基于混合智能算法优化的大地电磁反演法研究

• 作者: 王新 白宁波 周君君 王玉喜
• 来源期刊: 煤炭科学技术
• 关键词: 粒子群算法 差分进化算法 Nelder-Mead优化算法 大地电磁
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 地球科学与测绘|Earth Science and Surveying
• 页码范围: 147-153
• 页数: 7页
• 分类号: P631
• 语种: 中文

摘要

大地电磁的反演问题是非线性的,如果采用将非线性问题线性化的线性反演方法,则容易产生陷入局部极小值和反演结果非唯一性严重等问题.目前单一的非线性智能算法在进行反演时也存在易陷入局部极小值和寻优效率低下的问题.为了解决该问题,结合粒子群算法、差分进化算法和Nelder-Mead优化算法设计了一种非线性的混合智能算法.混合智能算法不仅利用了粒子群算法和差分进化算法面向全局进行寻优的能力,同时还利用Nelder-Mead优化算法对寻优结果进行进一步的局部开发,解决了线性算法和单一的非线性智能算法易陷入局部极小值和寻优效率低等问题.在进行大地电磁反演时,又引入了正则化理论对目标函数进行约束,避免了反演结果的非唯一性.结合典型的多维函数寻优和理论模型分别用阻尼粒子群算法、差分进化算法及新提出的混合智能算法进行对比试验.研究结果表明:相比于阻尼粒子群算法和差分进化算法,混合智能算法具有较高的寻优效率,并且具有很好的鲁棒性.最后,应用混合智能算法对吉林桦皮厂地热田的一个实测点数据进行反演,并将反演结果与传统反演算法反演结果进行对比分析,表明了混合智能算法反演结果与实际勘探结果更加吻合,证明了混合智能算法对大地电磁实测数据进行反演处理具有较高的准确性.