基于BP神经网络的高密度电阻率数据反演方法

目的 对高密度电阻率数据反演计算,解决传统局部线性化迭代反演时求解容易陷入局部模型极小解和依赖初始模型的选择等问题.方法 采用二维改进有限元法计算不同地电模型的视电阻率,利用所得结果训练BP神经网络,神经网络的自学习能力将使最终输出为全局最优解.结果 将神经网络与最小二乘法的反演结果作以比较,BP神经网络能够得到全局最优解,因此能较好地反映地电模型,并且计算过程中不需要选择初始模型.结论 神经网络训练成功后,能够克服传统反演方法的不足,因此适合解决复杂的非线性反演问题.     

基于自适应遗传的E-CID定位算法研究

针对LTE系统NLOS（非视距）环境下基于传统遗传的E-CID（增强小区识别）定位算法过早收敛于某局部最优解而非全局最优,文章提出了一种改进的自适应遗传E-CID定位算法,该算法通过对LTE终端位置数据进行加权最小二乘估算,利用遗传算法进行非线性最优解全局搜索,自适应的改变交叉及变异概率,避免了传统遗传算法过早收敛于局部最优解缺点。仿真结果表明：自适应遗传法比传统遗传算法优势更明显,定位精度更准确。     

遗传算法

遗传算法是一种通过模拟自然进化过程来搜索最优解的非线性优化算法．它模拟达尔文的进化论,即生物的进化总是遵循适者生存、优生劣汰的规则。遗传算法用于地球物理反演的基本思想是从模型群体开始搜索,把模型参数用二进制进行编码,将模型空间的点映射到染色体空间的染色体,然后通过选择、交换和变异等遗传操作对模型群体进行繁殖,逐次迭代,在模型参数空间进行群体搜索,最后求取非线性反演问题整体极值所对应的最优解或近似最优解。遗传反演算法利用了生物进化过程和地球物理反演问题求解过程的相似性,开辟了地球物理反演的新途径,是非线性反演算法中一种最常用的算法。遗传算法是一种非线性的全局优化算法,它可避免目标函数梯度类方法的缺点,同时也可明显提高模型参数空间随机搜索的效率。本讲座概要地介绍了遗传算法的基本原理,遗传操作的基本步骤及实现方法,并给出了遗传算法在地球物理资料反演中的实例,最后总结和归纳了遗传算法的特点以及该方法的局限性。     

一维大地电磁测深的遗传算法反演

一维ＭＴ反演通常采用局部线性化方法，因为该问题的高度不唯一性，需要有好的初始模型，否则容易陷入局部最优解．本文采用遗传算法对一维ＭＴ曲线进行反演．并用“小生境”ＧＡ方法反演复杂地电模型．结果证明比局部线性化方法有一定改进，是一种可供选择的一维ＭＴ反演方法．     

多峰连续函数优化的一种混合算法

提出一种解决多峰连续函数优化的混合算法。该方法定义适当的适应度函数，使用遗传算法自动形成极值点领域种群，进行聚类分析，分别在单极值区域取最优个体为初始点，采用最速下降法进行快速寻优，在得到全局最优解的同时获得多个局部极值。计算仿真表明该方法有效且收收敛快、精度高。     

混沌噪声扰动的地震波形反演研究

地球物理优化反演问题大都是非线性、多参数、多极值的反演问题，因此从一些非线性领域去探索新的全局优化算法来求解地球物理反演问题具有很大的实际价值。将一种混沌噪声扰动的思想引入到了地震波形的优化反演中，通过加入混沌噪声算子来提高梯度下降算子的全局收敛能力，既保持了梯度下降的快速搜索能力，同时又具有逃出局部极值陷井的“动力”，模型试验表明，混沌噪声扰动的策略比常规的遗传算法和基于Logsitc混沌运动轨迹搜索的优化算法具有更快的运算效率，更少的主观控制参数，更易获得全局最优的结果。     

基于PSO算法和SVR模型的加工中心可靠性模型参数估计

针对加工中心可靠性模型,提出了一种基于支持向量回归模型的参数估计方法,并利用改进的局部最优粒子群优化算法对支持向量回归模型的参数进行优化,以提高其对可靠性模型参数的估计精度。与标准的局部最优粒子群优化算法比较,改进的局部最优粒子群优化算法引入了变异操作和自适应调节惯性因子,提高了算法的全局最优解搜索能力。将提出的方法与最小二乘法、最大似然估计法、局部最优粒子群优化算法优化的支持向量回归模型和遗传算法优化的支持向量回归模型进行了对比试验。试验结果表明:该方法的参数估计精度高于最小二乘法、最大似然估计法、局部最优粒子群优化算法优化的支持向量回归模型和遗传算法优化的支持向量回归模型。最后,将该方法用于估计实际加工中心可靠性模型的参数,得出了相应的平均故障间隔时间的评估数值。     

基于并行遗传算法的场地浅层剪切波速度结构反演

目的针对传统遗传算法容易陷于极值,计算时间长的问题,设计基于计算机集群的一种新的粗粒度并行遗传算法反演场地浅层剪切波速度结构．方法采用遗传模拟退火算法和MPI并行计算技术,实现多进程的粗粒度集群计算,通过个体迁移策略协调优化子种群,运用计算效率判断计算负载状态,采用动态种群进行负载平衡,构建了4节点的PC集群,对算例和实际场地的浅层剪切波速度结构进行了反演计算．结果简单模型收敛于最优解,实际场地的反演结果与钻孔资料的平均误差均在20％以内,计算速度明显提高,并行遗传算法的反演结果好于串行遗传算法反演的结果．结论笔者设计的粗粒度并行遗传算法有效地加快了进化速度,并行效率高,加强了局部搜索能力,反演结果较好,适合应用于反演实际工程场地的浅层剪切波速度结构．     

遗传算法在复杂系统可靠性优化中的应用

在满足一定可靠性指标要求下,使投资最小的复杂系统可靠性优化问题是一个具有多局部极值的非线性的优化问题,使用遗传算法求解问题搜索互了其他算法未能得到的最优解,在遗传算法的中,使用基于中的选择策略和最呆存策略,改善了遗传算法的收敛性能。     

基于快速模拟退火算法的叠前三参数同步反演

地震叠前弹性参数反演可以为解释人员提供丰富的岩性和流体的信息。针对上述典型的非线性反演问题,模拟退火法在解空间进行全局寻优,克服了线性算法容易陷入局部极值的缺陷,但其计算速率较低。为此,本文首先详细地介绍了一种快速模拟退火算法,并将其应用到叠前三参数同步反演,主要是采用似Cauchy分布产生初始模型,广义Gibbs分布作为接受准则,并对由叠前数据求得的目标函数快速搜索全局最优解。通过模型试验表明,基于本文的快速模拟退火算法反演得到的三参数不仅精度高,而且计算效率得到了一定的提高。     

瑞雷波频散曲线的分模态提取与联合反演

瑞雷波在层状介质中传播具有频散特性,利用地震记录中的面波信息,提取面波的频散曲线,反演可以建立近地表的横波速度结构模型.本文建立了一个理论地质模型,理论合成面波地震记录,研究了频率波数域中而波频散曲线的分模态提取,并利用等厚分层阻尼最小二乘反演方法对面波各模态的频散曲线进行了分模态反演和联合反演.反演结果表明:瑞雷波基阶频散曲线的浅层(＜10m)反演结果与理论模型吻合最好,一阶高阶频散曲线在15～30m的反演结果与理论模型吻合最好,联合反演在整个深度范围内都可以很好的吻合理论模型,且反演结果的相对误差要低于分模态反演.     

井地磁异常联合反演方法及应用研究

非线性算法在寻找全局最优解方面具有巨大优势,因而目前大量用于各种地球物理数据的联合反演中。利用一种改进型的遗传算法实现了井地磁测资料的联合反演。设计了二度板状体模型,理论模型的试验说明了方法的可行性和合理性。最后利用程潮铁矿区地面、井中的实际资料和解释结果进行了不同干扰情况下的井地磁测资料联合反演,结果表明井地联合反演有一定的抗干扰能力,其反演方法效果优于地面或井中单独数据反演。     

Using genetic algorithm based simulated annealing penalty function to solve groundwater management model

The genetic algorithm (GA) is a global and random search procedure based on the mechanics of natural selection and natural genetics. A new optimization method of the genetic algorithm-based simulated annealing penalty function (GASAPF) is presented to solve groundwater management model. Compared with the traditional gradient-based algorithms, the GA is straightforward and there is no need to calculate derivatives of the objective function. The GA is able to generate both convex and nonconvex points within the feasible region. It can be sure that the GA converges to the global or at least near-global optimal solution to handle the constraints by simulated annealing technique. Maximum pumping example results show that the GASAPF to solve optimization model is very efficient and robust.     

基于遗传算法的码本设计及其在说话人识别中的应用

矢量量化方法是与文本无关的说话人识别系统中广泛应用的建模方法之一.在矢量量化过程中,经典的LBG算法收敛速度快,但极易收敛于局部最优点,无法保证根据有限样本数据得到最优码本,并最终影响系统识别性能.本文提出了一种基于遗传算法并结合LBG算法的码本设计方法.该方法通过遗传操作获得全局优化的说话人模板,把新的识别算法应用于说话人识别的实验.结果显示,对于一个小的码本集,新的码本算法比经典的LBG算法具有更好的识别性能.     

地震数据反演中的Monte－Carlo算法、模拟退火算法（SA）及遗传算法（GA）

Ｍｏｎｔｅ－Ｃａｒｌｏ反演方法不是从方程出发直接求反问题，而是在可行解空间中随机产生一系列搜索点，通过检验各搜索点得到反问题的解，该方法具有很强的抗噪音能力，不需对问题作任何线性近似．模拟退火技术是把最优化问题与统计力学中热平衡问题进行类比得来的，它是一种最优化技术，把我们要找极值的函数看成是整个系统的能量函数，任一时制的系统状态则看成是模型空间的一个点．其优点是可避免陷入局部极小值，缺点是计算量很大。遗传算法（ＧＡ）这种新的“全局优化”算法的出现早于模拟退火十多年。ＧＡ的实质是应用于一个模型群体的一组运算，使我们得到一个新的群体，它比上一代成员有更大的期望平均拟合度。上述三种用于反演问题求解的算法已广泛地应用在地球物理求解中，已成为求解非线性反问题的有力数学工具。     

基于模拟退火的全局混合反演方法及其应用

为了增强模拟退火算法的局部搜索性能,将局部搜索能力较强的单纯形法和鲍威尔法引入模拟退火算法当中,形成了基于模拟退火的全局混合反演方法。给出了模拟退火算法与单纯形法的镶嵌式结合方式以及模拟退火算法与鲍威尔法的串行式结合方式,并对其结合步骤进行了详细的阐述,以便于编程实现。分别对模拟和实测的直流激电测深曲线进行了反演试算:对于不具有等值性的激电测深曲线,反演效果很好,模型参数的相对误差基本控制在1%以内;对于等值性较严重或含有观测误差的激电测深曲线,全局混合反演方法也不能完全克服多解性,但可以通过改变模型参数空间和算法参数进行多次反演,最终可给出合理的解估计。     

基于GA-LSSVM深基坑墙体侧斜滚动预测模型研究

针对基坑墙体侧斜数据的小样本和非线性特征,提出一种基于GA-LSSVM模型的基坑墙体侧斜的时间序列滚动预测方法。采用三次样条插值法对基坑墙体侧斜的时间序列进行预处理,运用遗传算法(GA)对最小二乘支持向量机(LSSVM)进行参数寻优,寻找最优参数模型,建立GA-LSSVM时间序列滚动预测模型,预测结果采用相关系数R和均方误差(Mean Squared Error,MSE)进行评价。该方法用于广州某地铁车站基坑墙体侧斜的预测分析,并和未经参数优化的最小二乘支持向量机预测模型进行对比分析,结果表明该预测模型的相关系数高,均方误差小,预测结果较为精准。     

一种快速准确求取复电阻率真频参数的反演方法

复电阻率法评价极化体极化性质的依据是极化体与围岩的柯尔-柯尔模型参数的差异,因此根据目标极化体的视谱求其真柯尔-柯尔参数,是复电阻率法评价极化体性质时必须解决的基本任务.本文针对水平层状极化介质提出了一种复电阻率最优化反演和递推反演相结合的新的求取真频参数的反演方法,该方法只需测量四个不同频率的复电阻率数据就可进行反演.为了考查该方法的反演效果,与单测点视谱常规反演法及联合谱激电反演法进行了对比计算,并对同一模型选取不同的初始参数进行了反演.计算结果表明,这种方法计算快速、稳定收敛,对反演初值要求不高,结果准确.     

地-井断面IP正演模拟研究

地-井方位IP观测的数据量有限,不能进行精确反演解释,而地-井断面IP可获得相对较多数据,使异常的定量解释成为可能。采用三维有限数值模拟技术,对两例地电模型进行地-井断面方式模拟计算,对正演数据进行二维反演解释,结果表明在数据量相对充足的情况下,对地-井IP数据进行反演解释,可以更详细地了解井旁盲矿体的信息。     

用基于遗传优化的扩展卡尔曼滤波算法辨识电池模型参数

提出了一种基于遗传优化算法(Genetic algorithm,GA)和扩展卡尔曼滤波(ExtendedKalman filter,EKF)算法的电池模型参数辨识方法。建立了锂离子动力电池等效电路模型,模型中两个RC网络分别描述电池的电化学极化特性和浓差极化特性,迟滞电压描述电池充放电过程的平衡电势的差异。对于具有耦合关系的模型参数,采用具有最小均方误差估计效果的EKF辨识算法,针对EKF算法通过试验调节难以取得最佳滤波效果的问题,提出基于遗传算法优化EKF噪声矩阵的方法。试验和仿真结果表明:基于遗传优化的EKF算法(GA-EKF)辨识的电池模型满足电动车辆仿真精度要求。