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。     

波阻抗反演的快速模拟退火算法

波阻抗反演是储层参数及砂体预测不可缺少的内容,在地震勘探中占有重要位置．使用快速模拟退火算法(FSA)进行波阻抗反演,能避免目标函数值陷入局部极值区并可获得全局最优解、因此,用快速模拟退火算法进行波阻抗反演,并通过理论模型试算和实际资料的反演验证了该算法的应用效果．结果表明,FSA反演结果不依赖于初值,FSA收敛速度比常规模拟退火算法(SA)收敛速度更快．井点处的波阻抗反演结果与测井数据基本吻合．     

结构混凝土超声波层析成像的反演算法研究

针对混凝土超声波层析成像结果不唯一和稳定性差的问题,首先依据超声波在混凝土中的传播特点,在反演算法中引入物理意义明确的自然权矩阵,对走时较小的射线和射线较密的成像单元加以重权.然后通过混凝土速度反演的数值模拟和模型试验,对反演算法进行了比较研究.结果表明,相对于最小二乘法和阻尼最小二乘法,基于自然权的加权阻尼最小二乘算法,由于利用了正确的先验信息,不但使反演过程收敛,而且具有数值稳定、抗噪能力强的优点,其成像结果能真实有效地反映对象内部缺陷,因此更适用于混凝土的超声波速度反演.     

斜井地震初至波走时层析试验

井间地震层析成像是井间地震技术的重要组成部分,而在地面地震勘探特别是在海上地震勘探中,斜井居多,因此,文章针对斜井层析成像的特点,先介绍了旅行时层析反演的基本原理,再根据Lanczos方法和QR分解算法详细推导了带阻尼的LSQR反演方法,且将此方法应用于二维斜井地震初至波走时层析成像中,用两个不同的斜井模型对算法进行了测试研究.结果表明:采用旅行时线性插值射线追踪的正演方法与带阻尼的LSQR反演技术得到的速度模型较好地反应了理论模型,说明了此算法在二维斜井地震层析成像应用中的正确性和有效性,为实际地震勘探工作提供了理论依据.     

阻尼LSQR算法在多波地震反演中的应用

多波VTI介质AVA储层参数联合反演的关键是解Jacobi矩阵。本文从Lanczos迭代出发,结合双对角化和QR分解,推导出了阻尼Lanczos算法流程。通过比较SVD算法和LSQR算法,显示了阻尼Lanczos算法在效率和精度方面的优越性。该算法应用于多波地震勘探资料反演中,获得的目标层储层参数:纵波速度、横波速度和密度,证明了该算法的有效性。     

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。     

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     

基于场值数据的可控源音频大地电磁一维全资料反演研究

可控源音频大地电磁CSAMT受发射源的影响,处在近区及过渡区的低频数据一直以来不能利用,仅将远区信号渐弱的高频数据做类似天然场源大地电磁反演,造成了数据资料的严重浪费。直接采用低频与高频的电磁场实部和虚部数据做一维奥克姆带源反演,完全不同于传统不考虑源或考虑源但仅用视电阻率的反演。理论反演研究表明直接利用场值反演,不仅能高效利用CSAMT全资料数据,避免数据浪费;同时也能达到预期的反演效果。     

CSAMT在新疆库车坳陷铀矿勘探中的应用

为了对新疆库车坳陷地区进行铀矿勘探,采用了勘探深度大、抗干扰能力强的CSAMT法进行铀成矿地质环境的研究.通过野外采集数据,对数据进行静校正处理,钻孔验证了CSAMT测量资料与推断解释地层、岩性的测井资料基本一致,达到了物探电磁测量资料指导钻探的目的.并根据CSAMT测量资料,按照电性层与地层的对应关系,勾划了侏罗系顶板埋深平面图,为进一步勘探工作奠定了基础.     

基于可控源音频大地电磁二维反演的MPI并行算法研究

可控源音频大地电磁(CSAMT)是以岩石的电性差异为基础和前提的勘探方法。该方法采用了人工场源,弥补了天然场源信号微弱、不易观测等缺点,已被广泛应用到矿产普查、油气勘探、水文环境等方面,并发挥了巨大的作用。基于CSAMT根据各频率依次独立处理数据的特点,采用了MPI并行运算方法,用多个进程同时来计算各频率数据,最后再将数据进行收集,得到最后的计算结果。通过对正演和反演的计算结果图的比较,验证了程序的正确性。对并行算法的效率进行了统计,进程数为2~5时,加速比能达到1.9~4.5,极大的提高了计算效率。     

基于灰色前馈神经网络的流行色预测

提出结合灰色理论和前馈神经网络的流行色预测模型GLMBPNN(Gray Levenberg-Marquardt Back Propagation Neural Network),并利用Levenberg-Marquardt算法提高传统BP(Back Propagation)神经网络模型的学习速率.运用灰色理论学习历史数据的变化规律,对数据进行灰化处理,再对比目标值与BP网络的初始输出值,不断进行逆向反馈修正,训练完毕后通过仿真、白化处理得出流行色预测值.研究表明,GLMBPNN模型预测所得的流行值比灰色模型方法所得值的精度高,且比传统BP神经网络的收敛速度快.     

一种新的快速BP神经网络算法--QLMBP

对反向传播（BP）算法中收敛速度最快的改进版本Levenberg-Marquardt BP（LMBP）进行了研究，找出了收敛速度的瓶颈：迭代控制参数的初始化会严重地影响到算法的选代次数；涉及的矩阵求逆是每次迭代中最耗时的计算；如果每次迭代中的误差平方和没有变小，该次迭代可能需要很长时间．本文通过上下三角（LU）分解去除耗时的矩阵求逆，并采取一维搜索来加速目标函数值的下降，使得LMBP不再依赖于迭代控制参数，从而提出了一种快速神经网络算法QLMBP．QLMBP算法的收敛速度比LMBP算法快100倍左右．     

改进BP神经网络在发动机性能趋势分析和故障诊断中的应用

针对常规BP神经网络参数的经验式取值方法以及收敛速度慢,容易陷入局部最小点等缺陷,设计了一种改进的神经网络系统,利用蚁群算法优化神经网络连接权初值,并采用LM算法对人工神经网络进行训练,提高了网络的收敛速度,降低了训练误差。将其应用于某型利用ACARS报文实时获取飞机性能参数的发动机趋势分析和故障诊断中,可以快速准确地实现对发动机的性能趋势分析和复杂故障的诊断。最后通过仿真,对算法进行检验,结果表明改进算法的诊断置信度比改进前高。     

基于BP神经网络的平板叶片阻尼反演方法研究

航空发动机在工作中容易受到外物撞击,包括跑道砂石、鸟体、机身零件等,对风扇和压气机造成损伤,导致机毁人亡的严重事故,故需要模拟外物撞击转子叶片,建立动态响应数值分析模型。其中阻尼系数是叶片振动分析最重要的物理参数之一,但其无法直接测量,本研究采用BP神经网络反演的方法得到平板叶片阻尼比。先取二十组阻尼比的叶片撞击仿真模型中的振幅和衰减时间,通过训练BP神经网络理论得到振幅、衰减时间与阻尼比的映射关系,再将实验得到的真实振幅和衰减时间输入映射关系,反演出真实结构的阻尼比。最后将阻尼比代入另一组参数的叶片撞击仿真,与试验结果进行对比,两者一致性较高,表明反演得到的阻尼参数是合理可靠的。     

拉普拉斯域频变衰减常数波形反演方法

在地震数据处理中,拉普拉斯变换可以较好地解决频域波形反演中低频数据的不可靠问题,但是同时施加在高频数据的衰减作用会使速度反演的细部信息有所损失.为了克服拉普拉斯变换在处理高频数据上的不足,在考察衰减常数特性的基础上,提出了一种频变衰减常数的拉普拉斯域波形反演方法,利用随频率变化的衰减常数调节控制拉普拉斯的衰减作用,在低频部分提取可靠稳定数据同时,降低对高频部分数据的衰减作用,以使反演结果具有可靠轮廓又具有丰富的细部刻画,改进了固定衰减常数反演方法的不足之处.     

基于时序建模的教学质量评估系统的神经网络辨识

采用时序分析对教学质量评估体系进行系统分析和建模,引入Box-Cox进行数据的非平稳性预处理,选用L-MBP网络进行系统辨识。通过比较网络对校验样本的预测效果,对隐层节点数和各层间的传递函数进行优化,同时采用重复训练法来提高网络的稳定性和预测精度。算例表明这种辨识方法能对教学质量进行更准确的评估和预测。     

椭球体上双频激电法的正演与反演算法

基于柯尔-柯尔频散理论,采用中间梯度上椭球体的复电阻率计算相应的幅频率,讨论椭球体的充电率、中心埋深和长轴倾角对幅频率异常和曲线形态的影响;研究幅频率资料的反演算法。研究结果表明:由于中间梯度剖面数据量非常有限,选择最小二乘迭代拟合算法是合适的;偏导数矩阵采用差分的方法求得,对模型参数进行无量纲处理,提高了反演效率;该反演算法迭代速度快,能够稳定收敛,反演效果较好。     

识别材料导热系数和导温系数的温度场逆分析

为了识别材料导热系数和导温系数,采用观测温度同时识别材料导热系数和比热容,在建立同时确定导热系数和比热容的肯态温度场逆分析数值计算模型的基础上,引入混沌优化方法求解该优化模型。以克服阻尼牛屯等方法求解该模型所遇到的困难,在瞬态温度场正问题求解中采用了精细积分方法以提高计算精度,算例验证了本文方法的有效性。     

Modified Levenberg-Marquardt algorithm for source localization using AOAs in the presence of sensor location errors

In this paper,by utilizing the angle of arrivals （AOAs） and imprecise positions of the sensors,a novel modified Levenberg-Marquardt algorithm to solve the source localization problem is proposed.Conventional source localization algorithms,like Gauss-Newton algorithm and Conjugate gradient algorithm are subjected to the problems of local minima and good initial guess.This paper presents a new optimization technique to find the descent directions to avoid divergence,and a trust region method is introduced to accelerate the convergence rate.Compared with conventional methods,the new algorithm offers increased stability and is more robust,allowing for stronger non-linearity and wider convergence field to be identified.Simulation results demonstrate that the proposed algorithm improves the typical methods in both speed and robustness,and is able to avoid local minima.