發(fā)布時間：2017-12-07 07:23

  本文關鍵詞：直流電法地電模型參數(shù)辨識的非線性方法研究

  更多相關文章： 直流電法 神經(jīng)網(wǎng)絡 非線性 地電模型 參數(shù)辨識

【摘要】：直流電法地電模型參數(shù)辨識是復雜的非線性問題,常規(guī)的線性辨識性方法將非線性問題進行線性化處理,導致解釋易陷入局部極值,使得辨識精度降低,以至于獲得的辨識模型難以滿足地質(zhì)勘察快速、高精度、高維模式辨識的需求。以BP神經(jīng)網(wǎng)絡為主的非線性辨識算法,以其獨特的非線性逼近能力和學習能力,可有效改善辨識模型的辨識質(zhì)量,能夠?qū)崿F(xiàn)快速、高分辨率及深部地質(zhì)的勘察實驗。然而BP神經(jīng)網(wǎng)絡辨識算法在直流電法參數(shù)辨識過程中,存在:1)對初始值敏感,易陷入局部極小值;2)收斂速度較慢,訓練時間較長;3)隱含層節(jié)點的確定沒有規(guī)律可循;4)訓練中存在過學習以及欠學習的問題。以上因素制約了BP神經(jīng)網(wǎng)絡辨識算法的實際應用和發(fā)展。因此,本文一方面通過將其分別與具有全局搜索優(yōu)勢的粒子群算法和遺傳算法相結(jié)合,綜合每個算法的優(yōu)勢,達到改善辨識質(zhì)量的目的。另一方面提出具有數(shù)學與統(tǒng)計學基礎的類BP神經(jīng)網(wǎng)絡算法——支持向量機辨識模型,較好的解決了高維模式辨識非線性映射等問題,克服了BP神經(jīng)網(wǎng)絡的缺點,在處理直流電法參數(shù)辨識時體現(xiàn)出了自身的優(yōu)勢,有效提高辨識質(zhì)量。本文圍繞理論、數(shù)值模擬、方法、模型仿真和工程應用五個方面,展開對直流電法中以神經(jīng)網(wǎng)絡為主非線性算法方法的研究,主要研究內(nèi)容如下:1)理論方面,闡述了BP神經(jīng)網(wǎng)絡參數(shù)辨識的建模過程、辨識原理。從直流電阻率法的工作原理入手,理論推導了直流電法點源的電磁場分布,以及不均勻介質(zhì)下視電阻率的公式,闡述了影響直流電法辨識過程的常用工作方法、裝置類型和不同裝置的排列方法。分析了BP神經(jīng)網(wǎng)絡的多層前饋型結(jié)構(gòu)、傳遞函數(shù)、內(nèi)部訓練算法的性能。分析了影響B(tài)P神經(jīng)網(wǎng)絡參數(shù)辨識的主要過程:樣本劃分方式、輸入輸出節(jié)點的選擇、訓練算法的確定、隱含層節(jié)點的設置,并研究各個過程對直流電法參數(shù)辨識的影響。2)數(shù)值模擬方面,主要介紹了正演數(shù)值模擬的基本原理,比較分析了有限單元法與有限差分數(shù)值計算方法的特點,重點闡述了直流電法地電模型基于有限差分法的二維正演數(shù)值模擬方法,通過有限差分數(shù)值模擬來建立直流電法地電模型的地質(zhì)響應,構(gòu)建非線性參數(shù)辨識算法的訓練測試數(shù)據(jù)集,這是基于樣本訓練的非線性辨識算法的基礎,也是本文研究的關鍵。3)方法方面,結(jié)合BP神經(jīng)網(wǎng)絡參數(shù)辨識的工作原理,從優(yōu)化BP神經(jīng)網(wǎng)絡參數(shù)角度上,提出了適用于直流電法參數(shù)辨識的混合優(yōu)化辨識方法:基于量子粒子群的神經(jīng)網(wǎng)絡參數(shù)辨識方法(QPSO-BP)、基于改進的遺傳神經(jīng)網(wǎng)絡參數(shù)辨識方法(IGA-BP)。在傳統(tǒng)的粒子群算法中引入量子理論,克服粒子群算法的局部收斂的缺點,加快了粒子空間內(nèi)的搜索速度,便于快速搜尋BP辨識算法參數(shù)最優(yōu)值,從而獲得最佳辨識模型。改進的遺傳算法保持了遺傳算法的搜索特性,同時引入免疫機制的多目標求解的自適應特性,克服遺傳算法的“早熟”,與BP神經(jīng)網(wǎng)絡相結(jié)合形成具有更高辨識精度的辨識算法。從BP神經(jīng)網(wǎng)絡的結(jié)構(gòu)缺陷角度上,提出了類BP神經(jīng)網(wǎng)絡的最小二乘支持向量機辨識算法(LSSVM),最小二乘支持是支持向量機的改進算法,具有更好的非線性辨識能力和高維辨識能力。4)模型仿真方面,在QPSO-BP算法的基礎上,研究了水平雙阻模型下和垂向雙阻模型下的辨識效果,同傳統(tǒng)線性辨識算法和BP辨識算法相比,實現(xiàn)了地電模型辨識速度的提高,證明QPSO優(yōu)化算法的有效性和可行性。采用IGA-BP算法,研究了垂向雙阻模型下和多異常體復雜模型下的辨識情況,通過量化分析數(shù)據(jù)和辨識結(jié)果成圖,獲得了高精度、快速穩(wěn)定的辨識結(jié)果。針對LSSVM算法,研究了水平雙阻異常體模型下和帶有低阻覆蓋層的高阻體模型下的辨識,分析比較LSSVM方法在參數(shù)辨識過程中的各項誤差,并定量分析LSSVM算法對直流電法地電模型辨識時間和分辨率的改善。5)工程應用方面,利用分布式高密度電法儀器進行直流電法的參數(shù)辨識方法野外實驗驗證。通過線性辨識算法進行重建辨識模型的訓練樣本,通過合理設置算法參數(shù),有效的提高了直流電法地電模型的辨識精度和質(zhì)量,得到較為滿意的辨識結(jié)果,從實踐角度證明非線性辨識算法的有效性與可行性�；仡櫲乃〉玫难芯砍晒�,論文的主要創(chuàng)新點如下:1)提出量子粒子群與神經(jīng)網(wǎng)絡算法進行融合的直流電法快速參數(shù)辨識方法,量子理論的引入可有效加快粒子群中粒子的搜索速度,克服神經(jīng)網(wǎng)絡對初始值敏感等缺點,有效地提高了辨識模型的辨識速度。2)提出改進的遺傳神經(jīng)直流電法高精度參數(shù)辨識方法,在遺傳算法里引入免疫機制并將其應用于直流電法地電模型的參數(shù)辨識,免疫機制的引入解決了遺傳算法容易早熟、優(yōu)化時間較長的問題,同時克服神經(jīng)網(wǎng)絡易陷入局部極值的缺點,顯著地提高了辨識結(jié)果的準確度。3)提出基于LSSVM的直流電法高維模式參數(shù)辨識算法,利用其非線性以及高維識別能力,有效的克服了BP神經(jīng)網(wǎng)絡辨識算法因結(jié)構(gòu)缺陷在直流電法參數(shù)辨識中辨識精度低,辨識時間長的缺點,為直流電法地電模型高維參數(shù)辨識提供有效的辨識工具。
【學位授予單位】：吉林大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：P631.3

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉明;華亮;周俊;戴偉;邱愛兵;;動力定位船舶偽逆法與混沌粒子群法相融合的推力分配算法研究[J];海洋工程;2016年04期

2 王朝令;楊茜;劉爭平;孫克勤;;隧道地震預報中基于遺傳算法的波動方程反演[J];大地測量與地球動力學;2016年05期

3 李敬東;易叢琴;田豐;葛青青;;基于SVM模式識別的光纖圍欄入侵告警技術研究[J];光通信技術;2015年01期

4 朱霞;陳仁文;徐棟霞;毛世杰;;基于改進粒子群的焊點檢測路徑規(guī)劃方法[J];儀器儀表學報;2014年11期

5 程久龍;李明星;肖艷麗;孫曉云;陳丁;;全空間條件下礦井瞬變電磁法粒子群優(yōu)化反演研究[J];地球物理學報;2014年10期

6 田中大;高憲文;李琨;;基于EMD與LS-SVM的網(wǎng)絡控制系統(tǒng)時延預測方法[J];電子學報;2014年05期

7 陳曉;江建慧;;基于量子行為粒子群優(yōu)化的軟件可靠性模型參數(shù)估計[J];高技術通訊;2014年05期

8 戴前偉;江沸菠;董莉;;基于漢南-奎因信息準則的電阻率層析成像徑向基神經(jīng)網(wǎng)絡反演[J];地球物理學報;2014年04期

9 唐炬;;防御輸變電裝備故障導致電網(wǎng)停電事故的基礎研究[J];中國基礎科學;2013年06期

10 萬建臣;靳宗信;;多峰值函數(shù)優(yōu)化問題的免疫遺傳算法求解[J];電子科技大學學報;2013年05期

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 張凌云;高密度電阻率勘探反演的非線性方法研究[D];太原理工大學;2011年

2 張國云;支持向量機算法及其應用研究[D];湖南大學;2006年

3 王俊國;基于神經(jīng)網(wǎng)絡的建模方法與控制策略研究[D];華中科技大學;2004年

4 黃俊革;三維電阻率/極化率有限元正演模擬與反演成像[D];中南大學;2003年

5 章敬東;復雜優(yōu)化問題中智能算法的分析與集成[D];華南理工大學;2003年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 黃燕紅;基于SVM算法的癌癥基因數(shù)據(jù)分類研究[D];蘇州大學;2015年

2 王永莉;松遼盆地南部上白堊統(tǒng)油頁巖特征及成礦規(guī)律[D];吉林大學;2006年

3 楊瑩;基于混合粒子群算法的水火電短期優(yōu)化調(diào)度的研究[D];哈爾濱工業(yè)大學;2006年

4 郭得令;基于LS-SVM的圍巖位移非線性預測應用研究[D];武漢理工大學;2006年

5 黃婉平;自適應粒子群優(yōu)化算法及其應用研究[D];浙江大學;2006年

，

本文編號：1261588