大地电磁反演中改进的自适应正则化因子选取研究

通过建立大地电磁(MT)层状地电模型,利用共轭梯度法求解反问题,在给定不同初始模型的条件下对多种正则化因子选取方法进行了计算比较,分析了各种方法的特点和使用条件.结果表明,自适应正则化算法的效果与传统的定值方法如L曲线法相近,但反演过程远比传统方法便捷.为了解决反演依赖于初始模型的局限并增强解的稳定性,基于多种自适应正则化方案的对比分析,提出了改进的自适应正则化方案,选取数据拟合泛函与模型稳定泛函较大的比值为正则化因子的初始值,并提出相应的调整方案自动控制正则化因子衰减.模型试验表明,该方法对初始模型的依赖性低于其他几种自适应的算法,反演结果的稳定性较强,可以进一步提高正则化反演的效率.     

大地电磁反演中改进的自适应正则化因子选取

通过建立大地电磁(MT)层状地电模型,利用共轭梯度法求解反问题,在给定不同初始模型的条件下对多种正则化因子选取方法进行了计算比较,分析了各种方法的特点和使用条件.结果表明,自适应正则化算法的效果与传统的定值方法如L曲线法相近,但反演过程远比传统方法便捷.为了解决反演依赖于初始模型的局限并增强解的稳定性,基于多种自适应正则化方案的对比分析,提出了改进的自适应正则化方案,选取数据拟合泛函与模型稳定泛函较大的比值为正则化因子的初始值,并提出相应的调整方案自动控制正则化因子衰减.模型试验表明,该方法对初始模型的依赖性低于其他几种自适应的算法,反演结果的稳定性较强,可以进一步提高正则化反演的效率.     

基于深度学习的二维航空大地电磁数据反演

航空大地电磁法以其机动灵活、效率高等优点,适用于在地势崎岖的偏远环境中开展快速普查作业.目前,针对二维航空大地电磁数据的反演研究大多采用对目标函数求解偏导数的方式进行,这会造成反演结果对初始模型依赖高,且极易陷入局部极小值.为解决上述问题,首先从麦克斯韦频率域方程组出发,推导倾子响应计算公式.其次,采用有限单元法计算异常体地电模型倾子响应,并结合地下电阻率值标签,构建深度学习样本数据集,采用卷积神经网络顺利实现了二维航空大地电磁数据反演.最后,针对不同埋深的二维异常体地电模型,分别采用传统电磁反演和深度学习反演方法进行反演研究,对比分析了不同反演方法反演结果.结果表明,相较于传统电磁反演方法,采用深度学习反演方法进行二维航空电磁数据反演,反演速度更快,准确度更高.     

MT资料反演的一种实数编码混合遗传算法

设计了一种求解一维大地电磁测深反演问题的实数编码混合遗传算法,它是通过单纯形搜索与遗传算法结合而成。针对传统的遗传算法在优化应用中存在局部搜索能力弱、计算量大、对较大空间适应能力弱和早熟收敛,而基于局部线性化的单纯形法易使解陷入局部极小值,严重依赖初始模型的选择等问题,在遗传算法中加入一个改进的单纯形搜索算子,并采用最优群体保留策略。该新算法既具有遗传算法的全局收敛性,又具有单纯形法的快速收敛性。对各种类型的大地电磁测深理论曲线进行计算,结果表明:采用实数编码混合遗传算法进行反演具有收敛速度快、解的精度高和避免出现早熟等优点,可用于大地电磁资料解释。     

基于自适应粒子群优化和MPI的大地电磁并行反演算法

针对大地电磁粒子群反演算法存在的计算时间过长的问题,基于自适应粒子群优化和消息传递接口提出一种新的大地电磁并行反演算法.在曙光4000L大型机平台上,利用该并行反演算法进行一维大地电磁层状介质反演实验,实验结果表明,新的并行反演算法能有效解决大地电磁粒子群反演计算时间过长的问题.     

善治视域下我国政府回应能力提升探析

传统的可控源音频大地电磁法(CSAMT)反演方法属于线性或者局部线性,大都依赖初始模型.而遗传算法因其不依赖初始模型的特点而应用到CSAMT反演中.但是,标准的遗传算法存在早熟、局部收敛等问题.针对这些问题,对标准的遗传算法进行改进,采用排序法和最优保留策略相结合的选择算子,增强其种群多样性并保证其收敛性;采用父子竞争策略和自适应概率法相结合的交叉算子,能够防止好的父代个体被淘汰,又具有适应性.通过理论模型进行算法仿真验证,证明其有效性,说明改进遗传算法较标准遗传算法在CSAMT一维反演中有明显的改善.通过对实测数据进行反演,其结果与地质资料吻合,证明了其适应性.     

改进遗传算法的CSAMT一维反演

传统的可控源音频大地电磁法(CSAMT)反演方法属于线性或者局部线性,大都依赖初始模型.而遗传算法因其不依赖初始模型的特点而应用到CSAMT反演中.但是,标准的遗传算法存在早熟、局部收敛等问题.针对这些问题,对标准的遗传算法进行改进,采用排序法和最优保留策略相结合的选择算子,增强其种群多样性并保证其收敛性;采用父子竞争策略和自适应概率法相结合的交叉算子,能够防止好的父代个体被淘汰,又具有适应性.通过理论模型进行算法仿真验证,证明其有效性,说明改进遗传算法较标准遗传算法在CSAMT一维反演中有明显的改善.通过对实测数据进行反演,其结果与地质资料吻合,证明了其适应性.     

大地电磁人工神经网络反演

为提高大地电磁非线性反演的计算效率和精度,将人工神经网络引入大地电磁数据反演。神经网络输入为已知地电模型的视电阻率数组,输出为地电模型参数。采用BP算法(back propagation algorithm)进行学习训练,通过信息正向传播和误差反向传播,迭代计算得出神经网络连接权值的最优值;再将训练好的神经网络对未知模型的视电阻率进行反演。对2层和3层大地电磁模型分别建立神经网络并测试反演,研究结果表明:该反演方法能实时准确地逼近真实模型,验证了该方法的可行性和有效性。     

基于ATV正则化与初始模型约束的波阻抗反演

提出了一种基于各向异性全变分正则化和初始模型约束的波阻抗反演方法.为了综合利用地震数据的时空信息,提高反演结果的横向连续性,采用多道同时反演.实验结果表明,即使在强噪声干扰的情况下,利用该方法仍然能得到较好的反演结果,且反演误差较小.     

基于改进粒子群深度神经网络的频率域航空电磁反演

传统的梯度反演方法依赖于初始模型选取,且容易陷入局部极小,在一定程度上影响着反演的求解精度和收敛速度,为此,提出一种基于改进粒子群深度神经网络的频率域航空电磁反演方法。首先,通过频率域航空电磁模型正演获取样本数据集;随后,依据样本数据集建立深度神经网络的基本框架,网络的输入为归一化垂直磁场分量,输出为相应地电模型参数;第三,提出一种惯性权重振荡衰减措施在粒子群优化算法的基础上进行改进,以提高粒子群优化算法的全局寻优能力,并利用改进的粒子群优化算法优化深度神经网络的训练过程,得到连接权值与阈值的最优解;最后,将最优的权值与阈值作为网络的初始值,并利用该网络对未知地电模型进行反演测试。利用层状地质模型测试改进粒子群深度神经网络算法、粒子群神经网络算法和单一的神经网络算法的反演效果,并将此方法运用于实测航空电磁数据反演。研究结果表明:本文提出的改进粒子群神经网络算法充分结合了粒子群优化算法的全局寻优性能和深度神经网络的局部寻优性能,在反演过程中能有效避免反演陷入局部极小,寻找到全局最优解,并能准确地反演出地电模型参数;与粒子群神经网络算法和单一的神经网络算法相比,本文提出的方法具有更高的求解精度和收敛速度。     

基于自适应混沌变异粒子群算法的地震参数反演

提出了一种改进的基于自适应混沌变异的粒子群优化算法来解决地震参数反演问题.该算法提出自适应飞行策略,根据搜索能力对粒子群进行划分,增强了子群间的协同能力,使算法具有良好的全局寻优能力;两阶段混沌变异策略能够在粒子进化的不同阶段进行自适应性搜索,使算法具有较高的搜索精度.实验结果表明,该算法可有效避免标准PSO算法的早熟收敛,具有寻优能力强、搜索精度高、稳定性好等优点.首次将该算法应用于地震参数反演问题,结果表明该算法提高了反演精度且不受初始模型影响,能够较好地解决地震参数反演问题.     

基于数学形态滤波的大地电磁强干扰分离方法

针对矿集区大地电磁信号采集过程中常引入强噪声干扰等问题,采用数学形态滤波对大地电磁强干扰分离方法进行研究。在仿真信号中加入常见的强干扰来检验形态滤波的降噪能力,根据噪声类型选取不同结构元素尺寸及大小,并将形态滤波应用于实测大地电磁数据的降噪处理。采用非线性共轭梯度法进行反演,考查形态滤波对提高大地电磁测量数据质量的改善情况。研究结果表明:数学形态滤波能有效消除大地电磁强干扰中的大尺度干扰和基线漂移现象,重构信号基本保留原始大地电磁信号特征,改善大地电磁测深数据质量。由于该方法原理简单、并行运算速度快,具有较好的应用价值,适合于矿集区海量大地电磁强干扰分离。     

井间层析成像的平滑SIRT算法

井间层析成像是一个非线性反演问题 ,为了保证反演过程的稳定性 ,并提高迭代的收敛速度 ,对常规的SIRT算法进行了改进 ,即引入了平滑算子对梯度场进行动态平滑 ,并且通过线性搜索确定速度更新的步长。将这种改进的算法称为平滑SIRT算法。模型试算的结果证明 ,该方法提高了迭代的收敛速度 ,而且反演结果不受初始模型的影响 ,使反演过程的稳定性大大提高     

基于卷积神经网络的大地电磁反演

为了提高大地电磁二维反演精度,提出一种基于卷积神经网络的大地电磁反演方法。具体实现步骤如下:首先,对不同模型进行二维正演构建样本数据集;其次,将视电阻率和相位数据作为双通道网络输入,与其对应的地电模型参数作为输出搭建卷积神经网络框架,并对该网络进行监督学习与调参,从而获取最佳反演网络排列及超参数;最后,利用已训练好的网络对未知地电模型进行反演。通过理论模型检验的方法探讨大地电磁TM模式下多种地电模型体的卷积神经网络反演成像效果,并讨论输入分量和模型体深度对反演效果的影响。研究结果表明:本文提出的反演方法能对地电模型实现精准定位与成像,"聚焦"效果比最小二乘反演的优;同时,视电阻率和相位联合反演结果优于单一参量反演结果,浅部模型体的反演结果比深部模型体的优,并且联合反演的均方误差是单一反演的30%～50%。实测结果验证了所提出方法的有效性。     

井间层析成像的平滑SIRT算法

井间层析成像是一个非线性反演问题,为了保证反演过程的稳定性,并提高迭代的收敛速度,对常规的SIRT算法进行了改进,即引入了平滑算子对梯度场进行动态平滑,并且通过线性搜索确定速度更新的步长。将这种改进的算法称为平滑SIRT算法。模型试算的结果证明,该方法提高了迭代的收敛速度,而且反演结果不受初始模型的影响,使反演过程的稳定性大大提高。     

基于特征参数的频率域海洋可控源电磁数据反演影响因素分析

为评估电磁场分量、发射频率和观测模式对频率域海洋可控源电磁(CSEM)一维反演的影响,对经典的海洋一维油气储层模型开展一系列反演试验。研究结果表明:采用混合观测模式及多分量、多频率数据可明显改善反演效果,进一步对挪威Troll油田的CSEM数据反演并进行特征参数分析,反演所得的电阻率模型与地震解释资料吻合,在进行大规模二维或三维反演前,结合测区已知地质钻井资料可建立反演初始模型,使用该模型对实际数据进行特征参数分析,可初步判断该数据是否适合反演。     

基于混合遗传算法的叠前随机反演方法

针对常规随机反演方法计算效率低的问题,提出一种基于混合遗传算法的叠前随机反演方法。该方法充分利用测井资料中的高频信息,并以地震数据作为约束,首先通过快速傅里叶滑动平均(fast Fourier transform-moving average,FFT-MA)谱模拟算法进行随机模拟得到基于地质统计学的初始模型信息,随后结合提出的混合遗传算法对模拟结果进行快速优化,得到符合地下地质结构的反演剖面,实现对叠前弹性参数的反演。混合遗传算法避免了一般遗传算法常见问题,如收敛速度慢以及产生"早熟"现象,与模拟退火相结合能够快速收敛达到全局最优,保证了反演精度。数值试验结果表明,融入混合遗传算法的叠前随机反演方法,在充分利用叠前信息的同时可以保证反演结果有效收敛,并且与模型数据吻合较好,与传统的叠前反演方法相比具有较高的分辨率,在储层识别和油藏描述中起到了重要作用。     

基于改进的自适应遗传算法HCGA的测试数据自动生成

针对软件测试数据的自动生成,提出了一种自适应遗传算法和爬山算法相结合的改进算法HCGA. 通过设计自适应交叉和变异算子,加强了遗传算法的前期全局搜索能力;在进化后期嵌入了爬山算法,提高了局部搜索能力. 实验结果表明,该算法在测试数据的自动生成上优于遗传算法,提高了效率.     

可控源音频大地电磁法(CSAMT)一维全区Levenberg-Marquardt反演方法

将Levenberg-Marquardt这一全新反演方法引入可控源音频大地电磁法(CSAMT)勘探的全区数据反演,提高了CSAMT勘探的深度,避免了测深数据的浪费。Levenberg-Marquardt反演的核心是引入变阻尼的思想,在反演的过程中根据向量各个分量的收敛速度的不同,给定不同的阻尼因子,实现反演的自适应化,这样就大大增加了整个反演的收敛速度和反演精度。反演中采用改进的Bostick变换作为初始模型,减少了反演的迭代次数。     

一种改进的二维MT预条件非线性共轭梯度反演方法

在大地电磁反演方法中反演精度与计算效率问题是一对矛盾,高斯牛顿类方法反演精度高但计算效率低,非线性共轭梯度类方法计算效率高,但是反演精度不如高斯牛顿法高。在前人研究的基础上,提出一种改进的预条件非线性共轭梯度法,通过构建性状更接近高斯牛顿Hessian矩阵的预条件算子提高反演精度和计算速度。同时采用正则化参数的自适应更新算法保证反演稳定性和反演精度的平衡。模型实验验证了该方法的正确性。与其他方法的对比结果表明,该方法在保证反演精度的同时,提高了计算效率。对中国西部某地的实测MT数据进行处理解释的结果表明,该方法在解决复杂构造问题方面具有较高的实用价值。