基于混合优化算法的层状介质反演方法

发布时间：2021-04-05 07:32

　　针对层状介质的探地雷达数据反演结果不稳定、误差较大、时间复杂度高等问题,提出一种基于混合优化算法的反演方法。该方法将各层介质的首达时作为先验信息以减少待反演的参数,在使用多级细化搜索法初步确定地下层状介质的介质参数的基础上,再使用粒子群优化算法进行精确反演。仿真结果表明:混合优化算法能提高反演结果的稳定性,有效重建出各层介质的介电常数和厚度信息,大幅度降低时间复杂度。 

【文章来源】：现代雷达. 2020,42(05)北大核心CSCD

【文章页数】：6 页

【部分图文】：

图1 层状介质模型

为了验证上述混合优化算法的性能,构造了一个包含三层结构的较复杂的层状介质模型,如图2 所示。根据埋深从上到下分别为第一层、第二层和第三层,对应的相对介电常数分别为6、20和12,在不同的位置,各层的厚度是变化的。令介质模型的磁导率和电导率分别为1 H/m和0.005 S/m。使用时域有限差分方法[20]进行正演。模型中每隔10 cm有一个测点,共101个测点。由于各个测点三层介质的厚度不同,在对模型进行反演的过程中,分别对101个测点进行反演,再将反演所得的101组解进行整合,得到反演结果。分别应用基于粒子群算法的反演方法、基于多级细化搜索法的反演方法和基于混合优化算法的反演方法对模型的介质参数进行反演。为了便于论述,本文对上述三种方法做如下定义:方法1,基于粒子群算法的反演方法;方法2,基于多级细化搜索法的反演方法;方法3,基于混合优化算法的反演方法。为了增强可比性,将优化算法初始化相同的反演参数:搜索范围设定为[5,25];粒子群算法中的粒子数为40,最大迭代次数为100;多级细化搜索法的最大搜索级数N=5,解空间划分的间隔数D=4。图3～图5分别为三种方法反演所得的层状模型反演结果。

分别应用基于粒子群算法的反演方法、基于多级细化搜索法的反演方法和基于混合优化算法的反演方法对模型的介质参数进行反演。为了便于论述,本文对上述三种方法做如下定义:方法1,基于粒子群算法的反演方法;方法2,基于多级细化搜索法的反演方法;方法3,基于混合优化算法的反演方法。为了增强可比性,将优化算法初始化相同的反演参数:搜索范围设定为[5,25];粒子群算法中的粒子数为40,最大迭代次数为100;多级细化搜索法的最大搜索级数N=5,解空间划分的间隔数D=4。图3～图5分别为三种方法反演所得的层状模型反演结果。图4 方法2的介质反演结果

【参考文献】：
期刊论文
[1]基于电磁反演计算的超宽带无源电磁成像技术[J]. 陆军,沈月伟,刘民.  现代雷达. 2018(10)
[2]基于SA算法反演层状介质介电常数的算法[J]. 吕昌民,欧阳缮,李贝贝,姚连明,李浩然.  现代雷达. 2017(05)
[3]基于探地雷达首达时约束的层状构造波形反演方法[J]. 张海如,欧阳缮,王国富,张法全.  微波学报. 2016(01)
[4]基于改进粒子群优化的探地雷达波形反演算法[J]. 郑适,张安学,岳思橙,蒋延生.  电子与信息学报. 2014(11)
[5]基于粒子群优化的多目标体中梯电阻率异常反演[J]. 崔益安,纪铜鑫,李溪阳,朱肖雄.  地球物理学进展. 2013(04)



本文编号：3119412