為了提高瑞雷面波頻散曲線的反演精度,減少反演過(guò)程中的多解性,獲取更準(zhǔn)確的地下橫波速度結(jié)構(gòu),本文從反演算法入手,對(duì)基本的粒子群算法進(jìn)行改進(jìn),提出了一種能同步提高全局和局部搜索能力的自適應(yīng)混沌遺傳粒子群算法(ACGPSO):即先采用自適應(yīng)慣性權(quán)重,并設(shè)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(duì)理論模型的無(wú)噪和含噪基階頻散曲線進(jìn)行反演,且針對(duì)含噪數(shù)據(jù)加入二階與三階頻散曲線進(jìn)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(duì)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(duì)實(shí)際數(shù)據(jù)所做的兩步法反演的效果進(jìn)一步驗(yàn)證了該算法的適用性。

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

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

通過(guò)上述對(duì)比,證明綜合改進(jìn)后的ACGPSO算法克服了PSO算法疏于開(kāi)發(fā)、易陷入局部最優(yōu)解的缺陷,增強(qiáng)了其全局和局部搜索能力,提升了對(duì)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(duì)多參數(shù)、多極值的復(fù)雜問(wèn)題時(shí),ACG-PSO算法比常規(guī)PSO或GA算法具有更強(qiáng)尋優(yōu)能力和更....

圖2三種算法對(duì)Rastrigin函數(shù)的尋優(yōu)迭代對(duì)比

表1三種算法尋優(yōu)結(jié)果對(duì)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(shí)/s最優(yōu)解最劣解平均解10次求解用時(shí)/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(shí)測(cè)頻散點(diǎn)個(gè)數(shù);Vobs、Vcal分別為實(shí)測(cè)的與反演模型M的基階頻散曲線。采用該目標(biāo)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(jì)算得到的無(wú)噪聲頻散曲線的反演結(jié)果(圖3)可見(jiàn):在預(yù)設(shè)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(duì)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(shí)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(duì)于基階模式的面波漸漸占據(jù)主導(dǎo)優(yōu)勢(shì)。另外,通過(guò)對(duì)一些模型的測(cè)試可知,不同階次的頻散曲線對(duì)同一層的敏感度會(huì)有所不同,同....

本文編號(hào)：3972636