為了提高瑞雷面波頻散曲線的反演精度,減少反演過程中的多解性,獲取更準確的地下橫波速度結(jié)構(gòu),本文從反演算法入手,對基本的粒子群算法進行改進,提出了一種能同步提高全局和局部搜索能力的自適應混沌遺傳粒子群算法(ACGPSO):即先采用自適應慣性權(quán)重,并設置粒子的節(jié)速度,再引入遺傳算法的交叉和變異操作及單維全分量的混沌局部搜索。利用該算法對理論模型的無噪和含噪基階頻散曲線進行反演,且針對含噪數(shù)據(jù)加入二階與三階頻散曲線進行聯(lián)合反演。所得反演結(jié)果與常規(guī)粒子群算法反演結(jié)果的對比表明:ACGPSO算法具有更好的穩(wěn)定性和抗噪性,且基于該算法的聯(lián)合反演能有效降低解的多解性,顯著提高解的精度。對實際數(shù)據(jù)所做的兩步法反演的效果進一步驗證了該算法的適用性。

【文章頁數(shù)】：12 頁

【部分圖文】：

圖1Rastrigin函數(shù)(a)和Griewank函數(shù)(b)的曲面

通過上述對比,證明綜合改進后的ACGPSO算法克服了PSO算法疏于開發(fā)、易陷入局部最優(yōu)解的缺陷,增強了其全局和局部搜索能力,提升了對全局最優(yōu)解的收斂速度,且顯著提高了最終解的精度。因此,在面對多參數(shù)、多極值的復雜問題時,ACG-PSO算法比常規(guī)PSO或GA算法具有更強尋優(yōu)能力和更....

圖2三種算法對Rastrigin函數(shù)的尋優(yōu)迭代對比

表1三種算法尋優(yōu)結(jié)果對比優(yōu)化算法Rastrigin函數(shù)Griewank函數(shù)最優(yōu)解最劣解平均解10次求解用時/s最優(yōu)解最劣解平均解10次求解用時/sGA5.17×10-21.034.71×10-11.901.06×10-21.43×10-14....

圖3模型A、B不含噪聲數(shù)據(jù)的反演結(jié)果

式中:M為某一反演模型;N為實測頻散點個數(shù);Vobs、Vcal分別為實測的與反演模型M的基階頻散曲線。采用該目標函數(shù)的ACGPSO算法反演結(jié)果如圖3和表3所示。從模型A和模型B計算得到的無噪聲頻散曲線的反演結(jié)果(圖3)可見:在預設的較大搜索范圍內(nèi)(圖3b和圖3d中短劃線),....

圖4模型A、B含噪聲數(shù)據(jù)的反演結(jié)果

對于類似模型A和模型B的含異常夾層的地層,在利用瑞雷面波法勘探時所獲頻散曲線常呈現(xiàn)呈現(xiàn)“之”字形回折現(xiàn)象[3,25],該頻散曲線隨著頻率增大,高階模式的面波能量相對于基階模式的面波漸漸占據(jù)主導優(yōu)勢。另外,通過對一些模型的測試可知,不同階次的頻散曲線對同一層的敏感度會有所不同,同....

本文編號：3972636