基于改进蚁群算法在面波频散曲线反演中的应用

发布时间：2021-04-14 06:39

　　为快速准确的反演得到近地表地层结构,将一种新颖而强大的非线性算法——蚁群算法引入到瑞雷波频散曲线领域,并对其进行相应的改进,改进蚁群算法的优点是运算效率快、精度高、算法简单、灵活易于实现,需要调节控制参数也较少。文中分别在无噪声\,含噪声以及实测数据进行反演测试,通过模型数据和实测数据表明,应用于瑞雷波反演中的改进蚁群算法在收敛速度与收敛精度之间能达到良好的平衡,所得解具有较高可信度。而且算法为促进所得解快速收敛到全局最优,在搜索中分全局搜索与局部搜索两个方式进行,能够有效地避免局部最优解产生。借助人工合成的瑞雷波数据以及真实观测数据,验证了改进蚁群算法在反演近地表剪切波速度时的有效性和通用性。此外,文中与遗传算法进行比较,得出改进蚁群算法具有高效性和高精度性的优点。 

【文章来源】：地震工程学报. 2020,42(06)北大核心CSCD

【文章页数】：11 页

【部分图文】：

四个理论模型正演模拟的频散曲线

图2和图3分别表示应用改进蚁群算法对简单的双层介质模型(模型A)进行反演的结果,通过这几张图我们可以对该算法的反演准确度、反演效率有一个直观的认识,其中搜索所需各参数列于表1。图3 基于改进蚁群算法对模型A的反演结果

基于改进蚁群算法对模型A的反演结果

【参考文献】：
期刊论文
[1]改进蜂群算法及其在面波频散曲线反演中的应用[J]. 于东凯,宋先海,江东威,张学强,赵素涛,赵培强,蔡伟,袁士川.  地球物理学报. 2018(04)
[2]黏弹性介质中瑞利波频散曲线和衰减系数曲线的反演[J]. 常冬梅,刘雪峰.  地震工程学报. 2015(03)
[3]浅地表地球物理技术在岩土工程中的应用与挑战[J]. 林志平,林俊宏,吴柏林,刘兴昌,洪瑛钧.  地球物理学报. 2015(08)
[4]参数自适应差分演化算法在面波频散曲线反演中的应用[J]. 程飞,刘江平,毛茂,王京,宋先海.  岩土工程学报. 2016(01)
[5]遗传算法在瑞雷波频散曲线反演中的应用研究[J]. 晋思,邵嘉琪,支剑丽.  人民长江. 2015(03)
[6]基于粒子群算法的地震预报方法研究[J]. 张晓煜,李向.  地震工程学报. 2014(01)
[7]瑞雷波在探测地下防空洞的应用研究[J]. 朱翔鹏,张学强,严哲.  工程地球物理学报. 2007(01)
[8]瑞雷面波勘探的过去、现在和未来[J]. 李庆春,邵广周,刘金兰,梁志强.  地球科学与环境学报. 2006(03)
[9]改进的等效半空间法及瑞雷波频散曲线反演[J]. 陈祥,孙进忠.  地球物理学报. 2006(02)
[10]基于SVD算法的瑞雷波频散曲线的快速稳定反演[J]. 丁怀军.  工程地球物理学报. 2004(04)

硕士论文
[1]基于改进遗传算法的瑞雷波频散曲线反演[D]. 毛承英.中南大学 2010



本文编号：3136860