本文關(guān)鍵詞：電阻率法地質(zhì)勘探反演方法研究

  更多相關(guān)文章： 電法勘探 遺傳算法 蟻群算法 BP算法 聯(lián)合反演

【摘要】：激發(fā)極化是指外加人工電流場(chǎng)在不同巖、礦石中的充放電產(chǎn)生的電化學(xué)過程。附加場(chǎng)的充放電快慢主要依賴于巖石顆粒的粗細(xì),顆粒粗的礦石速度慢,反之較快,這種物理現(xiàn)象是激發(fā)極化法進(jìn)行地質(zhì)異常體超前探測(cè)的前提。本課題是以激電法勘探為理論基礎(chǔ),來探測(cè)地下不同異常體的電阻率分布規(guī)律,完成地質(zhì)勘探非線性聯(lián)合反演成像,對(duì)隧道施工安全具有重要現(xiàn)實(shí)意義。地球物理反演是非線性問題,通常所用的線性反演算法對(duì)初始模型的依賴性較大,因此地球物理反演的一個(gè)重要趨勢(shì)就是聯(lián)合反演。本文主要介紹了遺傳算法與BP神經(jīng)算法的聯(lián)合算法、蟻群算法與BP神經(jīng)算法的聯(lián)合算法的框架和步驟。由于BP神經(jīng)網(wǎng)絡(luò)算法容易陷入局部最優(yōu),故分別利用遺傳算法和蟻群算法的全局尋優(yōu)的優(yōu)勢(shì)對(duì)BP網(wǎng)絡(luò)的初始權(quán)值、閾值矩陣先行尋優(yōu),得到優(yōu)化的網(wǎng)絡(luò)參數(shù)賦給BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí),提高地質(zhì)勘探反演速度。文中BEAM系統(tǒng)沙槽模擬實(shí)驗(yàn)平臺(tái)是在實(shí)驗(yàn)室環(huán)境下搭建的,系統(tǒng)主要由激勵(lì)電源、環(huán)狀電極、數(shù)據(jù)采集卡PMD-1608和計(jì)算機(jī)構(gòu)成。數(shù)據(jù)采集是以LabVIEW編譯的虛擬采集平臺(tái)完成的,數(shù)據(jù)采集卡經(jīng)過USB口將內(nèi)圈采集電極傳回的數(shù)據(jù)傳送到計(jì)算機(jī)保存處理,用于后期的算法反演。通過計(jì)算機(jī)MATLAB編程對(duì)空氣、石頭、水這三種典型的地質(zhì)模型進(jìn)行反演計(jì)算,得到地質(zhì)異常體形狀大小、位置分布、電阻率值等參數(shù),驗(yàn)證了兩種非線性聯(lián)合算法應(yīng)用到地質(zhì)超前勘探中是可行的。為突出非線性算法的優(yōu)勢(shì),同樣的數(shù)據(jù)利用BP算法單獨(dú)進(jìn)行數(shù)據(jù)反演,對(duì)反演結(jié)果進(jìn)行比較,對(duì)比反演結(jié)果可以得出結(jié)論:聯(lián)合算法雖然在前期優(yōu)化BP網(wǎng)絡(luò)的初始權(quán)值、閾值時(shí)會(huì)耗費(fèi)一定的時(shí)間,但是后期BP網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)次數(shù)大大降低,因此聯(lián)合反演算法較BP單獨(dú)反演能夠更快更精確地判斷出地質(zhì)異常體的屬性,達(dá)到隧道工程超前預(yù)警的目的。
【關(guān)鍵詞】：電法勘探 遺傳算法 蟻群算法 BP算法 聯(lián)合反演
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：P631.322
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-15
• 1.1 課題研究的目的與意義9
• 1.2 激電法勘探反演國(guó)內(nèi)外狀況9-11
• 1.3 地球物理反演非線性方法現(xiàn)狀11-13
• 1.3.1 遺傳算法11
• 1.3.2 蟻群算法11-12
• 1.3.3 BP神經(jīng)網(wǎng)絡(luò)算法12-13
• 1.3.4 模擬淬火算法13
• 1.4 本文主要的研究工作13-15
• 第2章 激發(fā)極化法理論與BEAM原理15-20
• 2.1 交流激電法的主要觀測(cè)參數(shù)15-16
• 2.2 BEAM系統(tǒng)原理16-19
• 2.3 本章小結(jié)19-20
• 第3章 遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)算法勘探反演應(yīng)用20-40
• 3.1 BP神經(jīng)網(wǎng)絡(luò)與遺傳算法聯(lián)合20-21
• 3.2 BP-GA網(wǎng)絡(luò)聯(lián)合原理與步驟21-24
• 3.2.1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的確認(rèn)21
• 3.2.2 遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化21-24
• 3.3 沙槽模型的GA-BP聯(lián)合反演結(jié)果24-39
• 3.3.1 單體石頭模型的GA-BP聯(lián)合反演24-32
• 3.3.2 單體水模型的GA-BP聯(lián)合反演32-35
• 3.3.3 單體空氣模型的GA-BP聯(lián)合反演35-39
• 3.4 本章小結(jié)39-40
• 第4章 蟻群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)算法勘探反演應(yīng)用40-54
• 4.1 蟻群算法簡(jiǎn)介40-41
• 4.2 ACO-BP網(wǎng)絡(luò)法聯(lián)合的原理41
• 4.3 ACO-BP聯(lián)合算法步驟41-43
• 4.4 沙槽模型的ACO-BP聯(lián)合反演結(jié)果43-53
• 4.4.1 單體石頭模型的ACO-BP聯(lián)合反演44-48
• 4.4.2 單體水模型的ACO-BP聯(lián)合反演48-51
• 4.4.3 單體空氣模型的ACO-BP聯(lián)合反演51-53
• 4.5 本章小結(jié)53-54
• 第5章 實(shí)驗(yàn)與勘探結(jié)果可視化54-61
• 5.1 BEAM系統(tǒng)實(shí)驗(yàn)平臺(tái)的搭建54-56
• 5.2 實(shí)驗(yàn)過程56-58
• 5.2.1 單體石頭模型實(shí)驗(yàn)56-57
• 5.2.2 單體空氣模型實(shí)驗(yàn)57
• 5.2.3 單體水模型實(shí)驗(yàn)57-58
• 5.3 實(shí)驗(yàn)數(shù)據(jù)處理58-59
• 5.4 反演結(jié)果可視化59-60
• 5.5 本章小結(jié)60-61
• 第6章 結(jié)論61-62
• 參考文獻(xiàn)62-65
• 在學(xué)研究成果65-66
• 致謝66

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 陳琨;張志明;;一種改進(jìn)遺傳算法的設(shè)計(jì)與實(shí)現(xiàn)[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年01期

2 胡蘭萍;黃海斌;;遺傳算法及其在化學(xué)領(lǐng)域中的應(yīng)用[J];海南師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年03期

3 王珊珊;;遺傳算法的理論基礎(chǔ)及應(yīng)用[J];科協(xié)論壇(下半月);2008年09期

4 高翔;海洋;;遺傳算法應(yīng)用[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

5 劉定理;;遺傳算法綜述[J];中國(guó)西部科技;2009年25期

6 歐陽柏平;;基于遺傳算法優(yōu)化獨(dú)立分量分析[J];科技信息;2010年07期

7 儲(chǔ)育青;齊義飛;肖立順;陳暉敏;石玉文;;遺傳算法研究概述[J];科技風(fēng);2010年09期

8 曾瑛;;遺傳算法在優(yōu)化求解中的應(yīng)用[J];科技創(chuàng)業(yè)月刊;2012年10期

9 丁承民,張傳生,劉輝;遺傳算法縱橫談[J];信息與控制;1997年01期

10 施光林,史維祥;遺傳算法及其研究與應(yīng)用新進(jìn)展[J];科技導(dǎo)報(bào);1997年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

2 李國(guó)云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國(guó)制冷空調(diào)新技術(shù)研討會(huì)論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會(huì)論文集[C];2006年

6 龐國(guó)仲;王元西;;基于遺傳算法控制步長(zhǎng)的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計(jì)[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專刊[C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專業(yè)委員會(huì)成立大會(huì)論文集（下冊(cè)）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國(guó)水利報(bào);2002年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

3 郝國(guó)生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2009年

4 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

5 馬國(guó)田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

6 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

7 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

8 劉冀成;基于改進(jìn)遺傳算法的生物電磁成像與磁場(chǎng)聚焦應(yīng)用研究[D];四川大學(xué);2005年

9 袁麗華;基于物種進(jìn)化的遺傳算法研究[D];南京航空航天大學(xué);2009年

10 李航;遺傳算法求解多模態(tài)優(yōu)化問題的研究[D];天津大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對(duì)偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測(cè)控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車車廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級(jí)公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測(cè)[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號(hào)：1008884