蚱蜢算法在瑞雷波频散曲线反演中的应用

蚱蜢算法是一种新型的群智能优化算法,其灵感来源于蚱蜢在不同阶段表现出的独特觅食行为。该算法将蚱蜢算子的移动分为局部搜索与全局搜查两个阶段,算子每次移动均受其余所有算子的共同影响,以保证收敛到精确解。将蚱蜢算法引入面波频散曲线反演,以获得近地表横波速度。基于理论数据和实测瑞雷波数据,分析了利用蚱蜢算法计算近地表横波速度的有效性和适用性。目标函数解在反演迭代过程中能够快速收敛到全局最优;模型参数的分布概率高,即在寻找到全局最优解的同时,能够确保解中每个参数同时达到最优,保证了反演结果的可靠性。     

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。     

自适应权重蜻蜓算法及其在瑞雷波频散曲线反演中的应用

瑞雷波勘探技术是探查近地表横波速度结构的有效手段。然而瑞雷波频散曲线的反演具有非线性和多极值特点,采用遗传算法等传统非线性算法,在求解此类问题时会呈现不易收敛、稳定性差等现象。蜻蜓算法是一种近年提出的新型非线性算法,文中在该算法基础上提出基于自适应权重的改进蜻蜓算法,紧密围绕非线性算法的前期强调“探索”、后期侧重“开发”的思路,根据蜻蜓个体在迭代过程中的适应度差异,引入自适应权重,使个体的聚集、避撞和结队等行为的权重参数具有根据适应度自行调节的能力。通过多个测试函数以及理论、实际面波记录的检验,与传统非线性算法相比,所提算法可显著提高瑞雷波频散曲线反演结果的准确性和稳定性。     

水平层状模型中多模式瑞雷波和拉夫波相速度频散曲线的灵敏度分析

以瑞雷波和拉夫波为主要研究对象的高频面波方法,在地下水、环境及工程等领域被广泛应用。对于水平层状模型,横波速度是影响多模式瑞雷波和拉夫波相速度频散曲线的最重要参数。文中利用雅可比矩阵探究多模式瑞雷波和拉夫波相速度对不同深度地层横波速度的灵敏度。研究表明：①不同模式的面波对相同地层横波速度的灵敏度不同;无论是瑞雷波还是拉夫波,低频面波比高频面波对较深层横波速度更灵敏;同时,整个高频段都是多模式面波相速度频散曲线对表层横波速度改变的灵敏频段。②基于对速度递增模型和两种速度异常层（含低速夹层或高速夹层）模型进行的测试分析,认为多模式瑞雷波和拉夫波相速度频散曲线对低速层横波速度的灵敏度高,而对高速层及速度异常层（低速层或高速层）下伏地层横波速度的灵敏度低。③相同模式拉夫波相速度频散曲线对同一地层横波速度的高灵敏度频段范围比瑞雷波的更宽,瑞雷波和拉夫波相速度频散曲线对相同地层横波速度的灵敏度峰值存在差异,因此联合反演多模式瑞雷波和拉夫波相速度频散曲线有利于获得高精度的浅地表横波速度。     

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。     

空间假频对频率—波数域瑞利面波频散曲线反演的影响

在地震勘探中,可以利用现有大炮地震记录中的瑞利面波频散信息提取频散曲线,进而反演近地表的速度结构,建立高密度的表层结构剖面。准确地提取瑞利面波频散曲线是提高近地表结构反演精度的前提。但由于地震勘探中大炮地震记录的道间距过大,利用频率—波数变换法提取频散曲线时,空间假频难以避免,这必然影响频散曲线提取和反演的效果。本文通过分析理论模型空间假频对频散曲线提取的影响,发现大道间距引起的空间假频会导致提取的频散曲线缺失高频信息,并通过频散曲线敏感度的理论分析,发现频散曲线高频部分对浅层横波速度更敏感。利用等厚分层阻尼最小二乘联合反演,分别对理论模型和实际数据进行了不同道间距的横波速度反演,反演结果表明空间假频引起的频散曲线高频段缺失会增大反演的整体相对误差,降低浅层反演精度和反演的稳定性,进而影响反演效果。     

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。     

应用人工神经网络算法的地震面波非线性反演

利用瑞雷波频散曲线反演地下介质的横波速度是一种有效可靠的地球物理方法,且已被广泛应用于近地表地质调查和勘测。传统线性反演方法已不能满足日益复杂的目标或任务的需求,而非线性反演方法因其反演速度快、原理直观易懂而倍受关注。非线性反演方法中的人工神经网络具有自组织、自学习能力、联想记忆能力、高度容错性和抗干扰性,对不同反演问题能（通过相应网络训练后）反演出相应的目标参数。鉴于此,引入BP人工神经网络对地震面波进行反演,通过网络设计、训练和学习,求得最优解而不是精确解,以此避免了其他非线性反演方法易陷入局部极小值的问题。通过选取BP神经网络对多种典型地质模型在无噪和含噪情形下得到的频散曲线分别进行反演,并对比反演结果与真实数据,验证了此方法反演频散曲线的有效性和稳定性。最后,对实际数据进行反演,并与其他方法反演结果进行对比、分析,检验了该反演方法的实用性。     

利用地震勘探面波反演巨厚戈壁区的表层结构

塔里木盆地山前构造带地表主要被巨厚砾石层覆盖,低降速层厚度大,表层结构建立难度大。巨厚戈壁区地震采集单炮中的面波发育能量强,频散特征突出,蕴含着丰富的近地表结构参数信息。根据地震勘探面波属性与近地表结构参数之间的关系,建立利用地震面波反演巨厚戈壁区表层结构的技术流程。通过小波变换与F-K法相结合,精细分离单炮的面波信号,对面波进行频散分析计算,将不同频率的面波分量分离开来,拾取面波的频散曲线。采用权重自适应迭代阻尼最小二乘法与遗传算法相结合的方法,反演频散曲线的地层厚度和横波速度参数,利用横波与纵波的转换关系,计算出地层的纵波速度,进而建立表层结构,解决了巨厚戈壁区表层结构反演难题。     

杂交粒子群优化算法反演瑞雷面波频散曲线

针对传统粒子群算法反演面波频散曲线易陷入局部极值的问题，通过非线性的自适应惯性权重、引入压缩因子以及边界条件约束三种优化策略对该算法进行优化，提出一种杂交粒子群优化算法(Hybrid Particle Swarm Optimization, HPSO)进行瑞雷面波频散曲线反演，提高了反演的精度、减少了反演的多解性。通过典型地质模型的无噪声、含噪声及多模态理论频散曲线反演，验证了该方法的有效性、抗噪能力和多模态频散曲线联合反演能力；与边界约束粒子群算法反演结果的对比分析表明，HPSO具有更高的反演精度；最后，对实测数据进行了反演，验证了HPSO的适用性。