混合粒子群算法在地震波阻抗反演中的应用

为提高地震波阻抗反演的精度,提出了一种结合了混沌和遗传思想的混合粒子群算法。算法在搜索初期,加入了混沌思想,使算法具有了遍历性。在粒子更新过程中,又加入了选择、交叉、变异思想,增强了粒子之间的联系和粒子的多样性,使算法收敛速度更快,更容易跳出局部极值。针对模型对该算法进行了测试与对比,测试结果表明,该算法在反演精度上明显优于传统粒子群算法; 对算法的抗噪性进行了分析,在模型中加入15%噪声时,虽有一定误差,但符合度依然较好,表明本算法具有一定的抗噪声能力; 最后将算法用于实际地震资料,得到了良好的效果,表明本算法具有一定的实用价值。     

MP算法在地震波阻抗反演中的应用

当孔隙中充填油气后,波阻抗相对较低,准确反演地下地质体波阻抗信息可在一定程度上为油气检测提供依据。利用基于雷克子波原子库的匹配追踪(MP)算法对地震信号进行稀疏分解,进而可实现对地下地质体的高精度波阻抗反演。模型试算表明,MP算法可以用于地震信号的稀疏分解,且两层间厚度λ/4调谐时,仍可大体反映层位及系数的相对大小关系。通过对实际地震资料的计算表明,该算法也适用于实际资料,且与实钻情况吻合。     

基于遗传算法的波阻抗混合反演处理系统

提出一种基于遗传算法的波阻抗混合反演处理新方法,应用Visual C 集成的MFC类库建立了基于遗传算法的波阻抗混合反演处理系统.文中简述了遗传算法混合反演的基本原理、系统结构及功能,介绍了系统的主要特点,用数值模型与实际地震信号检测了系统中f-x去噪、目标函数子波提取、混合反演处理的正确性.结果表明波阻抗混合反演处理系统处理效果明显,同时提高了应用遗传算法实现波阻抗反演处理的效率.     

综合的并行搜索策略及其在剩余静校正中的应用

文章以并行遗传算法为基础，根据生物遗传规律的特点，综合多种杂交方式和生物遗传技术（共享技术、受限交配、灾变等），提出了一种综合的并行搜索策略，用以克服遗传算法的早熟收敛现象，提高遗传寻优的效率。通过对剩余静校正估计的模型试验，其结果比常规的单一遗传算法有明显的改善，能够更有效地接近于真正的最优解。     

遗传算法及其在遥感线性、非线性模型反演中的应用效果分析

分别以2类常见的遥感模型--线性光谱混合模型和GOMS模型为代表研究了遗传算法在遥感线性和非线性模型反演中的应用效果,并与逐步二次规划法等确定性搜索算法进行了比较.结果表明,遗传算法在线性遥感模型反演中的优势并不明显.而在非线性遥感模型反演中优于确定性搜索算法.这主要是因为对于线性模型来说,一般定义的代价函数为凸函数,大多优化算法可以收敛于全局最优解,相比较而言,遗传算法因其搜索效率低,故优势不明显.而在非线性模型反演中,代价函数的形式比较复杂,可能是非凸的,因此遗传算法的优势得以发挥,这也说明与一般确定性搜索算法相比,遗传算法具有更好的全局收敛性.     

波阻抗混合优化反演方法研究

遗传算法是一种具有全局优化的随机搜索算法,针对遗传算法存在局部搜索能力差,求解精度不高等缺点,引入了模式搜索算法,利用模式搜索算法较强的局部搜索能力和较高的求解精度弥补遗传算法的不足。即利用遗传算法来控制寻优过程,用模式搜索算法使解快速逼近极小点,然后再用遗传算法使解逃脱局部极值,从而达到全局寻优目的。理论模型和实例计算分析验证了该方法的有效性     

自适应遗传算法在某拱坝渗流参数反演中的应用

利用水头实测资料,以渗透系数为待反演参数,在采用基本遗传算法进行参数反演研究的基础上,针对简单遗传算法难以确定交叉率和变异率的最佳值及计算量较大、易早熟等缺点,提出以自适应遗传算法来解决工程中的这类反演问题;为力求使改进的遗传算法计算量更小,收敛性更强,同时结合二维稳定渗流有限元工程实例进行了反演计算.结果表明,自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题.     

基于分布式并行遗传算法的相对波阻抗反演方法

目的研究地震相对波阻抗反演的优化方法。方法比较遗传算法二进制编码、实数编码在最优个体保存策略、随机均匀分布选择、分散交叉、高斯变异和分布式并行方案下的全局寻优能力。结果实数编码分布式并行遗传算法优于基本遗传算法,用该方法对数值模型和实际地震剖面进行波阻抗参数反演,验证了分布式并行遗传算法的有效性、优越性。结论基于分布式并行遗传算法的相对波阻抗反演,为遗传算法在地震属性的优化研究中提供了一种改进思路。     

一种快速收敛的遗传算法及其应用

为了解决遗传算法的收敛速度和全局收敛性之间的矛盾,提出了一种快速收敛的遗传算法,即“适应度缩放”加“有偏外来移民”的遗传算法。将该方法应用于柔性结构振动主动控制中的作动器／传感器位置及反馈增益的优化,其优化效果明显优于传统的优化算法。数字仿真结果表明,对于复杂非线性约束优化问题,该遗传算法具有较好的快速收敛性和全局收敛性,由优化了位置的作动器／传感器和优化增益的控制系统具有良好的减振效果。     

声波反演在研究煤层厚度变化中的应用

本文通过我队在煤矿采区所做二维地震勘探,利用声波反演对煤层及围岩岩性方法的研究,通过声波反演精细研究煤层及围岩在数据体上的几种特征,分析岩性特征的变化规律,来指导矿井今后的生产,从中看出了二维地震勘探在本矿区是探查煤矿煤层及岩性变化有效的技术手段之一。     

混合遗传算法及应用

给出了几种典型的混合遗传算法和基本思想,并着重讨论了一种改进的混合遗传算法及其应用,表明了混合遗传算法可提高优化质量和搜索效率．     

格雷码混合加速遗传算法及其性能分析

通过在格雷码遗传算法进化过程中加入单纯形法学习算子,并利用格雷码遗传算法和单纯形法所得到的优秀个体群,作为变量新的变化范围,逐步缩小搜索空间,自动向最优解收缩,提出了求解非线性规划问题全局解的一种快速算法--格雷码混合加速遗传算法(GHAGA).为了在可行域内能得到全局最优解,在参数的定义域内投放了大量的均匀随机初始点作为初始群体.给出了GHAGA算法实施的详细步骤,建立了GHAGA相应的收敛定理,并分析了该算法的全局优化性能.理论分析和数值模拟表明,GHAGA具有精度高、收敛速度快的特点,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的较好的非线性规划方法.     

遗传算法在电力变压器和电机全局优化设计中的应用研究

根据遗传算法的基本理论，并结合电力变压器、电机优化设计的特点、对传统遗传算法的遗传操作提出了改进措施，研制了能够较好地解决混合离散变量优化的遗传算法，算例表明，该方法能有效地求得全局极小点或近似全局极小点。     

波阻抗反演在气藏描述中的应用

波阻抗是储集岩的一种重要物性参数,同振幅等反映界面性质的参数相比,具有低的多解性和更高的储层横向预测精度。运用测井约束的地震波阻抗反演,可以较准确地获取储层波阻抗参数;再运用井上测井资料,建立砂体解释模型和储层含气性解释模型,可以获得较准确的砂体等厚度图和波阻抗平面分布图,达到储层横向预测的目的     

遗传算法及其应用

遗传算法是模拟自然界生物进化过程的计算模型。这种算法具有搜索过程简单、通用性和鲁棒性强的特点以及广泛的应用潜力。本文概要地介绍了遗传算法的基本原理、理论．并在此基础之上阐述了遗传算法在三个领域的应用。最后对遗传算法做了一定的展望。     

遗传算法在输电网中长期规划中的应用

本文中将遗传算法用于输电网中长期规划问题的研究,取得了令人满意的结果。     

具有免疫体亲近性的遗传算法及其应用

遗传算法处理具有离散变量的优化问题及网络问题是比较有效的，但在此算法时，容易产生限于局部的最优解，本文根据生物体的免疫体具有亲近性的特征，改进了遗传算法，并应用改进后的算法，求解旅行商问题。     

ZL算法及其在磁盘存贮中的应用

从理论上分析、引出并证明了一个具有特别意义的映射——ZL映射。从而构造了一个有主要应用的算法——ZL算法。并把它应用于解决磁盘存贮中的问题，最大程度地减少了寻找数据的时间，提高了速度和效率。     

分频波阻抗反演方法及其应用

应用岭回归法对波阻抗反演进行了理论和应用研究。引入了分频思想 ,将地震资料分成几个一定频宽的频段数据进行反演。在用低频成分反演时 ,避免高频噪声的影响 ;用高频成分反演时 ,避免低频噪音的影响。理论模型和实际资料的反演结果表明此方法稳定 ,反演结果可靠 ,使信噪比有了一定提高