基于改进非线性算法的瑞利波多模式频散曲线反演研究

发布时间：2021-06-29 12:11

　　瑞利波勘探是一种非常便捷、经济、可靠有效的勘探方法,发展至今,已经广泛地应用到了岩土、工程地震及浅地表勘测等领域。通过反演瑞利波频散曲线,可以有效地得到一系列地层评价参数,比如剪切波速度、地层厚度、泊松比和地基承载力等。反演瑞利波频散曲线是瑞利波勘探数据处理中的关键一步。目前,瑞利波频散曲线的反演方法主要有线性与非线性之分,随着计算机技术的发展,非线性反演算法逐渐受到重视,算法自身独有的优点逐渐显现,比如它们都不依赖初始模型,比较容易实现,适用于解决具有高度非线性、多极值、多参数的瑞利波反演问题等。因此研究非线性算法在瑞利波反演中的应用就变得越来越重要。遗传算法,粒子群算法和人工蜂群算法三种非线性算法相对成熟,可以更好地解决瑞利波频散曲线反演问题,但由于三种算法自身收敛速度慢,易早熟,收敛精度差等缺陷使得它们直接应用到瑞利波反演中的效果较差。同时,高阶模式的频散曲线比基阶模式频散曲线对地层剪切波速度和地层厚度的敏感性要高,因此通过多模式频散曲线的反演可以获得更准确的剪切波速度分布信息。针对上述问题,结合瑞利波反演的特点,本文首先对三种非线性算法进行了改进:（1）针对遗传算法收敛速度慢的... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

(a)模型Ⅰ；(b)模型Ⅰ6阶频散曲线

(a)模型Ⅱ；(b)模型Ⅱ6阶频散曲线

(a)模型Ⅲ；(b)模型Ⅲ6阶频散曲线

【参考文献】：
期刊论文
[1]一种改进的自适应惯性权重的粒子群算法[J]. 张晓莉,王秦飞,冀汶莉.  微电子学与计算机. 2019(03)
[2]基于猫群思想的混合人工蜂群算法[J]. 赵玉霞,徐晓钟,黄维,马燕.  计算机技术与发展. 2019(01)
[3]基于改进的小生境粒子群算法在函数优化中的应用[J]. 张海妮.  河南科学. 2018(04)
[4]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)
[5]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)
[6]基于粒子群算法的瑞雷波频散曲线反演研究[J]. 彭刘亚,任川.  地球物理学进展. 2018(04)
[7]多模式瑞雷波频散曲线的粒子群反演方法研究[J]. 彭刘亚,任川,冯伟栋.  地球物理学进展. 2018(03)
[8]基于人工蜂群算法的瑞雷波多阶模式非线性联合反演研究[J]. 侯征,熊盛青,杨进,于长春,刘国辉.  地球物理学进展. 2018(01)
[9]混合拓扑结构的粒子群算法及其在测试数据生成中的应用研究[J]. 焦重阳,周清雷,张文宁.  计算机科学. 2017(12)
[10]人工蜂群算法研究综述[J]. 何尧,刘建华,杨荣华.  计算机应用研究. 2018(05)

博士论文
[1]二维弹性非均匀介质高频面波反演[D]. 潘雨迪.中国地质大学 2016
[2]瑞雷波反演及转换波静校正中粒子群算法的研究及应用[D]. 卢勇旭.吉林大学 2013
[3]多元共生遗传算法研究及其在藻类智能模式识别中的应用[D]. 姚志红.上海大学 2007

硕士论文
[1]自适应GA与DLS联合反演瑞雷波频散曲线方法研究[D]. 雷宇航.西安石油大学 2018
[2]粒子群优化算法的改进研究及其应用[D]. 张志宇.兰州交通大学 2017
[3]石油勘探中地震面波的非线性反演方法研究[D]. 闫月锋.中国石油大学(华东) 2016
[4]基于频散函数的瑞利波频散曲线粒子群反演[D]. 杨钊.哈尔滨工业大学 2014
[5]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：3256421