基于改进蝴蝶优化算法的瑞利波频散曲线反演方法

瑞利波频散曲线反演问题的多解性和反演目标函数的多极值特点,使得常规非线性优化算法可能会产生收敛不稳定、易陷入局部最优等现象。在基本蝴蝶优化算法的基础上采用动态开关概率,引入非线性自适应权重因子,既增加了算法前期的全局探索能力,也保证了后期的局部开发能力。同时,在迭代过程中对最优解进行逐维柯西变异,利用贪婪算法更新最优位置,引导种群向全局最优靠近,通过对4种常用的Benchmark函数的性能测试,表明改进的蝴蝶优化算法无论是在单峰函数还是多峰函数上的全局寻优能力明显优于遗传算法和粒子群算法。采用不同算法针对3种理论地质模型的频散曲线进行反演,发现改进蝴蝶优化算法在频散曲线含10%随机噪声的情况下仍然能够得到与理论模型更加接近的反演结果。最后将改进蝴蝶优化算法应用于实际瑞利波数据,反演结果与实际钻孔揭露的地层分布情况高度吻合。且与遗传算法和粒子群算法相比,改进蝴蝶优化算法在收敛速度、求解精度和稳定性方面都有显著的提升,具有一定的实用价值和应用前景。

基于主被动源频散曲线拼接策略的面波频散曲线反演研究

面波勘探是浅地表勘查的主要方法之一,传统的主动源面波方法探测深度通常在30 m以浅,且在噪声干扰复杂的城市环境中作用严重受限;被动源面波正是利用背景噪声为信号源,探测深度大,但对浅层介质分辨能力较差。为此,提出一种主动源、被动源面波数据处理方法,兼顾勘探深度和浅层分辨率。首先对主动源和被动源数据的频散曲线进行拼接,从而获得更宽频带的多阶频散曲线。然后采用数值模拟并反演处理,验证主被动面波频散曲线拼接策略的有效性。通过实测数据处理,对比分析了主动源方法和拼接策略的反演效果,证明了主被动源频散曲线拼接策略能有效提高反演结果精确度。该策略解决了单一震源能量频带有限对反演结果造成的影响,为面波勘探提供了新的手段。

基于U-net网络的频散曲线自动拾取方法研究

频散曲线拾取是面波勘探的关键环节,旨在通过频散曲线反演出地下横波速度结构。然而目前频散曲线拾取工作主要依靠人工拾取,耗时耗力。为此,本文通过将频散曲线拾取问题看成是图像分割问题,引入U-net网络,发展出一种频散曲线的自动拾取方法。该方法使用频散能量图并使其作为数据集,使用人工手动拾取的频散曲线作为标签集;通过卷积神经网络经由上采样、下采样和跳层链接等步骤学习图片特征,实现频散曲线的自动拾取。模型测试结果验证了利用U-net网络提取频散曲线的准确性。最后本文将训练好的网络模型应用于冰岛南部Ölfusá河岸的Arnarbæli周边试验场地的实际数据频散曲线提取,并将提取结果与手动拾取的频散曲线进行对比。结果表明,利用U-net网络提取频散曲线预测速度快,预测512×512×3大小的图片耗时为96 ms,预测准确度高。

基于频散曲线和机器学习方法的层状生物软组织特性反演

生物软组织的几何和力学性质是多种疾病的重要指标,通过高精度反演得到生物软组织特性,如组织厚度、弹性模量和密度等,对疾病的诊断、治疗和康复都具有重要的医疗指导意义,超声波检测中包含的参数信息可以高效并准确地解决参数反演问题.文章将超声导波的频散曲线和机器学习相结合,建立了基于生物软组织Lamb波频散曲线的BP神经网络反演方法,分析了频散曲线的模态、波段、训练数据个数、波数采样点个数和数据噪声对反演精度的影响.研究结果表明,提出的反演方法能够准确地得到生物软组织的单参数特性,并且具有很好的普适性,可用于生物软组织的不同特性参数的反演.其中频散曲线数据通过求解频散方程获取.引入确定系数R2对反演结果进行评估,通过对比不同模态与频段下的反演结果,证明根据修正Morris法求得的灵敏度指标来选取频散曲线样本的模态与波段是一种有效手段.而且采用混合模态可进一步提升反演精度.训练数据个数和波数采样点个数超过相应的阈值后,反演精度基本不变,根据阈值可同时保证优异的反演精度和反演效率.通过在样本中加入随机噪声进行鲁棒性测试,当训练样本和测试样本的取值范围和噪声水平相近时,本文反演方法表现出一定的鲁棒性.

基于增强鲸鱼优化算法的面波频散曲线反演

增强鲸鱼优化算法是一种新型群体智能优化算法,相比于传统算法,其性能更加卓越。面波频散曲线反演横波速度可以对浅部的地层进行精确刻画,是工程物探领域一种可靠的手段。利用面波可以有效地识别当地层中出现含高速层或含低速层,但是面波频散曲线反演是一个多极值、非线性的问题。使用增强鲸鱼优化算法,相较于传统线性反演,其可以更快速地逼近极值或跳出局部最小值,收敛速度更快,满足工程物探的需求。

基于深度学习的面波频散曲线自动拾取方法研究

面波频散曲线拾取是获取浅地表横波速度结构的关键步骤,但传统方法主要依靠人工操作,效率低下且易受主观因素影响。本文提出了一种基于深度学习的面波频散曲线自动拾取方法,利用DisperNet网络结构对面波速度谱进行语义分割和实例分割,从而快速准确地提取频散曲线,实现了在石油勘探数据中的成功应用。

基于改进海洋捕食者优化算法和瑞雷波频散曲线的近地表地层参数反演

面波勘探是获取近地表地质结构的重要手段,利用瑞雷波频散曲线可以反演得到地层横波速度和厚度或泊松比等参数.本文提出了一种新的优化策略来处理瑞雷波频散曲线的反演问题.改进海洋捕食者算法(ACMPA)是一种改进混沌初始化,引入自适应步长和精英竞赛机制优化的反演算法.采用混沌映射进行种群位置初始化,提高初始化种群位置的质量;加入自适应函数,增强全局搜索能力;引入精英等级制度,避免算法陷入局部极值点,从而从局部和全局寻优进行优化,提高反演的收敛速度.通过正演模拟和实测数据进行测试分析,证明了改进的海洋捕食者优化算法的有效性与稳定性.该方法可以利用瑞雷波频散曲线信息反演得到近地表地层的介质参数,其收敛精度和收敛范围明显优于其他优化算法,具有较强的应用前景.

基于改进蜣螂优化算法的瑞雷波频散曲线反演方法

瑞雷波勘探方法是一种常用的近地表勘探技术,频散曲线反演是瑞雷波勘探数据处理流程中的关键步骤之一。作为一个典型的多参数、多极值、高度非线性的地球物理优化问题,频散曲线的准确、高效反演对计算近地表横波速度场,进而获取地层结构信息具有重要意义。提出一种基于改进的蜣螂优化算法的瑞雷波频散曲线反演方法,使用Halton序列初始化种群个体的位置,更好地控制初始化种群的空间分布;通过种群划分,对不同的子种群采用不同的搜索策略,一方面避免反演搜索陷入局部最优,同时实现算法的快速收敛。使用3个理论地质模型和实际资料,对改进蜣螂优化算法应用于频散曲线反演以获取地下横波速度分布的有效性进行验证。结果表明,与使用当前较为主流的改进自适应遗传算法进行频散曲线反演相比,新方法有效、稳定且能够快速收敛得到最优解。

基于蚁狮优化算法的瑞雷波频散曲线反演

反演瑞雷波频散曲线获得横波速度剖面,是近地表瑞雷波勘探中最重要的步骤之一;瑞雷波频散曲线反演是一个多极值、高度非线性问题,为此引入蚁狮优化算法求解该类问题。蚁狮优化算法是一种群智能算法,是模仿蚁狮设置陷阱捕食的行为建立的全局优化算法,该算法收敛速度较快且降低了不同的参数设置对结果产生的影响。通过使用蚁狮优化算法对典型的理论地质模型进行了频散曲线反演,反演结果表明蚁狮优化算法能够运用在瑞雷波频散曲线反演中且精度较高,在实测资料中与传统非线性方法进行了对比,验证了基于蚁狮优化算法频散曲线反演的优势与实用性。

超声导波频散曲线反演皮质骨参数的研究

皮质骨参数的变化可以反映骨质的健康状况,因此文章提出了一种频散能量匹配算法来反演皮质骨参数。首先,通过频散特性方程计算出预定义参数下的频散曲线数据库;其次,利用时域有限差分算法建立皮质骨声场模型,将仿真的时域信号通过功率谱估计得到频散能量信息,并与数据库进行匹配,通过分析匹配结果的能量从而得到皮质骨的厚度、纵波速度和横波速度。仿真结果显示:与理论值相比,厚度的平均相对误差为3.8%,纵波速度与横波速度的平均相对误差分别为0.6%、0.9%。对三组离体牛胫骨皮质骨进行反演,离体实验结果显示:与真实值相比,厚度相对误差为4.9%,且实验频散曲线与反演得到的理论频散曲线吻合。因此文中所提出的反演算法可以有效获取皮质骨的厚度,横波速度和纵波速度,从而为评价骨质的健康状况提供可靠的依据。

应用闪电连接过程优化算法反演多阶瑞雷波频散曲线

在瑞雷波勘探中,频散曲线反演是获取地下地层信息的关键,具有多参数、多极值特征。传统的全局优化算法,如粒子群(PSO)算法、遗传算法(GA)等,进行频散曲线反演时存在收敛速度慢、求解精度低等问题。为此,将一种新颖的全局优化算法——闪电连接过程优化(Lightning Attachment Procedure Optimization,LAPO)算法用于频散曲线反演。LAPO算法受自然界中闪电下行先导和上迎先导连接过程的启发所提出,通过模拟自然界中闪电形成过程寻求最优解。该算法全局搜索和局部开发能力都强,无需进行参数调整。使用理论地质模型和实际数据进行测试,结果表明:与PSO算法相比,LAPO算法具有收敛速度快、求解精度高、算法性能稳定的特点;LAPO算法不仅适用于基阶频散曲线反演,而且适用于多阶频散曲线反演,是瑞雷波频散曲线定量解释的有效工具。

基于面波频散曲线聚类分析的近地表横波速度反演

获取准确的近地表横波速度对复杂地表条件下弹性波地震数据处理和成像非常重要.在浅层面波工程勘探中通过反演提取的频散曲线可以获得近地表横波速度结构.在多道面波频散曲线分析中,频散关系拾取的精度直接影响速度反演结果的可靠性.本文在多道面波叠加及自动拾取频散曲线基础上,提出了基于面波频散曲线聚类分析的近地表横波速度反演方法.该方法充分考虑了低信噪比条件下面波频散曲线的不确定性,通过在频散曲线拾取中引入曼哈顿距离K-Means聚类算法提高频散曲线拾取的准确性.采用多道多窗口叠加技术提高了面波反演对横向速度变化的适应性,通过聚类算法和多窗口叠加提高反演的可靠性,聚类算法获得较准确的频散曲线更利于后续横波速度反演过程.模拟数据算例对比表明本文提出的方法比常规算法效果更好,精度更高.将提出的方法应用于工程勘探和油气勘探的面波数据反演中,结果也验证了该方法的有效性.

三维背景噪声数值模拟及频散曲线验证

近年来,以人类生产活动产生的振动和天然振动作为震源的背景噪声成像技术逐渐成为研究热点。无论是基于已知模型对背景噪声成像方法以及频散曲线提取方法的有效性进行验证,还是对背景噪声数据采集方式进行参数优化,均需通过波场数值模拟手段获取所需的背景噪声理论合成数据。三维数值模拟是背景噪声成像中的一项重要研究内容。针对背景噪声在时间域和空间域上具有随机性的特点,将随机震源引入三维瑞雷波波场有限差分数值模拟,实现背景噪声数据的有效计算,将模拟得到的噪声记录用基于Aki公式的两道法提取频散曲线并与理论频散曲线对比,以验证噪声模拟的可行性和有效性。理论模型测试结果表明:当震源参数处于合理范围时,合成背景噪声数据频散曲线与理论频散曲线拟合效果良好;同时三维模拟数据提取的频散曲线比二维模拟数据提取精度更高。

基于复频散曲线的周期排桩减振效应分析

轨道交通运营引起的环境振动尤其是低频轨道交通振动会对相邻建筑物和人体健康造成有害影响,其传播距离远、隔振难度大,危害性大。针对低频轨道交通振动危害,采用排桩隔振方式,基于复频散曲线,研究实心桩和多层桩的隔振性能,并讨论阻尼对隔振效果的影响。首先,基于声子晶体技术,考虑材料阻尼特征,推导并验证二维复频散曲线计算方法。其次,计算纯土、实心桩、多层桩的复频散曲线,并提取最小虚部值进行衰减性能对比分析。最后,计算不同隔振结构频域响应,并与复频散最小虚部曲线进行对比研究。研究结果表明:复频散曲线理论提取的最小虚部值能精准地量化波传播时的衰减特性;频率越高,阻尼影响越大;在衰减域内,振动波之间相互散射与衍射是振动衰减的主要原因;在衰减域外,阻尼是造成振动衰减的重要原因;相比于周期性实心桩,周期性多层桩可获得更好的低频隔振性能;复频散曲线最小虚部值随频率的变化趋势与传输曲线变化趋势一致,因此,可以采用单个晶胞的复频散曲线虚部值来预测有限排桩隔振性能,从而大大节约计算资源;在实际工程应用中,要达到良好的衰减性能,排桩排数建议超过4排。

杂交粒子群优化算法反演瑞雷面波频散曲线

针对传统粒子群算法反演面波频散曲线易陷入局部极值的问题,通过非线性的自适应惯性权重、引入压缩因子以及边界条件约束三种优化策略对该算法进行优化,提出一种杂交粒子群优化算法(Hybrid Particle Swarm Optimization,HPSO)进行瑞雷面波频散曲线反演,提高了反演的精度、减少了反演的多解性。通过典型地质模型的无噪声、含噪声及多模态理论频散曲线反演,验证了该方法的有效性、抗噪能力和多模态频散曲线联合反演能力;与边界约束粒子群算法反演结果的对比分析表明,HPSO具有更高的反演精度;最后,对实测数据进行了反演,验证了HPSO的适用性。

自适应对数螺旋路径萤火虫算法反演瑞雷面波频散曲线

瑞雷面波技术是浅地层地质勘探的重要手段之一,通过瑞雷面波频散曲线反演可有效获得地下横波速度模型.然而,瑞雷面波频散曲线反演具有多参数、多极值和非线性等特点,面对复杂地震-地质条件下的瑞雷面波资料处理,传统方法难以快速、精确地对地层参数进行反演和重建.本文将自适应对数螺旋路径萤火虫算法(Adaptive Logarithmic Spiral-Lévy Firefly Algorithm,简称ALSL-FA)引入到瑞雷面波频散曲线反演中,有效解决了经典萤火虫算法(Firefly Algorithm,简称FA)精于探索,疏于开发的缺点.ALSL-FA集成了对数螺旋引导萤火虫路径,并在搜索过程中通过自适应切换因子实现了全局搜索与局部开发自适应切换,在增强局部开发能力的同时,确保了全局搜索的能力.通过Rastrigin函数求解,对比分析了FA、Lévy飞行萤火虫算法(Lévy Flying Firefly Algorithm,简称LF-FA)和ALSL-FA的运算性能;通过速度递增和含高速硬夹层地质模型的瑞雷面波频散曲线反演,比较了人工蜂群算法(Artificial Bee Colony algorithm,简称ABC)、FA、LF-FA和ALSL-FA的反演结果,验证了本文方法的正确性和抗噪能力,并进一步应用于一套实际瑞雷面波资料反演处理.研究结果表明,本文方法有效弱化了对初始模型的依赖,并进一步提高了反演的精度,具有较强的全局寻优能力和局部开发能力,同时兼备良好的抗噪性能.

基于正余弦算法的瑞利波频散曲线反演

瑞利波在工程勘察领域应用广泛,通过反演瑞利波频散曲线可有效地获取地层信息,但频散曲线反演中传统全局优化算法存在收敛速度慢、收敛精度低和易早熟的问题。对此,本文引入一种新的全局优化算法——正余弦算法(SCA)进行瑞利波频散曲线反演研究。SCA基于正余弦函数数学性质,应用多个随机参数和自适应变量调整寻优过程中的探索和开发能力,在获得高精度解的同时还保证了收敛速度以及稳定性。首先利用4个不含噪声模型验证了SCA用于频散曲线反演的可行性;随后往模型中加入15%的随机噪声说明了SCA具有较强的抗干扰能力;接着将SCA与粒子群算法(PSO)进行对比,证明了SCA反演频散曲线能得到高精度和高稳定性的解;最后用冰岛Arnarb?lidi和美国怀俄明地区的地震数据检验SCA处理实际数据的能力。理论模型试算与实测资料分析的结果表明,SCA具有快速、高精度、稳定、实用性强的特点,可有效地应用于瑞利波频散曲线的定量解释。

瑞利波勘探中“之”字形频散曲线研究

研究了弹性层状半空间中导波的多模性问题 ,说明了关于瑞利波勘探中“之”字形频散曲线的形成机理 .证明由单个的导波模式不可能得到“之”字形频散曲线 ,并从能量的角度出发 ,研究了各模式的实际强度与地层参数的关系 ,克服了从相速度的角度解释“之”字形频散曲线的困难 .还深入研究了地表下低速层介质的位置、厚度及其他参数对“之”字形频散曲线的相互影响 .与实际资料进行了对比分析 ,理论结果和实际情况基本相符 .

半解析有限元法求解钢轨中超声导波频散曲线

钢轨中超声导波的频散曲线是采用超声导波技术进行无缝线路钢轨完整性检测的重要参考依据。通过传统的有限元模态分析方法,无法求解得到钢轨中超声导波完整的频散曲线,针对这一问题,采用了半解析有限元方法。求解时假设导波在钢轨中以简谐振动的方式传播,仅对钢轨的横截面采用三角形单元进行有限元网格划分,经理论推导得到超声导波在钢轨中传播的波动方程,通过求解特征方程,得到波数与频率的值,进而获取频率与相速度、群速度的关系,绘制出频散曲线。通过求解得到的特征向量还可以分析各导波模态的振动特性。实验结果表明,半解析有限元法求解得到的我国无缝线路CHN60钢轨的频散曲线与实际线路测试结果有很好的一致性。

三层层状介质中瑞利波的频散曲线特征

在前人工作的基础上对三层层状介质的瑞利波频散曲线进行了正演模拟研究,对假定的几组典型模型参数的频散曲线进行了认真分析。通过分析可知,各频散曲线之间是互不相交的,从而对此问题有了一个更清晰的认识。指出当低速软弱夹层存在时频散曲线的特点,并根据分析结果,说明"之"字形频散曲线的形成机理。