基于BBO-PSO混合优化算法的探地雷达波形反演

探地雷达反演问题是高度非线性的,采用线性反演方法往往难以获得较好的反演效果,因此提出了将生物地理学优化算法同粒子群优化算法相结合的混合非线性反演方法。将该方法用于探地雷达时间域波形反演,采用时间域有限差分方法进行正演,以信号的均方误差函数作为目标函数,并针对波形反演的特点,在目标函数中加入波形的导数拟合差作为约束项,实现了结构层厚度和介电常数的波形反演。对比经典粒子群算法和生物地理学优化算法在多层介质仿真数据的一维波形反演中的效果,验证了该改进算法的有效性和抗噪性。     

PSO-LSSVM模型在位移反分析中的应用

提出了一种基于均匀设计原理、最小二乘支持向量机(LSSVM)和粒子群优化算法(PSO)的快速位移反分析方法。该方法利用均匀设计和有限差分法获得学习样本,再用粒子群算法搜索最优的最小二乘支持向量机模型参数。并用最小二乘支持向量机回归模型建立反演参数与监测点位移值之间的非线性映射关系,最后用粒子群算法从全局空间上搜索与实测位移最吻合的反演参数。该反演模型利用了粒子群算法高效简单、均匀设计构造高质量小样本以及最小二乘支持向量机的小样本、泛化性能好的特点。将该模型应用于龙滩水电站左岸地下厂房区岩体地应力场的反演分析中,计算结果与实测的位移值和地应力值均吻合较好,说明了该模型在岩土工程快速反演分析中具有良好的应用价值。     

基于自适应粒子群优化算法的波阻抗反演方法

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。      

基于模拟退火粒子群优化算法的裂缝型储层各向异性参数地震反演

发育垂直定向排列裂缝的地下岩石可等效为具有水平对称轴的横向各向同性（horizontal transverse isotropic,HTI）介质。针对HTI介质模型,本文研究了裂缝型储层的各向异性参数地震振幅随方位角变化（amplitude variations with azimuth,AVAZ）的反演方法。首先,在地震AVAZ反演流程中,提出采用模拟退火粒子群优化算法实现裂缝型储层各向异性参数反演。之后,通过理论模型测试,验证了基于模拟退火粒子群优化算法的地震AVAZ反演的有效性。最后,将反演方法应用于四川盆地龙马溪组页岩气储层实际方位地震数据;在反演之前先利用傅里叶级数方法估计裂缝方位并对实际数据进行方位校正,以提供更准确的输入数据;通过计算得到的P波、S波各向异性参数可用于评价裂缝发育程度。反演结果表明,研究区域构造顶部裂缝较发育,与地质基本理论一致,验证了反演方法的合理性。     

基于改进粒子群算法的叠前弹性阻抗反演

弹性阻抗反演是结合声阻抗反演与AVO反演的叠前地震反演技术,能够克服叠后波阻抗反演的缺陷,反映振幅随偏移距变化的信息,已经广泛应用于地震岩性识别和流体特征的获取。常规的线性迭代弹性阻抗反演方法存在依赖初始模型、容易陷入局部极值等缺陷。针对这一问题,提出了一种基于改进粒子群算法的弹性阻抗非线性反演方法,并利用该算法对胜利油田某工区地震资料进行了弹性阻抗反演,获得了多个弹性参数剖面,与实际钻井结果相符,该方法为复杂油气藏的勘探开发提供了一种有效可行的途径。     

基于深度学习的地层沉积正演模拟代理模型构建与应用

地层沉积正演模拟方法能更真实地刻画地下地质体的分布规律,比传统的基于地质统计学的建模更有优势,但是条件化难度大,使其应用在实际油藏地质建模时面临较大挑战。地层沉积反演模拟提高了该方法的实用性,基于模拟结果与观测数据定量比较,地层沉积反演模拟在全局优化算法的驱动下不断修正地层沉积正演模拟输入参数,使模拟结果与观测数据吻合度达到最佳。由于反演系统优化参数多,非线性极强,收敛难度大,需要的迭代次数多,单次正演模拟耗时长,导致该方法效率较低。地层沉积反演模拟和深度学习算法中的生成对抗网络相结合,提出了构建地层沉积正演模拟代理模型的方法。以大量的碳酸盐岩地层沉积模拟的合成模型作为样本,通过神经网络训练,形成地层正演模拟器的代理模型,然后将其代入地层沉积反演模拟系统,避免了直接地层正演模拟的长耗时,加快了反演模拟的收敛速度。通过巴哈马西缘碳酸盐岩地层沉积模拟验证了该方法的可行性,采用学习后的生成网络进行沉积反演模拟,反演效率得到了大幅提升。尽管本文展示的是二维实例,也有望扩展应用在三维模型上。     

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。     

基于程函方程快速行进法的地震走时层析成像法

地震走时层析成像法是一种利用不同地震台站连续接收到的地震事件,利用地震走时断层扫描反演地球内部速度分布的方法,主要分为正演(射线追踪)和反演两个环节。首先正演利用基于程函方程的快速行进法,实现了对入射波走时场和反射波走时场的计算,接着进行了射线追踪与走时灵敏度矩阵的计算,最后反演采用了子空间算法实现了反射波走时反演,反演成像结果可以分辨出异常体的形状和位置。     

基于岩石物理模型的页岩储层裂缝属性及各向异性参数反演

针对富有机质页岩储层复杂的矿物组分与微观孔缝结构,本文提出基于岩石物理模型和改进粒子群算法的页岩储层裂缝属性及各向异性参数反演方法。应用自相容等效介质理论与Chapman多尺度孔隙理论建立裂缝型页岩双孔隙系统岩石物理模型。开发基于岩石物理模型的反演流程,引入模拟退火优化粒子群算法解决多参数同时反演问题,反演算法能够避免陷入局部极值且收敛速度快。将本文方法应用于四川盆地龙马溪组页岩气储层,反演得到的孔隙纵横比、裂缝密度等物性参数和各向异性参数与已有研究结果一致,能为页岩储层的评价提供多元化信息。     

高堆石坝瞬变-流变参数三维全过程联合反演方法及变形预测

利用反演分析得到的参数进行高面板坝的应力、变形分析来预测长期变形。由于堆石坝的施工过程和变形机制比较复杂,很难将瞬时变形和流变变形分开,因此,有必要对静力本构模型参数和流变模型参数进行综合反演。利用实测位移资料,以对堆石坝变形较敏感的静力本构模型和流变模型参数为待反演参数,采用基于粒子迁徙的粒子群算法和径向基函数神经网络构建参数反演平台,该方法克服了粒子群算法易陷入局部最优和早熟收敛的缺点,采用经过训练的神经网络来描述模型参数和位移之间的映射关系,节省了参数反演的计算时间。对水布垭高面板坝的反演结果表明,基于反演参数的沉降计算值与实测值吻合得很好,坝体变形在合理范围以内并趋于稳定。     

双侧向测井反演的微粒群方法

双侧向测井反演中,采用微粒群优化算法进行3参数(原状地层电阻率、侵入带电阻率、侵入半径)反演,反演结果精确度较高。由于微粒群优化算法对初值依赖性较小,从而算法也较为稳定,增加了反演结果的可信度。     

A nonlinear multiparameter prestack seismic inversion method based on hybrid optimization approach

Multiparameter prestack seismic inversion is one of the most powerful techniques in quantitatively estimating subsurface petrophysical properties. However, it remains a challenging problem due to the nonlinearity and ill-posedness of the inversion process. Traditional regularization approach can stabilize the solution but at the cost of smoothing valuable geological boundaries. In addition, compared with linearized optimization methods, global optimization techniques can obtain better results regardless of initial models, especially for multiparameter prestack inversion. However, when solving multiparameter prestack inversion problems, the application of standard global optimization algorithms maybe limited due to the issue of high computational cost (e.g., simulating annealing) or premature convergence (e.g., particle swarm optimization). In this paper, we propose a hybrid optimization-based multiparameter prestack inversion method. In this method, we introduce a prior constraint term featured by multiple regularization functions, intended to preserve layered boundaries of geological formations; in particular, to address the problem of premature convergence existing in standard particle swarm optimization algorithm, we propose a hybrid optimization strategy by hybridizing particle swarm optimization and very fast simulating annealing to solve the nonlinear optimization problem. We demonstrate the effectiveness of the proposed inversion method by conducting synthetic test and field data application, both of which show encouraging results.     

基于微粒群算法的大坝材料参数反分析研究

将微粒群算法应用于大坝参数反分析，同时分析了群体规模对算法的搜索效率和搜索质量的影响以及微粒群反分析算法的数值稳定性。对算例的分析结果表明，基于微粒群算法的大坝参数反分析方法简便易行，收敛精度高，且具有很好的抗噪音能力，是一种新的有效、可靠的参数反分析方法。     

S-wave velocity profiling from refraction microtremor Rayleigh wave dispersion curves via PSO inversion algorithm

The refraction microtremor method has been increasingly used as an appealing tool for investigating near surface S-wave structure. However, inversion, as a main stage in processing refraction microtremor data, is challenging for most local search methods due to its high nonlinearity. With the development of data optimization approaches, fast and easier techniques can be employed for processing geophysical data. Recently, particle swarm optimization algorithm has been used in many fields of studies. Use of particle swarm optimization in geophysical inverse problems is a relatively recent development which offers many advantages in dealing with the nonlinearity inherent in such applications. In this study, the reliability and efficiency of particle swarm optimization algorithm in the inversion of refraction microtremor data were investigated. A new framework was also proposed for the inversion of refraction microtremor Rayleigh wave dispersion curves. First, particle swarm optimization code in MATLAB was developed; then, in order to evaluate the efficiency and stability of proposed algorithm, two noise-free and two noise-corrupted synthetic datasets were inverted. Finally, particle swarm optimization inversion algorithm in refraction microtremor data was applied for geotechnical assessment in a case study in the area in city of Tabriz in northwest of Iran. The S-wave structure in the study area successfully delineated. Then, for evaluation, the estimated Vs profile was compared with downhole data available around of the considered area. It could be concluded that particle swarm optimization inversion algorithm is a suitable technique for inverting microtremor waves.     

煤矿井下无线传感器网络三维定位算法研究

针对煤矿无线传感器网络定位存在节点模型不合理、定位精度差、算法不稳定等问题,提出一种新的煤矿井下巷道节点模型,并在此基础上提出基于粒子群算法的煤矿井下无线传感器网络节点三维定位算法。该算法将三维空间中未知节点与相邻的信标节点之间的估算距离和测量距离的均方误差作为优化的目标函数,通过粒子群优化来提高定位精度。理论分析和仿真结果表明,该算法具有定位精度高以及稳定性较好等特点,适用于煤矿井下无线传感器网络节点定位。      

基于引力搜索法的隧道围岩微震定位研究

针对目前深埋隧道围岩微震源定位难且精度不高等问题,采用启发式算法——引力搜索法（GSA）对隧道围岩微震源位置进行搜索,并将该算法与粒子群算法和单纯形法的搜索结果进行对比。发现在双速度模型和三速度模型下,引力搜索法相较于粒子群算法和单纯形法,都具有快速收敛、精度较高的优点,且与震源位置的距离能够控制在10 m以内。对双速度模型,引力搜索法的精度相对于单纯形法提高了83.71%,相对于粒子群算法提高了7.77%。对三速度模型,引力搜索法的精度相对于单纯形法提高了70.67%,相对于粒子群算法提高了39.36%。可见,该方法为深埋隧道微围岩震源定位提供了一种新思路。     

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。     

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。