瑞利波勘探是一種非常便捷、經(jīng)濟、可靠有效的勘探方法,發(fā)展至今,已經(jīng)廣泛地應(yīng)用到了巖土、工程地震及淺地表勘測等領(lǐng)域。通過反演瑞利波頻散曲線,可以有效地得到一系列地層評價參數(shù),比如剪切波速度、地層厚度、泊松比和地基承載力等。反演瑞利波頻散曲線是瑞利波勘探數(shù)據(jù)處理中的關(guān)鍵一步。目前,瑞利波頻散曲線的反演方法主要有線性與非線性之分,隨著計算機技術(shù)的發(fā)展,非線性反演算法逐漸受到重視,算法自身獨有的優(yōu)點逐漸顯現(xiàn),比如它們都不依賴初始模型,比較容易實現(xiàn),適用于解決具有高度非線性、多極值、多參數(shù)的瑞利波反演問題等。因此研究非線性算法在瑞利波反演中的應(yīng)用就變得越來越重要。遺傳算法,粒子群算法和人工蜂群算法三種非線性算法相對成熟,可以更好地解決瑞利波頻散曲線反演問題,但由于三種算法自身收斂速度慢,易早熟,收斂精度差等缺陷使得它們直接應(yīng)用到瑞利波反演中的效果較差。同時,高階模式的頻散曲線比基階模式頻散曲線對地層剪切波速度和地層厚度的敏感性要高,因此通過多模式頻散曲線的反演可以獲得更準(zhǔn)確的剪切波速度分布信息。針對上述問題,結(jié)合瑞利波反演的特點,本文首先對三種非線性算法進行了改進:（1）針對遺傳算法收斂速度慢的... 

【文章來源】：長安大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

(a)模型Ⅰ；(b)模型Ⅰ6階頻散曲線

(a)模型Ⅱ；(b)模型Ⅱ6階頻散曲線

(a)模型Ⅲ；(b)模型Ⅲ6階頻散曲線

【參考文獻】：
期刊論文
[1]一種改進的自適應(yīng)慣性權(quán)重的粒子群算法[J]. 張曉莉,王秦飛,冀汶莉.  微電子學(xué)與計算機. 2019(03)
[2]基于貓群思想的混合人工蜂群算法[J]. 趙玉霞,徐曉鐘,黃維,馬燕.  計算機技術(shù)與發(fā)展. 2019(01)
[3]基于改進的小生境粒子群算法在函數(shù)優(yōu)化中的應(yīng)用[J]. 張海妮.  河南科學(xué). 2018(04)
[4]改進蜂群算法及其在面波頻散曲線反演中的應(yīng)用[J]. 于東凱,宋先海,江東威,張學(xué)強,趙素濤,趙培強,蔡偉,袁士川.  地球物理學(xué)報. 2018(04)
[5]利用粒子群優(yōu)化算法快速、穩(wěn)定反演瑞雷波頻散曲線[J]. 蔡偉,宋先海,袁士川,胡瑩.  石油地球物理勘探. 2018(01)
[6]基于粒子群算法的瑞雷波頻散曲線反演研究[J]. 彭劉亞,任川.  地球物理學(xué)進展. 2018(04)
[7]多模式瑞雷波頻散曲線的粒子群反演方法研究[J]. 彭劉亞,任川,馮偉棟.  地球物理學(xué)進展. 2018(03)
[8]基于人工蜂群算法的瑞雷波多階模式非線性聯(lián)合反演研究[J]. 侯征,熊盛青,楊進,于長春,劉國輝.  地球物理學(xué)進展. 2018(01)
[9]混合拓撲結(jié)構(gòu)的粒子群算法及其在測試數(shù)據(jù)生成中的應(yīng)用研究[J]. 焦重陽,周清雷,張文寧.  計算機科學(xué). 2017(12)
[10]人工蜂群算法研究綜述[J]. 何堯,劉建華,楊榮華.  計算機應(yīng)用研究. 2018(05)

博士論文
[1]二維彈性非均勻介質(zhì)高頻面波反演[D]. 潘雨迪.中國地質(zhì)大學(xué) 2016
[2]瑞雷波反演及轉(zhuǎn)換波靜校正中粒子群算法的研究及應(yīng)用[D]. 盧勇旭.吉林大學(xué) 2013
[3]多元共生遺傳算法研究及其在藻類智能模式識別中的應(yīng)用[D]. 姚志紅.上海大學(xué) 2007

碩士論文
[1]自適應(yīng)GA與DLS聯(lián)合反演瑞雷波頻散曲線方法研究[D]. 雷宇航.西安石油大學(xué) 2018
[2]粒子群優(yōu)化算法的改進研究及其應(yīng)用[D]. 張志宇.蘭州交通大學(xué) 2017
[3]石油勘探中地震面波的非線性反演方法研究[D]. 閆月鋒.中國石油大學(xué)(華東) 2016
[4]基于頻散函數(shù)的瑞利波頻散曲線粒子群反演[D]. 楊釗.哈爾濱工業(yè)大學(xué) 2014
[5]基于改進遺傳算法的瑞雷波頻散曲線反演[D]. 毛承英.中南大學(xué) 2010



本文編號：3256421