基于残差重采样粒子滤波的土壤水分估算和水力参数同步优化

陆面数据同化由于能将观测数据和模型模拟有机结合,已逐步发展为地球科学研究的重要方法之一.通过数据同化方法在模型中不断融入新的观测数据,一方面可以有效地校正陆面过程模型的预测轨迹,提高模型状态变量的估算精度,另一方面可以不断减小模型中的不确定因素,优化模型中的相关参数.在众多数据同化算法中,粒子滤波算法不受模型线性和误差高斯分布假设的约束,适用于任意非线性非高斯动态系统,逐渐成为当前数据同化算法研究的热点.本研究基于残差重采样粒子滤波算法发展了一个数据同化方案,将微波亮温数据同化到大尺度半分布式VIC(Variable Infiltration Capacity)陆面水文模型中,对土壤水分进行估算,并对模型中的三个水力参数进行同步优化.最后设计了一系列对比实验并利用美国亚利桑那州在SMEX04(Soil Moisture Experiment 2004)期间获取的一套完整的实验数据对该同化方案进行了验证.结果表明,该同化方案能够大幅度提高土壤水分估算精度,同时模型中的三个水力参数也得到了较好的优化,从而证明了该数据同化方案的有效性.     

基于粒子滤波的自然电场数据反演

自然电场法在工程和环境地球物理领域应用广泛,提高其观测数据反演解释的可靠性具有重要意义.自然电场数据的反演通常采用常规的线性或非线性方法来实现,这些方法都是基于最小拟合差获得反演模型参数值.由于地球物理反演固有的多解性,在数据噪声较大时,反演结果可能存在较大误差.粒子滤波算法能够得到一组粒子来近似系统参数某时刻的后验概率分布,通过求取粒子均值的方式便能得到系统参数的最小方差估计,使得在有较大噪声的情况下模型参数估计值都能比较接近于真实值,能够较好地提高反演的可靠性.因此在分析粒子滤波原理的基础上,通过测试重采样策略,提出了自然电场粒子滤波反演算法.对不同地电模型生成的模拟数据反演测试结果显示,在较大噪声条件下,该方法依然能够得到良好的反演结果,且反演用时相对于常规反演算法更短.这表明粒子滤波反演算法具有较好的抗噪声能力,比较适合自然电场等易受噪声干扰的地球物理数据反演.     

基于粒子群优化算法的叠前角道集子波反演

本文探讨了粒子群优化(PSO)算法在叠前地震角道集子波反演中的应用.在基本最优PSO算法的基础上,提出了对粒子更新速度进行平滑滤波的改进最优粒子群算法.由于代表子波的粒子的维数较大,如果粒子的各维元素相互独立,将导致粒子速度更新紊乱,影响搜索速度.通过对粒子速度进行三点均值滤波,加强了单个粒子各维元素的相互联系,并防止了粒子速度逃逸,使粒子更快地向有利于最优解的位置收敛.该方法应用于叠前角道集子波的反演中,取得了较好的子波反演效果,证明了本文方法的有效性.     

基于经验正交分析法的暴时热层大气密度时空分布规律

本文选取2002—2006年期间的36个强磁暴为研究对象,对CHAMP卫星加速度仪反演的实测大气密度进行经验正交分解,研究暴时热层大气密度的纬度分布特征,以及大气密度与ap指数、Dst指数的关系.结果表明,大气密度的纬度分布与季节相关,夏季半球的密度大于冬季半球,春秋季节南北半球的大气密度几乎对称分布;春秋季节白天大气密度在低纬地区呈现出赤道密度异常结构,在中高纬地区密度随纬度增加而减小,夜间则呈现抛物线的形状,赤道附近密度值最小.大气密度的纬度分布特征在若干天内具有良好的稳定性,发生时间相近的磁暴事件,纬度分布曲线非常相似,并且暴前与暴时的纬度分布变化不大.相关性分析表明,大气密度滞后ap指数2~6 h,相对Dst指数平均提前0~1 h,对磁暴的响应速度在日照区比在阴影区快,大气密度与ap指数、Dst指数具有较好的相关性.     

基于粒子群算法的地震预报方法研究

针对地震预测中定量计算的困难性,利用地震前兆异常高维数据特征,研究一种基于粒子群聚类算法的地震预报模型。该模型输入为条带、空区、短水准等14项异常指标数据,输出为震级分类。模型设定聚类平均距离为粒子群算法的评价函数,发掘分析地震前兆数据与地震震级的关系。结果表明该模型能有效地根据地震前兆数据预测地震震级,与传统聚类k-means算法模型相比,稳定性强,预报准确性更高。历史地震数据实例研究表明,本文提出的模型充分利用了粒子群算法的高鲁棒性、高适应性和群体智能的协同策略,是改进地震预报效能的途径之一。     

基于热层电离层耦合数据同化的热层参量估计

本文采用高效集合卡尔曼滤波（EnKF）算法和背景场热层电离层理论模式NCAR-TIEGCM,开发了热层电离层数据同化系统.基于全球空地基GNSS电离层斜TEC观测、CHAMP和TIMED/GUVI热层参量观测构型设计了系列观测系统模拟实验,对热层参量进行估计.实验结果表明,（1）通过集合卡尔曼滤波算法同化电离层TEC观测能够较好地优化热层参量.（2）中性质量密度优化效果在整个同化阶段均有提升,提升百分比能达到40%.（3）积分氧氮比在同化阶段也能得到较好的优化,但在电子密度水平梯度变化剧烈区域效果较差.最后本文对中性质量密度进行了预报评估,结果表明,由于中性成分优化,在地磁平静条件下其预报时间尺度可长达24 h.

     

智能优化算法在结构损伤识别中的应用

利用智能优化算法进行结构的损伤识别是近年来的研究热点,其基本思路是将实测数据和数值模型的输出定义为结构参数的目标函数,通过搜索目标函数的最小值来得到结构参数,并根据这些参数在损伤前后的变化情况来识别损伤.目标函数可以有多种定义方式,智能优化算法也有多种算法可以选择,为了得到最佳的计算效果,利用4种目标函数和3种智能优化算法进行了损伤识别的数值模拟.计算结果表明,由加速度时程响应定义的目标函数与差分进化算法相结合具有很好的识别精度和抗噪能力.     

基于粒子群优化算法的AVAF反演方法

岩石物理实验和实际观测研究表明,纵波速度的频散现象通常都与地层的含气性有着密切的关系,它是纵波反射系数随频率变化所导致的.但是,传统的AVA反演方法忽略了这种速度频散现象,因此引入了误差,增加了含气预测的风险.本文我们提出了一种适用于频变反射系数和速度频散的反演方法,采用传播矩阵方程来进行正演模拟.而考虑到加入频散信息的AVAF反演问题具有高度的非线性特征,我们基于粒子群优化(PSO)算法来进行AVAF反演.经过模型与实际数据的测试证明,我们的反演方法适用于包含频散信息的地震数据,且具有一定的抗噪性,即使是在含噪数据下,也能够挖掘出数据中的纵波速度频散信息,为之后利用纵波速度的频散规律来解释储层含气性提供可靠的依据.     

带粒子滤波约束的PP-PS联合反演的稀疏解算法

随着地震勘探目标从构造型油气藏向岩性油气藏的转变,地震勘探难度日益增大,这就要求从地震数据中获得更多可靠且具有明确地质含义的属性信息,并充分利用这些属性信息来对储层的岩性、岩相进行分析.AVO三参数反演能够从振幅随炮检距的变化信息中直接提取纵波速度、横波速度以及密度来估计岩石和流体的性质,进而对储层进行预测.然而,AVO反演本身是一个不适定的问题,加上地震纵波反射系数对横波速度和密度的不敏感,会造成单纯利用纵波地震数据进行反演的结果误差大.随着地震接收和数据处理技术的发展,越来越多的学者对PP-PS联合反演方法进行了研究并在实际资料中得以运用.融合转换横波地震数据的联合反演在一定程度上提高了反演的精度,降低了解的不稳定性.但是在信噪比较低的情况下,联合反演的效果受到了限制.本文从优化理论出发,提出了基于粒子滤波提供先验知识的l₁范数约束极小化问题的稀疏解算法.并将上述方法运用到了不同的模型中,通过比较分析,证实了该方法在不同信噪比资料中的有效性和在信噪比较低情况下的优势.

     

基于鲸鱼优化算法的长短期记忆模型水库洪水预报

洪涝灾害是世界主要自然灾害之一,优化洪水预报方案对防洪决策至关重要,然而传统水文模型存在参数多、调参受人为因素影响,泛化能力弱等问题。针对上述问题,本文提出基于改进的鲸鱼优化算法和长短期记忆网络构建自动优化参数的WOA-LSTM模型,通过优化神经网络结构进一步增强该模型的稳定性和精确度,并且建立不同预见期下的洪水预报模型来分析讨论神经网络结构与预报期之间的关系。以横锦水库流域1986—1997年洪水资料为例,其中以流域7个雨量站点的降雨以及横锦站水文资料为输入,不同预见期下洪水过程作为输出,以1986—1993年作为模型的率定期,1994—1997年作为模型的检验期,研究结果表明:(1)以峰现时差、确定性系数、径流深误差和洪峰流量误差作为评价指标,相比较于LSTM模型和新安江模型对检验期的模拟结果表明WOA-LSTM模型拥有更高的精度、预报结果更稳定;(2)结合置换特征值和SHAP法分析模型特征值重要性,增强了神经网络模型的可解释性;(3)通过改变神经网络结构在一定程度避免由于预见期增加和数据关联性下降而导致的模型预报精度下降的问题,最终实验表明该模型在预见期1~6 h下都可以满足横锦水库的洪水预报要求,可以为当地的防洪决策提供依据。     

基于粒子群优化算法的边坡临界滑动面搜索方法

采用数值计算结果进行极限平衡分析是边坡稳定性分析的重要方法,最危险滑移面位置的确定是边坡稳定性分析的关键。采用粒子群优化理论控制位于滑移面后缘范围的滑入点和前缘剪出区域的滑出点,以均分逼近法控制滑面半径,实现了边坡内潜在滑移面位置的搜索及安全系数的计算,进而确定了边坡的最小安全系数及最危险潜在滑移面位置,搜索出的滑面不依赖于网格节点。以昆明某公路滑坡为例,将搜索出的最危险滑面与现场勘察成果进行对比,结果表明,采用本文方法计算所得的结果与工程实际较为吻合,证明了该方法的有效性。     

基于粒子群优化最小二乘向量机的地震预测模型

为解决地震预测中最小二乘向量机(LSSVM)模型的参数难以确定的问题,利用粒子群算法(PSO)的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,建立了PSO-LSSVM地震预测模型.通过对地震实例的预测仿真及其相关分析表明该方法的有效性.该方法优于传统的神经网络和支持向量机的地震预测方法,可以有效提高预测效能.     

大磁暴期间TIEGCM模式和CHAMP卫星热层大气密度扰动特性的统计研究

本文统计分析了2001—2005年的39次大磁暴事件(Dst-100nT)期间TIEGCM模式和CHAMP卫星大气密度数据.研究结果表明,模式结果与实测数据具有较好的一致性,但仍存在一定的偏差.大气密度及增量与SYM-H指数相关性较好,并且随纬度、光照条件和地磁活动水平变化.模式低估了磁暴期间大气密度的增幅,特别是在地磁活动水平较强时模式与实测的偏差较大.模式的偏差在高纬地区高于低纬地区,日侧高于夜侧.Dst指数越低,偏差越大,而当Dst指数低于-150nT以后,绝对偏差和相对偏差变化不明显.     

基于粒子群优化的理论变异函数拟合方法研究

变异函数是地统计学中区域化变量空间结构分析和空间局部插值的主要分析工具.理论变异函数模型的获取是地质统计学中的基础性工作,它是了解区域化变量的变异特征、进一步对地质统计学计算的必要环节.针对现有的理论变异函数的拟合方法,如人工拟合法、线性规划拟合法、加权多项式拟合法、目标规划拟合法等的不足之处,充分利用粒子群优化算法在求解非线性优化问题时具有的全局寻优的特点,提出基于粒子群优化的理论变异函数拟合方法.在实例应用中,分别利用粒子群优化算法和加权多项式拟合方法进行理论变异函数拟合,交叉验证结果表明粒子群优化算法预测精度较高,具有较强的稳健性.     

基于优化参数Adam算法的全波形反演

常规的全波形反演(FWI)计算得到的梯度往往不做优化处理, 并且每次计算模型更新量时还需要额外的波场延拓计算来获取迭代步长, 导致收敛效率和反演精度降低.本文将深度学习中的Adam算法引入到全波形反演中来, 其可在仅付出极小计算代价的前提下实现梯度的优化处理, 由梯度直接计算出模型更新量, 避免了迭代步长的计算, 且能显著提升收敛效率和反演精度; 同时针对Adam算法的默认参数优化和选取问题, 通过数值实验系统分析了不同参数的全波形反演效果, 并给出了更适合于全波形反演的优化参数.实验结果表明, 相比于默认参数的Adam算法以及L-BFGS算法的全波形反演, 基于优化参数的Adam算法其收敛速度和反演精度更高.

     

基于带压缩因子粒子群算法标定设计反应谱

粒子群优化算法是模拟群体智能所建立起来的一种全局优化算法,在解决多参数非线性函数的优化问题上具有良好的性能,为了有更好的收敛精度和更快的收敛速度,本文构建了带有压缩因子的粒子群算法,可用于设计反应谱的标定.利用这一方法可给出第一拐点周期、特征周期、平台值和衰减指数等刻画设计反应谱特征的参数值.本文以埃尔森特罗台(El ...     

重力异常分离的小波域优化位变滤波方法

在重力异常分离中,频率域滤波分离方法是以全局数据频谱特征设计针对性的滤波器实现的.滤波器参数与空间位置无关,因此无法针对局部数据频谱特征动态调整滤波器参数.针对该局限性,在小波域滤波理论和优化滤波方法的基础上,本文研究提出了小波域优化位变滤波法,该方法具有空间变化滤波能力,在不同空间位置实现不同的滤波器特性,从而能实现局部数据频谱与全局数据频谱存在较大差异的重力异常分离问题.理论模型数据分离实验结果表明,在局部数据频谱与全局数据频谱差异较大的情况下,该方法相对于Butterworth滤波和优化滤波等方法具有优势.最后,用一个实例进行检验计算,体现了所提方法技术的效果和应用前景.     

格点大气环流模式GAMIL2参数不确定性的量化分析与优化

物理过程参数化方案的不确定性是目前气候系统模式不确定性的重要来源之一.随着模式内在复杂度攀升,模拟场景多样化,参数化方案中基于先验的和人工的物理参数选取方法已经逐步成为限制模式模拟能力的瓶颈之一.为此,本文设计并提出了初选与寻优相结合的两步法参数优化方案.初选阶段用全因子采样方法对不确定参数空间进行初始敏感性分析,估计最优解所在区域;寻优步采用单纯型下山法,基于初选阶段确定的参数组合快速寻优.将两步法应用于中国科学院大气物理研究所(英文缩写:IAP)大气科学和地球流体力学数值模拟国家重点实验室(英文缩写:LASG)格点大气模式第2版:GAMIL2,选取其深对流方案和云量方案中的3个重要参数开展寻优,优化以综合减小模式降水、风场、温度、湿度、位势高度以及辐射通量的误差为目标.这些变量用GAMIL2标准版本标准化后形成单一的目标. 结果显示,优化后的目标函数值比GAMIL2 标准版本改进了7.5%.机理分析表明,调优后的参数优化了大气中的水汽凝结作用,进而减少模式的湿度偏差,改进云量的模拟效果;同时水汽凝结作用的变化通过大气内部动力和热力相互作用及响应影响温度、位势高度和风场的模拟.     

基于一种新智能优化算法与谱相关方法对重力固体潮的分析

根据月球与太阳相对于地球位置的关系,建立一个三维正交分解模型来揭示重力固体潮中包含的谐波成分。在此基础上,提出一种基于单形邻域与多角色进化策略智能优化算法的独立分量分析方法,用以提高算法效率和全局寻优能力;并结合谱相关方法,对重力固体潮观测数据进行处理和分析,观察其频域和时域的变化。最后引入理论信号和理论计算值作为参考背景,以凸显其异常变化特征。研究表明,利用该方法可以有效地反映出重力固体潮潮汐的日波、半日波、长周期波等特征。同时,发现重力固体潮潮汐的异常变化中隐含有地震前兆信息,通过对云南地区观测数据的分析,在排除测量误差和环境影响外,发现在地震前2~5个月内,重力固体潮的长周期波均呈现出规律性的异常变化。这反映出地震的前兆异常信息,可能对地震时间和地点的预测提供依据。     

一种基于BP网络和粒子群算法的拱坝可靠度分析方法

为了进行极限状态方程不明确的大型结构可靠度分析,提出了结合神经网络和粒子群优化计算拱坝可靠度的算法。确定性力学分析采用ANSYS软件,利用BP神经网络来模拟高度非线性映射关系的功能函数,基于罚函数和粒子群优化法进行可靠指标计算。综合C语言、ANSYS的APDL二次开发以及MATLAB混合编程技术,编制了该算法的可靠度分析程序。算例表明,该方法适应于隐式功能函数的复杂结构可靠度分析。