震道非线性反演中蚁群算法的实现方法.利用模型对该方法进行了检验,在无噪情况下,反演结果与模型一致;在加入5%,10%和30%噪声的情况下,反演结果与模型的相似系数分别为98.76%,97.85%和86.42%.     

一维大地电磁测深几种反演算法的比较研究

大地电磁反演算法主要分为线性与非线性两类。马奎特法、遗传算法以及模拟退火是其中具有代表性的算法。本文将三种方法的反演过程、结果及理论进行了对比研究，指出各自的优点与局限性，以及使用时应注意的相应条件。研究表明，马奎特法寻找目标函数全局最优的能力较差，只能局部寻优，但运算速度快；模拟退火法和遗传算法寻找目标函数全局最优的能力较强，但运算速度较慢。当对地下地电参数预先有一定程度了解，又可以选取比较合理的初始解时，可选择马奎特法，否则宜选用其他非线性全局寻优能力强的反演方法。     

地球物理反演的遗传算法

作为全局非线性优化的新算法之一的遗传算法，近年来已从生物工程介绍到地球物理反演中来，本文通过一些简单的例子，介绍遗传算法的基本原理，方法特点，以及在地震波速反演中的应用。     

大地电磁测深资料遗传算法反演研究及应用

反演是大地电磁测深(MT)的关键环节之一。MT反演是多参数非线性最优化问题,存在多解性;而基于遗传算法的MT反演可提高非线性解的唯一性,它只需要问题的正演公式及给定参数的范围,不需求导数,也不要求有良好的初值,具有抗干扰能力强、拟合度高等优点,而且遗传算法作为一种非线性全局优化方法能在全局范围内搜索最优解。通过建模,在正演的基础上进行了反演研究,得到的结果与模型基本一致。在此基础上,运用遗传算法反演对实测资料进行了处理,效果较好。     

人工蜂群最优化测井解释方法在致密砂岩储层评价中的应用

最优化测井解释方法打破了常规解释的局限性,充分利用测井资料及地质信息,可有效地评价复杂岩性储层,而优化算法是最优化测井解释的关键。利用人工蜂群(ABC)最优化方法求取苏里格致密砂岩储层某段的各组分体积含量,并与细菌觅食-复合形混合算法(BFA-CM)和遗传算法(GA)进行对比。结果表明,ABC最优化测井解释方法在处理致密砂岩储层时具有参数设置简单,全局搜索能力强,不需要二次优化就可达到所需精度,为最优化测井解释提供了一种新方法。