遗传算法及其在剩余静校正中的应用

遗传算法是近期发展起来的处理非线性优化问题的一种方法。估算剩余静校正量本质上是一个非线性优化问题，而常用于评价解估计的目标函数却是一个具有多极值的非线性问题。当地震资料中的剩余静校正量大，信噪比低时，常规的局部线性反演方法往往易于陷入局部极大值之中，且严重依赖于初始模型的选取。遗传算法则是一种全局搜索方法，能较好地解决这一问题。     

大剩余静校正量的自动求取

本文将一种混合全局优化方法用于大剩余静校正量的估计。该方法综合了模拟退火和单纯形方法的优点，便于实际应用。采用负的叠加能量作为目标函数所计算的数值算例表明，该算法能够有效地搜索到全局最优解。     

基于SAAGA的剩余静校正方法研究及应用

复杂地表地区地震勘探的剩余静校正问题是一个非线性的、多参数、多极值的全局优化难题。当剩余静校正量大于分析时窗内子波周期的一半时,用传统的线性剩余静校正方法容易陷入局部极值而出现“周波跳跃“现象。为此,首先设计了剩余静校正的目标函数(对于炮记录模型,选用超长道集的互相关作为目标函数),借鉴模拟退火算法的思想,对遗传算法的目标函数进行尺度变换,详细分析了退火遗传算法的实现及参数选择方案,并用理论模型及实际地震资料对退火遗传剩余静校正算法进行了检验。模型和实际资料的处理结果表明,该算法提高了模拟退火和遗传算法的收敛能力和计算效率,能很好地解决低信噪比、大剩余静校正量的校正问题。     

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。     

自适应混合反演剩余静校正

本文针对剩余静校正问题的非线性特点，分析了已有的线性反演及非线性反演方法的优缺点，在此基础上提出了一种计算效率较高、搜寻全局最优解的混合反演方法；即在求解过程中每次扰动采用线性寻优方法搜寻局部最优解，在迭代过程中采用模拟退火法随机搜寻，就可以用较少的迭代次数搜寻全局最优解。此文中还提出了反演参数的选取方法，使得该法具有自适应的特点。理论分析和数值计算表明，该法不仅解决了剩余静校正较强的非线性全局优化问题，而且提高了计算效率，是一种切实可行的自适应剩余静校正方法。     

全局寻优分频静校正方法及在焉耆盆地复杂地区的应用

焉耆盆地复杂地区表层结构多样、岩性纵横向变化大、无稳定界面,导致静校正问题严重,地震资料成像精度不高,难以满足构造解释需要。综合利用最大能量法、模拟退火与遗传算法的各自优势,提出一种全局寻优分频静校正方法,分析了影响全局寻优分频静校正的关键参数,建立了全局寻优分频静校正处理流程。利用该方法较好地解决了复杂地区地震资料处理中存在的大剩余静校正量难以求取的技术难题。     

改进的郭涛算法在剩余静校正中的应用

在低信噪比地震资料处理中,剩余静校正是其中的关键处理环节。传统的剩余静校正方法容易陷入局部极值,难以实现全局寻优,从而造成叠加剖面成像效果不佳。为此,提出了一种高精度的非线性剩余静校正方法,该方法以互相关值最大为目标函数,采用了逐步缩小范围的郭涛算法进行剩余静校正量的全局寻优。通过理论模型和低信噪比资料的测试表明,该方法优于传统的剩余静校正方法,能够快速逼近全局最优解,并且能够有效改善低信噪比地震资料的成像效果。     

电阻率测深资料的非线性反演

电阻率资料的解释包括了从作为电极间隔的函数的野外实测的视电阻率值去估算随深度变化的电阻率。这个工作通常是由用标准曲线的拟合曲线或是由更正规的线性化反演方法来做的。线性化反演方法问题是相当著名的;它们要求初始模型与真实解比较接近。在本文中,作者发表了在电阻率测深资料的直接解释中应用的称之为模拟退火(SA)的非线性全局最优法得出的结果。该方法不需要很精确的初始模型,但在计算费用上更为昂贵。作者使用了模拟退火的热处理算法,该法把均方差(观测数据和合成数据之间的差值)当作他们试图求最小值的能量函数。随着控制参数温度的慢慢降低,不断地从吉布斯概率分     

静校正方法在黄土塬地区的联合应用

黄土塬地区静校正问题严重,一直是地震资料处理中的难题。针对黄土塬地区的近地表特征,基于地震资料分析,提出了联合应用多种静校正方法解决静校正问题的思路。首先应用模型初至反演静校正方法建立低、降速带结构,进行长波长静校正;然后利用折射初至交互迭代静校正方法求取中、短波长剩余静校正量;最后应用最大能量法、模拟退火法和遗传算法相结合的综合寻优方法,利用连续稳定强反射层的反射信息,求取短波长剩余静校正量。3种静校正方法的联合使用,有效地解决了黄土塬地区的静校正问题,剖面质量得到了较大改善,信噪比和振幅保真度均得到大幅度提高。     

混合优化自动剩余静校正方法研究

剩余静校正量计算本质上是一个非线性优化问题。针对单独运用遗传算法或模拟退火算法求解剩余静校正计算效率低、精度不高等缺点，本文提出了混合全局优化的自动剩余静校正方法，即利用两者的优点（遗传算法具有较强的把握搜索过程总体的能力，模拟退火法具有较强的局部搜索能力）开发的一种优化算法。文中对混合全局优化自动剩余静校正的处理流程和实现技术作了深入研究。从模型数据试算和我国西部某地区实际资料的处理结果可以看到，混合优化技术无论在运算速度还是在求解精度上都优于其他方法。     

一种改进的遗传算法及其在剩余静校正中的应用

本文综合利用模拟退火和遗传算法的特点，给出一种改进的遗传算法，即根据模拟退火的概率分布函数提供群体的初值，然后使用遗传算法的选择算子和杂交算子进行搜索，在此基础上，再降低温度提供新的初值，进行反复迭代，从而搜索到全局最优解，通过估计剩余静校正的模拟试验表明，该方法只需要较小的群体规律，与常规的遗传算法相比，没有其它更多的控制参数，且全局收敛的效率有了很大的提高。     

模拟退火静校正

模拟退火静校正技术摆脱了常规静校正方法的框架,它采用非线性反演技术——模拟退火,求解地表一致性静校正问题,能较好地克服低信噪比、大静校正量引起的周期跳跃。分析了常规剩余静校正方法的欠缺,阐述了模拟退火静校正技术的方法原理和在现有计算机运行速度条件下,求取全局最优解的可能性,并通过理论模型验证了该方法的可靠性。经实例分析证实,此方法在解决复杂地表结构引起的大静校正问题时,优于常规静校正方法。     

二阶差分最大叠加能量法地表一致性静校正

如果把地表一致性静校正量的计算作为一个最佳问题来考虑,那么叠加能量便是静校正量的函数。也就是说,施加正确的静校正量,可使叠加能量达到极大。因而,最佳静校正量可以通过叠加能量的极大值来求得。本文采用二阶差分法拾取的静校正量作为最大叠加能量法拾取静校正量的初值,然后通过几次迭代运算,便可求出最佳静校正值。理论试算和用于实际资料处理结果表明,该法能解决大静校正量的静校正问题,克服常规静校正方法的不足。     

混合优化波阻抗反演方法研究

地震反演常用的线性算法具有较快的收敛速度，但是易陷入局部最优解。因此需要引进一些非线性优化算法求解全局最优解。近年来相继出现了模拟退火、遗传算法、禁忌搜索算法和混沌搜索算法等，虽然这些算法具有较强的全局优化性能，但是其计算速度慢，远远不能满足实际生产的要求。如何将上述两类算法结合起来实现优势互补成为了反演中的一个重要课题之一。文章提出的混合优化波阻抗反演方法综合了共轭梯度算法和模拟退火算法的优点，在模拟退火反演框架内加入共轭梯度迭代算法，即在模拟退火反演过程中，当目标函数值满足给定的条件时，进行一定次数的共轭梯度迭代反演，最终以模拟退火反演结果来判断其收敛性。实际计算表明，该方法不仅收敛速度快，而且抗干扰能力强，计算得到的波阻抗剖面能较好的反映地层地质特征。     

用遗传算法反演层状弹性介质

地球物理反问题是一个典型的非线性最优化问题，而常用于评价解估计的目标函数却是一个具有多极值的非线性问题。常规的局部线性化反演方法往往易于陷入局部极大值之中，且严重依赖于初始模型的选取。遗传算法则是一种全局性搜索方法，不易于陷入局部极大值之中，且对初始依赖性不大，能较好地解决这一问题。本文在遗传算法中引入了多个目标函数的综合评价和灾变过程，对层状弹性介质（水平界面和弯曲界面）的纵、横波速度和密度进行     

大剩余静校正量求解的两步法

本文通过分别对非线性和线性反演方法的优缺点进行分析，提出了一种求解地震自动剩余静校正问题的两步法。该方法首先利用非线性方法获得线性反演方法的初始解，再利用线性反演方法获得最终的高精度解。在非线性反演阶段采用较小的静校正量模型空间，加快了非线性反演的收敛速度。模型和实际资料的计算表明，该方法较好地解决了获得的静校正量精度越高、计算效率越低的矛盾，可用于地表地质条件较为复杂地区的地震资料的静校正处理。     

MonteCarlo技术估算静校正时产生零空间的原因及解决方法

利用ＭｏｎｔｅＣａｒｌｏ技术估算校正时总会出现零空间现象,即炮点静校正时或检波点静校正量和相同时移。本文认为产生零空间的根本原因是：由于ＭｏｎｔｅＣａｒｌｏ交正时移量较大,记录含有噪声,实际资料还存在剩余动校正量,于是产生了伪长波长静校正量和伪短波长静校正分量,这两个分量“贡献”到叠加结果中导致叠加能量退化,从而产生了零空间。