改进的布谷鸟MT反演算法

发布时间：2021-05-20 21:22

　　由于大地电磁（MT）数据的反演是高度非线性的,传统的全局优化算法收敛速度慢,且易陷入局部极值。为此,提出一种结合单纯形法的全局布谷鸟算法（ICS）反演MT数据。针对布谷鸟算法（CS）精于探索、疏于开发的特点,引入粒子群算法中的全局最优解,加强算法的局部搜索能力;同时结合单纯形法对较差鸟巢进行改进,进一步提高寻优精度。理论和实测数据反演结果表明,改进后的算法反演结果更稳定,收敛速度更快,求解精度更高。 

【文章来源】：石油地球物理勘探. 2020,55(01)北大核心EICSCD

【文章页数】：10 页

【文章目录】：
0 引言
1 改进布谷鸟算法原理
    1.1 基本布谷鸟算法
    1.2 改进的布谷鸟(ICS)算法
    1.3 算法测试
2 理论模型试算
    2.1 无噪声理论模型
    2.2 含噪声理论数据
    2.3 反演结果分析
    2.4 ICS与CS算法的对比分析
3 实测数据反演
4 结论


【参考文献】：
期刊论文
[1]低频电磁探测技术在煤层气富集区的应用[J]. 陈理,秦其明,王楠,赵姗姗,张成业,惠健.  石油地球物理勘探. 2018(05)
[2]利用粒子群优化算法快速、稳定反演瑞雷波频散曲线[J]. 蔡伟,宋先海,袁士川,胡莹.  石油地球物理勘探. 2018(01)
[3]浅部频率域电磁勘探方法综述[J]. 汤井田,任政勇,周聪,张林成,原源,肖晓.  地球物理学报. 2015(08)
[4]大地电磁的人工鱼群最优化约束反演[J]. 胡祖志,何展翔,杨文采,胡祥云.  地球物理学报. 2015(07)
[5]大地电磁人工神经网络反演[J]. 王鹤,蒋欢,王亮,席振铢,张道军.  中南大学学报(自然科学版). 2015(05)
[6]布谷鸟搜索算法研究综述[J]. 兰少峰,刘升.  计算机工程与设计. 2015(04)
[7]单纯形法的改进萤火虫算法及其在非线性方程组求解中的应用[J]. 莫愿斌,马彦追,郑巧燕,袁伟军.  智能系统学报. 2014(06)
[8]大地电磁测深正演和反演研究综述[J]. 陈理,秦其明,王楠,白琰冰,赵珊珊.  北京大学学报(自然科学版). 2014(05)
[9]动态适应布谷鸟搜索算法[J]. 张永韡,汪镭,吴启迪.  控制与决策. 2014(04)
[10]求解工程结构优化问题的改进布谷鸟搜索算法[J]. 陈乐,龙文.  计算机应用研究. 2014(03)



本文编号：3198451