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

合集下载

湖北省2012年优秀硕士学位论文公示名单(第10批)

序号作者姓名导师姓名论文题目单位名称1贺靖王林基于差分进化算法的联合补货模型研究华中科技大学2周婷婷刘世元基于交叉传递函数的畸变空间像计算方法研究华中科技大学3李丹雷祖康一个山村的民居自发更新与设计参与研究华中科技大学4梁慧刘文予无线室内覆盖系统自动设计研究华中科技大学5左海波史铁林仿蝴蝶鳞翅微纳结构光学特性研究华中科技大学6苏堂枫李熳电针通过激活大麻素2型受体下调炎症皮肤组织促炎细胞因子表达华中科技大学7郭瑞强柳林HVAF 与HVOF 铁基非晶涂层的结构与性能研究华中科技大学8胡剑双余柏椿城市绿道网络构建理论及其在我国的应用研究华中科技大学9李文浩娄春炉内温度分布及热辐射参数检测的实验研究华中科技大学10刘怡芳张步涵电力系统静态安全性的风险评估方法研究华中科技大学11陆僖胡辉活性炭高选择性净化医用一氧化氮中二氧化氮的特性研究华中科技大学12石杨高亮元胞粒子群优化算法及其在柔性作业车间调度中的应用华中科技大学13覃小野曾亦可B2O3-Nb2O5-SrO-BaO 玻璃陶瓷的制备和性能研究华中科技大学14周雪帆陈宏基于节能的高层办公建筑自然采光设计策略研究华中科技大学15陈威彭芳瑜基于闭链刚度场模型的多轴数控加工轨迹规划华中科技大学16丁小虎曾大文生物模板法合成SnO2和WO3分级结构材料及其气敏性能研究华中科技大学17李响张新亮微波光子学滤波器及其应用的研究华中科技大学18王欧朱新卓文化排斥：学校教育进行底层社会再生产的机制——基于武汉G 中学的实证研究华中科技大学19杨寅杨家宽氧化沟优化运行的CFD 模拟及实验研究华中科技大学20袁瑞梅张咸伟CYP3A4*1G 基因多态性对中下腹手术患者芬太尼代谢的影响华中科技大学21陈云朝俞江论民国南京政府时期的土地所有权华中科技大学湖北省2012年优秀硕士学位论文初选名单（第10批）（239篇）附件222郭盼郭欣燃煤烟气汞在氧化铁表面吸附机理研究华中科技大学23邵士茜汪毅硅基集成光栅耦合器及其偏振无关特性研究华中科技大学24涂文琼陈建桥面内加载及低速冲击下复合材料层合板抗分层失效研究华中科技大学25王圣林谭刚毅赣鄂地区移民通道上雷氏家族的聚落与民居形态特征比较研究华中科技大学26王兴双王军空调器室外机流场数值模拟及其轴流风扇噪声预估华中科技大学27曾芳王凯平当归多糖参与正常机体铁代谢的分子机制研究华中科技大学28周汉英王永骥脑神经信号及气动人工肌肉的ESN建模与控制华中科技大学29秦飞姚光庆宝浪油田宝北低渗储层水平井剩余油开发技术研究中国地质大学30尹新义任建业琼东南盆地断裂组合样式及其变形机制模拟分析中国地质大学31曾令高张均四川盐源平川铁矿床成矿规律研究中国地质大学32陈璐刘勇胜碳酸岩样品微量元素LA-ICP-MS微区原位准确分析方法研究中国地质大学33何宾宾皮振邦低品位硫酸渣中铁资源回收新技术中国地质大学34刘函王国灿北阿尔金洋新元古代-早古生代裂拼演化过程--红柳沟-拉配泉蛇绿混杂岩带剖析中国地质大学35吴晓勇梁玉军白光LED用红、白荧光粉的合成与光谱性能研究中国地质大学36黄磊唐辉明汶川地震区崔家油房岩质斜坡的地震响应中国地质大学37刘益雄黄焱球K0.5Na0.5NbO3基无铅压电陶瓷的制备与改性研究中国地质大学38闵慧任建业南海北部富烃凹陷发育的构造控制条件分析-以惠州凹陷为例中国地质大学39张凯陈超粘弹性介质瑞雷波模拟及其频散曲线反演中国地质大学40朱清波杨坤光九江-瑞昌地区滑脱构造特征及其演化中国地质大学41胡庆冯庆来贵州安顺新民剖面晚二叠世碳同位素研究中国地质大学42沈俊冯庆来华南二叠纪-三叠纪之交深水相古生产力的演化中国地质大学43徐伟解习农东营凹陷沙河街组三段、四段高频旋回识别及其地质意义中国地质大学44杨娟郭海湘带服务优先级的煤矿物资配送车辆路径问题研究中国地质大学45张楗钰张克信青海循化渐新世末期－上新世早期地层序列与孢粉学研究中国地质大学46李焱胡祥云基于MPI的大地电磁三维正反演并行算法研究中国地质大学47王永忠胡新丽南方极端冰雪灾害条件下输变电工程地基土承载力研究中国地质大学48裴丽欣周爱国粘性土的不同特征对多环芳烃阻隔能力影响研究中国地质大学49雍睿唐辉明室内岩体结构面抗剪强度参数取值方法研究中国地质大学50张洋叶加仁惠州凹陷古近系油气成藏特征及主控因素中国地质大学51国旗李祖超拔尖创新人才核心价值观塑造研究中国地质大学52马瑶瑶田家华丹江口库区水资源承载力研究中国地质大学53张争艳陈定方自升式海洋钻井平台齿轮齿条爬升与锁紧系统设计与研究武汉理工大学54冯敏肖汉斌基于温度场变化条件下的大型港口机械应力与变形分析武汉理工大学55王犇华林弧齿锥齿轮参数化设计及啮合传动规律研究武汉理工大学56张雪慧潘长学无言之维—汉字造字思维在现代设计中的应用武汉理工大学57周广华林大型环件径轴向轧制成形工艺理论研究武汉理工大学58高媛媛张高科高活性、高稳定性铁/累托石（海泡石）催化剂的制备及其用于可见光/Fenton降解有机污染物的研究武汉理工大学59李晴晴李春林网格中传感数据融合和容错技术的研究武汉理工大学60刘堃蔡菁基于链路稳定性的移动自组网QoS路由协议的研究与仿真武汉理工大学61高章颜伏伍基于底盘测功机的公交车整车排放和油耗测试研究武汉理工大学62林宁黄进聚多糖纳米晶复合改性生物质材料的结构和性能研究武汉理工大学63马小林李方敏基于MIMO的Adhoc网络MAC协议研究与设计武汉理工大学64王韬雷德明半导体生产线多批处理机流水车间调度方法研究武汉理工大学65徐莎殷以华pH敏感光交联水凝胶及空心纳米水凝胶的研究武汉理工大学66陆建伟王协群电渗中电化学现象的实验研究武汉理工大学67董从林袁成清水润滑尾轴承的可靠性寿命评估武汉理工大学68段平水中和海水环境下混凝土孔结构演变规律研究武汉理工大学69李育彪龚文琪鄂西高磷鲕状赤铁矿微生物除磷工艺研究武汉理工大学70梅磊钟珞粗糙集和粒计算交叉问题的研究武汉理工大学71王良武周瑞平海洋科学综合考察船升降鳍板系统设计研究武汉理工大学72韩文谢薇机动车交通事故责任构成与分担研究—基于物件责任与行为责任二元范式武汉理工大学73黄华高曙基于搜索引擎和语义的WEB服务发现研究武汉理工大学74吕海峰木士春基于导电陶瓷的燃料电池催化剂及耐久性研究武汉理工大学75罗文静李百浩国际城市规划史学会研究武汉理工大学76彭王城程艳霞基于服务利润链的顾客资产驱动因素模型研究武汉理工大学77杨帆麦立强一维钼酸盐纳米材料的可控制备、异质构筑和电化学性能武汉理工大学78周宏飞严仁军HTS-A钢对接接头的双轴低周疲劳寿命研究武汉理工大学79李莎莎周彩兰增量式Web信息采集与信息提取系统的研究与实现武汉理工大学80廉城苏义鑫基于复杂网络的两类传播问题研究武汉理工大学81刘曼徐宏毅基于大规模定制的证券业顾客保留驱动模型及实证研究武汉理工大学82饶筠筠储昭华时间视域转换对哲学解释学的启示华中师范大学83陈明刘义强圈层社会：农村选举背后的运行逻辑--基于"海选"第一村北老壕村第八届换届选举的观察华中师范大学84程用志杨河林超材料吸波器的理论、仿真与实验研究华中师范大学85吕飞李延晖考虑时间因素的选址-库存-路径问题集成优化模型与算法研究华中师范大学86谭学良张立荣整体性治理视角下的我国县级政府公共就业服务体系完善策略研究——基于山东省L县的理论与实证分析华中师范大学87陈爱琼杜丹电化学免疫传感器信号放大方法及其在生物标志物检测中的应用华中师范大学88王佳宇廖美珍"批评"图片：图片新闻中视觉符号的多模态批评性分析华中师范大学89王金鹏王伟军基于科学计量的技术预见方法优化研究华中师范大学90魏晨曦袁均林邻苯二甲酸二丁酯的酶联免疫吸附分析研究华中师范大学91蔡栩月李显杰论吸血鬼电影的文化符码与当代审美接受华中师范大学92李晓玲刘义强体制转型与公民参与--以农村水资源分配的社会变迁为例华中师范大学93罗玉越舒晓兵知识型员工组织公平感与组织认同的关系研究：人-环境匹配的调节效应华中师范大学94邵彦涛彭南生近代中国的“西部牛仔”：近代兰州区域市场的客商研究华中师范大学95宋扬黄尚明宋代墓葬壁画探索华中师范大学96谭咪咪邹建军超越生存处境的自由之路--福克纳长篇小说《野棕榈》主题研究华中师范大学97王龙飞严昌洪隐现二百年--社会文化视野下的鸦片烟馆华中师范大学98张福根肖文精不对称催化肟与β,β-二取代硝基烯烃的1,4-加成：有效的构建手性季碳中心和β2,2-氨基酸华中师范大学99周游何卓恩国难与国庆：抗战时期国民政府、边区政府、汪伪政府对’双十节’的纪念与争夺华中师范大学100李程张三夕明代宋诗接受研究华中师范大学101李亚娟胡静武汉市旅游生态安全研究华中师范大学102王海洋高秉雄情境变迁、精英选择与台湾政党体制转型研究华中师范大学103王敏喻发胜网络舆论风险的特征、诱因及演化机理华中师范大学104尹阳硕王玉德清代鄂西南地区的妇女与社会研究华中师范大学105袁泉付海晏政府、民间、寺僧之间的博弈-以民国宜都写经寺庙产纠纷案（1930-1948年）为例华中师范大学106段欣何正国古菌 FHA结构域蛋白的转录调控机制研究华中农业大学107娄雪源包满珠百日草雄性不育两用系的遗传及杂交育种研究华中农业大学108胡攀金梅林猪链球菌全基因组测序及比较基因组学研究华中农业大学109覃黎姜道宏盾壳霉产孢相关基因cmPrat的功能研究华中农业大学110邱炎李家奎幽门螺杆菌尿素酶B抗原表位的鉴定华中农业大学111田燕李春美柿子单宁体内外抗氧化活性及结构研究华中农业大学112江梦天李林基于自溶素锚定的芽胞杆菌体内与体外活性展示系统的研究华中农业大学113韩鹏牛长缨转双价基因（Cry1Ac+CpTI）棉对意大利蜜蜂的风险评估华中农业大学114胡火洪葵不同地点红树林土壤链霉菌的地理分布及新种鉴定华中农业大学115罗洁李长健基于金融发展期的农村合作金融法律问题研究华中农业大学116徐玉婷杨钢桥农地整理对农户农地资本投入的影响研究华中农业大学117杨芹芹韩鹤友磁性纳米氧化铁的合成及其与生物大分子、细胞相互作用研究华中农业大学118周欣冯雄汉新型离子液体固相微萃取涂层研制及其应用研究华中农业大学119丁逸马爱民根癌农杆菌介导糙皮侧耳高效转化体系构建及转基因分析华中农业大学120董俊丽刘子铎深海细菌Martelella mediterranea纤维素酶基因的克隆、表达与酶学分析华中农业大学121关桓达赵正洲中西部地区农村中学教师工作满意度与工作稳定性研究华中农业大学122彭志军郭文武温州蜜柑与有籽甜橙原生质体融合创造无核新种质华中农业大学123徐淑雷朝亮晚稻田二化螟越冬幼虫抗寒力和滞育强度的种群内变异研究华中农业大学124杨航何进双砷染料-四半胱氨酸系统在蛋白质标记检测以及定量分析方面的应用华中农业大学125杨晓燕刘永忠柑橘Vc合成相关酶和ERF基因的克隆与表达分析华中农业大学126张艳陈小冬FGF21对肝细胞脂代谢的调控研究华中农业大学127石绍成吴春梅村民公共参与中民主与效率的整合研究——基于湘西乾村的调查华中农业大学128王振华徐芳森油菜根系响应低硼胁迫的差异蛋白与功能分析华中农业大学129周丹钟涨宝村级公共品筹资中农户参与意愿及影响因素分析华中农业大学130芮鹏萧承勇台湾战后土地改革的再解读（1945-1955）中南财经政法大学131张国滨童德华刑法中着手实行的判准之比较研究中南财经政法大学132陈强远王平论产业集聚、税收竞争与福利改进--一个新经济地理学（NEG）的视角中南财经政法大学133丁奕峰费显政基于营销互动的消费者内疚模型研究中南财经政法大学134贺晓娟谢群失衡生态世界中的生存——从生态批评的角度解读《追风筝的人》中南财经政法大学135胡呈慧刘仁山自然人属人法连结点发展趋势研究中南财经政法大学136姚全刘胜湘中日对非洲援助的比较及启示中南财经政法大学137刘勇胡军成新型高效半导体光催化剂的合成及其光催化性能研究中南民族大学138李技文柏贵喜祖先之荫庇——亻革家人"哈戎"仪式象征研究中南民族大学139李秋霞陈栋华稀土离子掺杂钼酸盐LED用发光材料的合成及性能研究中南民族大学140马楠刘向明Burst提取分析系统的设计中南民族大学141朱亚琴郑军上市公司价值信息披露及市场反应研究中南民族大学142姚朝帮董文才计及航态影响的船舶阻力计算方法及其应用研究海军工程大学143姜春良江汉红面向海空背景的图像跟踪器研究海军工程大学144冯辉君陈林根三类热力循环的有限时间热力学优化海军工程大学145张恺王德石水声换能器多目标优化设计研究海军工程大学146杜永成杨立基于Mie理论的舰船红外水雾隐身研究海军工程大学147郭云玮高俊认知无线电中的频谱感知技术研究海军工程大学148胡亮灯叶志浩舰船电力系统智能保护方法研究海军工程大学149史振宇吴旭升逆变器-六相异步电机系统噪声研究海军工程大学150文学栋贺国某型柴油机气体减压阀研制关键技术研究海军工程大学151俞建胡涛多阶段任务系统可靠性冗余优化研究海军工程大学152朱海峰韩朋林我军装备定价成本标准体系研究军事经济学院153杨兰周立群多形貌稀土硼酸盐纳微米晶的合成及其发光性能研究湖北大学154章超徐运阁一类量子Koszul代数的Hochschild上同调湖北大学155卞春丽王升富自由基对蛋白质损伤的电化学研究及其应用湖北大学156徐春晖王贤保石墨烯的功能化修饰及其在分子识别、光电转换上的应用研究湖北大学157汪曦张智敏高等教育与经济增长内生依存关系研究湖北大学158王敬超王贤保石墨烯/聚合物纳米复合材料的合成、表征及性能研究湖北大学159杨芳李兆华污泥微生物燃料电池产电性能及污泥减量化研究湖北大学160彭微陈勇次乌头碱与甘草苷合用对心肌兴奋-收缩偶联相关基因mRNA表达的影响湖北大学161宋学平杨昌平基于LabVIEW的介电自动化测试平台搭建及CaCu3Ti4O12介电性质研究湖北大学162谢海娟陈建天堂寨隙蛛亚科和中国皿蛛亚科蜘蛛的分类学研究Ⅱ(蜘蛛纲：蜘蛛目：漏斗蛛科、皿蛛科)湖北大学163祝青刘斌基于五株采样不可分小波的多光谱图像融合湖北大学164邱胜强杨应奎绿色共价修饰多壁碳纳米管及其表面超分子化学湖北大学165宋宇李光强Fe-M-Ti-Mg(M=Si,Mn,Al)复合脱氧对钢组织的影武汉科技大学166胡良胜霍开富钛及其合金表面纳米复合阵列电极的制备及电化武汉科技大学167张尉刘斌快速抗扰动预测控制算法及其在精轧系统中的应武汉科技大学168彭思仑严运兵电动轮汽车差速控制策略研究武汉科技大学169高炜李玉云武汉公共建筑集中空调采暖工程能效评价体系的武汉科技大学170宋建新高运明可控氧流还原技术相关基础研究武汉科技大学171王堂玺朱伯铨电磁场对MgO-C耐火材料抗渣蚀性能的影响研究武汉科技大学172梁萍强敏镁橄榄石、炭制备氧化物-非氧化物复合材料的机武汉科技大学173曹宇翁惠辉旋转导向钻井实验平台测控系统研究长江大学174莫晓靥张敏梨树断陷秦家屯—七棵树油田原油地球化学特征及油源对比长江大学175高斐楼一珊柯柯亚构造井壁稳定性研究长江大学176李华何幼斌尼日尔三角洲盆地中新统重力流沉积相研究长江大学177管耀张占松湖相碳酸盐岩储层测井评价技术研究与应用长江大学178段飞飞夏宏南风城超稠油油藏SAGD双水平井钻井技术研究长江大学179江远鹏李少华开发中后期高含水油田数模与建模一体化研究长江大学180田子国张忠家大学校园文化特色研究长江大学181吴联钱胡明毅四川盆地中二叠统栖霞组层序地层学研究及储层评价长江大学182冯文明周守珍大学生非理性信念问卷的编制与检验长江大学183刘静孙国杰艾灸预刺激对AD大鼠细胞周期调控因子CDK2 、p21/cip的影响湖北中医药大学184李元元但汉雄枸杞子提取物的制备及质量标准研究葛根提取物药代动力学研究湖北中医药大学185宋金岭李家庚《伤寒杂病论》腹诊理论及临床应用研究湖北中医药大学186胡俊杰郑国华活血消瘿片的制备工艺及质量研究湖北中医药大学187李荣李卫东竞技健美操过渡与连接动作的结构及创新研究武汉体育学院188罗正张立股直肌在膝关节不同角度静力性收缩疲劳过程中表面肌电信号变化特征武汉体育学院189唐玉华高雪峰全国综合性运动会发展现状与对策研究武汉体育学院190张杰杨翼川芎嗪预处理对超负荷训练大鼠心肌 PKCδ、ε表达的影响武汉体育学院191付元元任东人脸识别中的光照问题研究三峡大学192柯希俊李东升金属有机晶体材料的拓扑结构设计及其性能研究三峡大学193陈巍李敏昌传统与嬗变：建国初期新解放区土地改革中农民地权三峡大学194易仲强刘德富基于ANN和SVM的三峡水库香溪河库湾富营养化预测研三峡大学195秦武陈从平基于机器视觉的高速公路车辆测速研究三峡大学196秦烨王艳林mCRT-vGPCR膜表达融合蛋白应用于肿瘤免疫治疗的基三峡大学197涂正文蹇继贵几类时滞系统的正不变集和吸引集三峡大学198杨霞刘德富三峡水库香溪河库湾异重流背景下水华暴发影响因子三峡大学199郝伟郑胜基于降雪模型的图像轮廓提取方法研究三峡大学200王留玉黎见春建国初期马克思主义大众化研究(1949-1956年)三峡大学201肖泽云田斌基于GIS平台的水利水电工程结构有限元前处理研究三峡大学202姚刚刘勇面向输电线路障碍物识别的多视角重建方法研究三峡大学203汪淑廉黄应平负载型金属酞菁催化剂的合成及光催化降解有毒有机三峡大学204李惠陈嵘HEPES体系中过渡金属氧化物纳米材料的合成及应用武汉工程大学205涂园园鄢国平肿瘤靶向性大分子磁共振成像造影剂的研究武汉工程大学206黄龙庭吴云韬多维正弦信号参数估计算法研究武汉工程大学207曹珩杨述斌基于数学形态学的医学图像边缘检测算法研究武汉工程大学208林纬喻九阳横纹管脉冲流动与壁面振动对流传热特性研究武汉工程大学209潘威黄齐茂β,β-共轭桥连双卟啉的合成及其与DNA相互作用的研究武汉工程大学210王吉林谷云乐自蔓延前驱体-退火法（SHS-CVD）宏量制备氮化硼纳米管武汉工程大学211王艳丽赵彤洲复杂场景下多运动目标实时检测与跟踪武汉工程大学212王军吴锋热声部件声特性的数值模拟研究武汉工程大学213唐阳汤亚杰块菌发酵菌丝体和子实体中脂溶性活性成分的比较湖北工业大学214刘平汤亚杰块菌发酵菌丝体和子实体中水溶性活性成分的比较湖北工业大学215余建群王淑青数控切绘系统曲线拟合及轨迹优化研究与应用湖北工业大学216李婷钟毓宁数控系统的可靠性强化试验技术研究湖北工业大学217耿康顺彭芳春中国民间金融对正规金融及经济增长影响的实证研究湖北工业大学218胡长寿刘凌云可调谐超材料吸波体的数值仿真研究湖北工业大学219刘会亭李春梅当代大学生社会主义核心价值观的构建与培育研究-以湖北地方高校为例湖北工业大学220林卿赵大兴基于机器视觉的粘扣带疵点快速检测方法的研究与实现湖北工业大学221曹孟杰赵三平多糖基半互穿网络水凝胶的制备及应用研究武汉纺织大学222袁琳黎继子集群两维技术创新范式：横向并购和纵向供应链整合的互动实武汉纺织大学223邵坤程先忠蛋膜固相萃取在环境水样微量金属元素分析中的应用武汉工业学院224胡坤项喜章农产品加工产业集群创新机理及模式研究武汉工业学院225向文蔡际洲湖北田歌研究武汉音乐学院226王霄虹胡军《闲情偶寄·演习部》之研究武汉音乐学院227谭维陈孟昕细节真实：中国动画产业“瓶颈”研究湖北美术学院228吴端涛官汉蒙"仁人之美"--孔子的审美人格及其现代阐释湖北美术学院229宁华宗戴小明少数民族山区农村土地流转研究——以恩施州为例湖北民族学院230郭明浩张金梅“述而不作”与中国阐释学湖北民族学院231覃道齐胡茂成湖北民族地区绿色农业发展战略研究湖北民族学院232张国东陈伯山微分代数系统在生态经济学中的应用湖北师范学院233刘伟傅朝金两类时滞神经网络的全局指数稳定性分析湖北师范学院234吕诗言吕鉴泉新型功能化量子点的合成及其分析应用湖北师范学院235王理阳王梅枝中国共产党执政的群众基础之历史考察与现实思考中共湖北省委党校236田良辉刘根友GPS测速在航空重力测量中的应用研究中国科学院测量与地球物理研究所237柳存定曹更玉C60分子在Pt(111)及FeO/Pt(111)介质层上吸附与自组装的扫描隧道显微学研究中国科学院武汉物理与数学研究所238江振波李小春岩石变形破坏参数测试的孔壁贯入方法研究中国科学院武汉岩土力学研究所239石修松程展林平面应变条件下堆石料强度和中主应力研究长江科学院。

电信院导师研究方向

需要参与实验测试
《光通信原理与技术》
32
胡海峰
副教授
（1）于遨波，15349127 （2）邢宋隆，15350061 （3）张穗安，15349137 《概率论》、《计算机视觉》《数字图像处理》、《模式识别（4）陈志鸿，15305009 》；（5）麦思杰，15350048 （6）徐凯昕，15343087 （7）孙健哲，14304141
《数字电路与逻辑设计》《数字集成电路设计》
9
夏明华
教授
确保在实验室有足够的工作时间；认真负责，积极主动；保研或者考研的同学优先。
《数值计算方法》，《概率论与数理统计》
10
孙伟
教授
1、安全数据空间构建技术及其应用； 2、信息伪装处理编码及FPGA设计与实现； 3、基于Linux+ARM的安全通信系统设计与开发； 4、安全传输协议在网络通信中的应用研究； 5、基于面向对象聚类的协同过滤推荐算法及其系统实现； 6、基于TensorFlow的仿人脑安全软件代码智能生成技术研究及其应用。
对学生有何要求
主讲课程
1
戴宪华
教授
《数字通信系统》
2
刘星成
教授
《通信原理》；《无线通信原理》；《现代数字信号处理》
3
龙云亮
教授
1、基于PE的电波传播数值仿真及应用； 2、基于FDTD的电波传播数值仿真及应用； 3、移动通信终端天线设计。
《微波技术与天线》
4
马争鸣
教授
1，HSIC正则的流形学习 2，Grassmann流形上的字典学习 3，基于核学习的域自适应学习 4，流形学习的多项式逼近
《微电子学导论》、《半导体物理》
13
陈军

瑞雷面波在多尺度勘探上的研究现状与展望

文章编号 :1671 - 8585 (2010) 01 - 0001 - 10瑞雷面波在多尺度勘探上的研究现状与展望赵硕九1 ,金钢燮1 ,汪利民2(11 朝鲜沙里院地质大学 ,朝鲜民主主义共和国黄海北道沙里院市 999093 ;21 中国地质大学( 武汉) 地球物理与空间信息学院 ,湖北武汉 430074)摘要 :近年来 ,瑞雷面波勘探的理论研究与实际应用技术发展迅速。

根据瑞雷面波的传播特性 ,瑞雷面波勘探研究及应用范围广泛 ,从地球内部地壳和上地幔的构造研究 (大尺度勘探) 到石油地震勘探 (中尺度勘探) 再到工程勘探 (小尺度勘探) 以及物体内部特性变化的检查 (甚小尺度调查) 均有涉及且应用效果良好。

因此可以说瑞雷面波法既是研究地球宏观构造的“望远镜”,又是调查物体局部特性变化的“显微镜”。

对瑞雷面波勘探的理论研究以及在各尺度勘探的应用情况进行了综述 ,并对瑞雷面波勘探的理论研究和应用前景进行了展望。

关键词 : 瑞雷面波法 ;频散曲线 ;勘查尺度 ;多尺度中图分类号 : P631文献标识码 : A1887 年英国学者瑞雷( Raylei g h ) 首先发现并证明了均匀半空间中瑞雷面波的存在[ 1 ] 。

通过若干年探索研究 , 20 世纪 30 —50 年代 , 地震学家们发现了瑞雷面波在层状介质中的频散特性并开展了相应的研究工作 ,据此开始了利用全球地震台网记录的天然地震产生的瑞雷波来探测地球内部结构的研究。

瑞雷波法主要利用瑞雷波在分层介质中传播的频散特性来估算地下介质的弹性性质。

目前瑞雷波法的应用范围大到全球尺度 ,小到材料缺陷的检测。

根据震源类型分为天然地震瑞雷波法 (大地震 ,常时微动) 和人工震源法 (主动震源法 , 如 SA S W 2si n gle cha n nel a n al y si s of s urf a cewave s , MA SW 2mutilc ha n nel a nal ysi s of s urf a ce wave s ) 。

人工鱼群算法的分析及改进

1、引入动态调整策略
在AFSO算法中，随着迭代次数的增加，鱼群的全局最优解可能逐渐偏离真正的最优解。这是由于在寻优过程中，鱼群可能会陷入局部最优陷阱。为了解决这个问题，我们引入了动态调整策略，即根据算法的迭代次数和当前的最优解，动态地调整鱼群的搜索范围和搜索速度。
2、增加随机扰动
在AFSO算法中，鱼群通常会向当前的全局最优解集中。这可能会导致算法过早地陷入局部最优陷阱。为了解决这个问题，我们引入了随机扰动。即在每次迭代时，随机选择一部分鱼，将其位置和速度进行随机扰动，以增加算法的探索能力。
2、计算适应度：对于每一条鱼，计算其适应度函数值（通常是目标函数值），这个值代表了这条鱼的“健康”状况。
3、比较适应度：将每条鱼的适应度与全局最优解进行比较，更新全局最优解。
4、更新领头鱼：随机选择一条鱼作为领头鱼，然后根据一定的规则，如最小距离规则，选择其他鱼跟随领头鱼。
5、更新鱼群：根据领头鱼的位置和行为，更新其他鱼的位置和行为。
4、多种群并行搜索：通过将搜索空间划分为多个子空间，并在每个子空间中独立运行AFSA，我们可以实现多种群的并行搜索。这种并行搜索方法可以显著提高算法的搜索速度和效率。
四、结论
本次演示对人工鱼群算法进行了详细的分析和改进。通过引入混沌理论、变异机制和自适应调整参数等方法，我们可以有效地提高AFSA的全局搜索能力和效率，避免算法过早地陷入局部最优解。多种群并行搜索方法也可以显著提高算法的搜索速度和效率。这些改进方案为AFSA在实际应用中的广泛应用提供了有力的支持。
感谢观看
3、引入学习因子
在AFSO算法中，每个鱼会根据自身经验和群体行为来调整自己的方向和位置。然而，这个学习因子通常是固定的。为了提高算法的收敛速度和精度，我们引入了可变的学习因子。即根据算法的迭代次数和当前的最优解，动态地调整学习因子的大小。

基于鸽群算法的Fuch混沌蝗虫算法

和后期都是以相同的方式进行更新，不能满足搜索过程中的实
际情况，因为在迭代前期权重ｃ需要增大到
一个较小权值，这样易于局部开发，避免了算法陷入局部最优，
提高了收敛速度，平衡了全局与局部搜索性能。所以针对ｃ的
缺点，通过改进文献［１５］的递变函数来对权重因子ｃ进行优化
速朝着最优目标靠近，以提高收敛速度，且较大的ｃ值能够对
全局进行充分搜索；在迭代后期，权重ｃ缓慢下降，直到迭代次
数达到最大时ｃ值降到ｃｍｉｎ，可以使蝗虫对周围空间进行充分探索，并且较小的ｃ值使当前的蝗虫最优个体离目标较近易于
局部开发，不仅提高了全局探索能力而且避免了前期过早陷入
局部最优。通过非线性递减权重来动态调整ＰＦＧＯＡ全局与局
２４正余弦鸽群混合策略
传统蝗虫算法使用式（４）来进行蝗虫最优位置更新，蝗虫
种群中的个体都直接相互作用，并且个体可以通过其他蝗虫的
位置来确定移动的方向。蝗虫之间存在排斥力和吸引力，使蝗
虫在搜索空间中进行探索，蝗虫可以通过社交作用来进行信息
交流，加快收敛速度。但是在迭代后期蝗虫个体之间的信息交
流会减弱，很容易陷入局部最优，而无法获得全局最优解。于是采用正余弦算法的［１６］分段思想来对蝗虫位置进行更新，使
迭代次数。
２２非线性惯性权重递减策略
在传统蝗虫算法中，式（４）中的外部ｃ类似于粒子群算法
的惯性权重，用于调整目标周围的搜索性能，内部ｃ可以调节吸引区、舒适区和排斥区之间的相互作用［１４］。内部ｃ和外部ｃ
的公式相同，是平衡探索与开发能力的关键，它以线性方式随
着迭代次数的增加而减少。但是，所有蝗虫的位置在迭代前期
２ＰＦＧＯＡ
２１Ｆｕｃｈ混沌初始化

多模式瑞雷波波场特征及能量分布特性研究

点，近年来在实际生产和科研中获得了广泛应用。为了推动瑞雷波勘探技术的发展。Ｘｕ等人实现了瑞
雷波地震波场有限差分正演模拟技术，而为真二维从
１递增型地质结构
表１给出了一个在实际浅层地质结构调查中经常遇到的４层递增型地质结构（型１，模型的横波模）该速度随深度的增加而逐渐增大。
表１模型１４层递增型地质模型参数：
瑞雷波反演奠定了基础。罗银河Ｅ、ｏｇ等人研究Ｓｎ３Ｊ了多模式瑞雷波的反演和利用方法，高了瑞雷波反提
演的精度和可靠性。并且针对瑞雷波频散曲线反演具
道，源置于地表（０ｍ，）。图１给出了此时模拟震２０处
４Ｏ０
３５０
的７２道瑞雷波地震记录（直分量）由图可见，于垂，由
。ｏ０
采用了交错网格高阶有限差分正演模拟技术和先进的ＰＭＬ吸收边界条件，大削弱了数值频散和人工边界大反射等模拟假象。图中瑞雷波地震波场特征清晰可见，呈发散的扫帚状。此外，有直达波、且还折射波、反射波等体波，瑞雷波地震波场具有较高的信噪比，但其
此，在递增型地质模型反演分析时可仅利用基阶波信息获取实际地下地质结构。

基于改进人工蜂群算法的配电网重构方法

基于改进人工蜂群算法的配电网重构方法①赵永生1, 赵爱华21(国家电网国网安徽省电力有限公司, 合肥 230061)2(国家电网国网安徽省电力有限公司电力科学研究院, 合肥 230601)通讯作者: 赵永生摘　要: 为提高配电网运行的经济性和供电的可靠性, 本文选取系统平均停电频率和系统平均停电持续时间两个指标来表征配电网的供电可靠性, 并同时考虑有功网损的因素, 建立了计及供电可靠性指标的配电网多目标重构模型. 本文将量子理论和Metropolis 准则引入到人工蜂群算法中, 并通过模糊满意度决策方法来确定多目标重构模型的最优解, 提出了基于改进人工蜂群算法的配电网多目标重构模型优化方法. 建立配电网重构实例仿真系统, 通过与其它智能方法的重构对比分析证明了本文重构模型及求解方法的可行性和优越性.关键词: 配电网重构; 可靠性; 人工蜂群算法; 量子理论引用格式: 赵永生,赵爱华.基于改进人工蜂群算法的配电网重构方法.计算机系统应用,2020,29(10):211–216. /1003-3254/7636.htmlReconstruction Method of Distribution Network Based on Improved Artificial Colony AlgorithmZHAO Yong-Sheng 1, ZHAO Ai-Hua 21(State Grid Anhui Electric Power Co. Ltd., State Grid, Hefei 230061, China)2(Electric Power Research Institute, State Grid Anhui Electric Power Co. Ltd., State Grid, Hefei 230601, China)Abstract : In order to improve the economy of distribution network operation and the reliability of power supply, the system average outage frequency and the system average outage duration are selected to represent the power supply reliability of the distribution network in this study, and the active power loss factor is considered at the same time, a multi-objective reconstruction model of distribution network is established, which takes the power supply reliability index into account. This study introduces quantum theory and Metropolis criterion into artificial swarm algorithm, and the optimal solution of multi-objective reconstruction model is determined by fuzzy satisfaction decision method, a multi-objective reconstruction model optimization method for distribution network based on improved artificial swarm algorithm is proposed. The distribution network reconstruction example simulation system established, and the feasibility and superiority of the reconstruction model and solution method are verified by comparison with other intelligent methods.Key words : distribution network reconstruction; reliability; artificial swarm algorithm; quantum theory配电网网络重构是配电管理系统的重要研究内容,也是配电网优化运行和控制的有效手段, 它通过开关状态的变化来形成满足优化目标的新网络结构, 使网络负荷分布更加合理[1]. 传统网络重构多以有功网损最小为目标, 但随着人们对供电可靠性的要求越来越高,配电网的运行需要考虑更多的可靠性因素, 而配电网重构是一个多目标、多约束的复杂非线性规划问题[2],在配电网重构加入可靠性指标时会进一步加大重构模计算机系统应用 ISSN 1003-3254, CODEN CSAOBNE-mail: Computer Systems & Applications,2020,29(10):211−216 [doi: 10.15888/ki.csa.007636] ©中国科学院软件研究所版权所有.Tel: +86-10-62661041① 基金项目: 国家重点计划研发计划(2016YFB0901100)Foundation item: National Key Research and Development Program of China (2016YFB0901100)收稿时间: 2020-03-06; 修改时间: 2020-04-10; 采用时间: 2020-04-21; csa 在线出版时间: 2020-09-30211型求解的复杂度, 为提高配电网运行的可靠性和经济性, 需对计及供电可靠性指标的配电网重构进行系统的深入研究.网络重构的传统方法有分支定界法和单纯型法等,传统数学优化法虽然可以得到不依赖于配电网初始结构的全局最优解, 但其只适用于简单结构的配电网, 对于结构较复杂的配电网计算时间过长、效率低下[3]. 近年来, 随着人工智能算法的广泛应用[4], 相关学者将人工智能方法应用到配电网重构中, 取得了不错的效果.文献[5]采用遗传算法来求解配电网重构模型, 遗传算法虽然具有良好的全局并行处理能力, 搜索效率较高,但其局部搜索能力较差, 易陷入局部最优解的缺陷. 文献[6]将粒子群算法应用于配电网重构模型的求解, 粒子群算法具有优良的局部搜索能力, 但其全局搜索能力较差, 算法收敛困难. 以上文献的研究均是以单一的配电网有功损耗最小为重构的目标, 未考虑供电可靠性的因素. 文献[7]虽然建立了包括可靠性指标的配电网重构模型, 但其对于多目标的权重处理采用的是层次分析法, 该方法主观性过强.本文建立了计及供电可靠性指标的配电网多目标优化重构模型, 提出一种改进的人工蜂群算法, 并将其应用于配电网重构模型的求解, 通过建立的配电网实例的重构计算分析对本文重构方法的可行性和优越性进行了验证.1 计及可靠性指标的配电网重构模型配电网规划时通常采用闭环的形式, 而实际运行则采用开环形式, 节点间存在分段开关, 整个网络有一定的联络开关. 配电网重构是在满足一定约束的条件下, 通过对开关状态的调整来达到减小损耗和提高供电可靠性等目标[8].1.1 目标函数配电网重构一般以系统有功网损最小为目标, 未考虑配电网的供电可靠性, 本文以配电网有功网损最小和供电可靠性指标最优为共同目标.配电网有功网损计算表达式为:P L=L∑i=1k i R iP2i+Q2iU2i(1)其中, L表示配电网支路总数, k i为支路i的开关状态变量, 1为闭合、0为断开, P i、Q i、R i、U i为支路i的有功、无功、电阻及节点电压大小.配电网可靠性指标包括系统可靠性指标和负荷点可靠性指标[9], 负荷点可靠性指标表示的是网络结构对某一负荷点可靠性的影响, 而系统可靠性指标则能全面地反映在某种结构下的可靠性优劣. 因此, 对配电网供电可靠性进行评估时选取系统可靠性指标能更好地反映网络的可靠性. SAIFI(系统平均停电频率)和CAIFI(用户平均断电频率), SAIDI(系统平均停电持续时间)和CAIDI(用户平均停电持续时间), ASAI(平均供电可用率)和AENS(系统供电量不足)这3对指标描述的均是同一问题的两个方面, 且3对指标是相互关联的, 任意两类指标均可反映出其它两类, 对系统可靠性指标进行综合考虑后, 本文选取SAIFI和SAIDI作为重构模型中考虑的网络可靠性因素, 计算公式为:S AIFI=用户总停电次数总用户数=∑λi N i∑N i(2)S AIDI=用户停电持续时间总和总用户数=∑T i N i∑N i(3)其中, λi表示负荷点i的故障率, N i表示用户数, T i表示年平均停电时间.本文配电网重构模型目标函数表达式如下所示: F=(f1,f2,f3)=min(P L,S AIFI,S AIDI)(4) 1.2 约束条件配电网重构的数学模型还需满足一定的等式约束条件和不等式约束条件.等式约束条件指配电网系统的潮流需满足功率平衡的等式约束.P G i−U i∑j∈iU j(G i j cosδi j+B i j sinδi j)−P Li=0(5) Q G i−U i∑j∈iU j(G i j sinδi j−B i j cosδi j)−Q Li=0(6)其中, P Gi、P Li、Q Gi、Q Li为节点i电源和负荷的有功功率、无功功率, U i、U j为电压幅值大小; δij、G ij、B ij为相角、电导和电纳值.不等式约束包括节点电压约束、支路电流约束和网络拓扑约束.U mini≤U i≤U maxi(7)计算机系统应用2020 年第 29 卷第 10 期212I l ≤I max l (8)g k ∈G k(9)U min i U max i I max l 其中, 、表示节点i 电压幅值的最小值和最大值, 为支路l 载流量最大值, g k 为开关状态组合,G k 表示形成放射状网络的开关位置所有组合的集合.2 配电网重构模型优化算法2.1 改进后的人工蜂群算法人工蜂群算法是由Karaboga 于2005年提出的一种模拟自然界蜜蜂采蜜过程的群体智能算法[10]. 人工蜂群包括雇佣蜂、观察蜂和侦察蜂, 雇佣蜂负责搜索食物源及其邻域, 并将食物源的相关信息传递给观察蜂, 观察蜂再综合相关信息决定一个食物源目标进行搜索, 若经过规定的搜索次数后, 雇佣蜂未寻到更优的食物源, 则雇佣峰转变成侦察蜂, 并随机寻找新的食物源, 食物源的位置集为优化问题的解集, 食物源对应的花蜜量则为解的适应度. 人工蜂群算法具有鲁棒性强、通用性好和收敛效率快等优良特性, 但其仍存在着局部开采能力差和易陷入“早熟”的缺陷[11]. 因此, 为进一步提高人工蜂群算法的优化求解能力, 本文对其进行相应的改进, 本文将量子理论引入到算法中, 并在迭代的过程中将Metropolis 准则来取舍最优解.蜜蜂的位置由一串量子位表示, 第k 只蜜蜂的量子位置为:v k =[αk 1αk 2···αkl βk 1βk 2···βkl](10)α2+β2=1其中, α、β满足.蜂群的进化主要由蜜蜂的位置更新来实现, 第k 只蜜蜂位置的第i 个量子位v ki 为:v t +1ki =abs(U (θt +1ki )v tki )(11)U (θt +1ki )= cos θt +1ki −sin θt +1ki sin θt +1kicos θt +1ki(12)U (θt +1ki )θt +1ki其中, 、分别为量子旋转门及量子旋转角.θt +1ki=0若, 则v ki 通过非门进行更新:v t +1ki =Nv t ki =[0110]v tki(13)量子人工蜂群主要由工蜂和观察蜂组成, 蜜蜂位置对应的食物源为一个由0或1数字串, 食物源k 的x k =(x k 1,x k 2,···,x kl )位置为: .x t +1kd = 1,ηt +1kd >(a t +1kd )20,ηt +1kd ≤(a t +1kd)2(14)ηt +1kd (a t +1kd )2x t +1kd 式中, 为[0, 1]之间随机数, 表示量子位为0的概率.设蜜蜂的局部最优位置为: p k =(p k 1, p k 2, ···, p kl ), 蜂群当前的全局最优位置为: p g =(p g 1, p g 2, ···, p gl ).工蜂位置更新表达式为:θt +1id =e 1(p t id −x t id )+e 2(p t gd −x tid )(15)v t +1id = Nv t id ,若θt +1id =0且γt +1id <c 1abs[U (θt +1id )v t id],其他(16)γt +1idv t +1id 其中, e 1、e 2表示影响因子, 表示[0, 1]区间的随机数, 为工蜂i 在第t +1次循环中的第d 个量子位;c 1表示[0, 1/l ]区间的常数.观察蜂量子位的进化表达式为:θt +1jd =e 3(p t id −x t jd )+e 4(p t jd −x t jd )+e 5(p t gd −x tjd )(17)v t +1jd = Nv t jd ,若θt +1jd =0且γt +1jd <c 2abs[U (θt +1jd )v t jd],其他(18)p t id v t +1jd其中, 表示工蜂i 局部最优位置的第d 个量子位, e 3、e 4、e 5为3个影响因子; 为观察蜂j 在第t +1次循环中的第d 个量子位.在求解过程中, 采用Metropolis 准则来取舍获得的最优解[12]. 如果获得的最优解更优, 则接受它; 否则则根据下式进行判断是否接受.Q i +1= 1f it (x i +1)<f it (x i )min[1,1−Z ]>K f it (x i +1)≥f it (x i )(19)Z =exp((f it (x i +1)−f it (x i ))/f it (x i ))(20)x i +1=α×x i(21)其中, K 为[0, 1]区间的判定阈值, Q (x i +1)表示在状态x i +1下的接受概率, α表示温度冷却系数.2.2 改进蜂群算法性能检验为验证本文改进后人工蜂群算法的寻优性能, 采用Shubert 函数进行相应的测试, 并与遗传、粒子群和改进前的人工蜂群算法进行相应的对比分析. Shubert 函数得表达式为:2020 年第 29 卷第 10 期计算机系统应用213f(x,y)=5∑i=1i cos[(i+1)x+i]5∑i=1i cos[(i+1)y+i]+0.5[(x+1.42513)2+(y+0.80032)2](22)其中, −10 ≤ x, y ≤ 10, 该函数的局部最小值有760个,全局最优解只有1个(−1.425 13, −0.800 32), 函数值为−186.730 90. 四种优化算法的种群个体数均为100, 最大迭代步数为10 000, 分别进行20次寻优试验, 结果如表1所示.表1 函数寻优结果分析评价参数遗传算法粒子群法改进前蜂群法本文改进后蜂群法结果平均值−181.01−182.67−182.85−186.52结果最小值−184.66−185.77−185.83−186.69结果最大值−178.39−180.05−180.16−186.02平均收敛时间(s)46.3351.2950.1836.03由表1可知, 本文改进后的人工蜂群算法具有更加优异的寻优性能, 优化结果的平均值和平均收敛时间均是四种算法中最小的, 本文采用量子位的概率幅对蜂群算法中食物源进行编码, 通过量子旋转门相位的旋转实现蜂群算法搜索过程中的食物源更新, 扩展了对解空间的遍历性, 采用量子非门来实现搜索过程的变异操作, 可增加种群的多样性, 可有效扩展全局最优解的数量, 提高获得全局最优解的概率, 另外, 本文采用的Metropolis迭代终止准则, 可概率性地跳出当前局部最优解的陷阱, 使得算法全局性更强, 迭代终止阈值的设置则主要根据精度和时间要求进行设定, 精度要求越高, 则阈值越小, 时间要求越快, 则阈值需设定的越大. 为验证不同个体数量对算法性能的影响, 在不同个体数量下进行分别20次寻优, 结果如图1所示.由图1可知, 随着个体数量的增加, 优化结果随之变优, 当个体数量达到一定程度时, 结果趋于平稳, 但优化时间却明显增加, 因此在设置改进人工蜂群算法个体数量时, 需根据需优化变量个数、结果精度和时间要求进行综合评估.2.3 配电网重构模型的优化求解本文配电网重构模型是一个多目标优化问题, 多目标优化问题不存在最优解, 而是由许多非劣解构成的Pareto最优解集[13]. 本文通过模糊满意度决策方法来确定最终解, 定义模糊隶属度函数如下:µj=1,f j≤f min jf maxj−f jf maxj−f minj,f minj≤f j≤f maxj0,f j≥f maxj(23)f minjf maxj式中, f j、、分别表示第j个目标函数值及其对应的最小值和最大值.种群个体数量优化结果平均值050100150200250−187.0−186.5−186.0−185.5−185.0−184.5−184.0种群个体数量收敛平均时间(s)0501001502002503035404550556065(a) 优化结果平均值(b) 优化平均时间图1 不同个体数量下优化结果再由下式求取每个目标函数的综合隶属度U, 然后选择U最大的来作为重构模型的折衷解.U=J∑j=1µj(24)假设本文多目标优化问题的Pareto最优解集为[x i, y i, z i], i=1, 2, ···, N, N为解集的组数, [x1, x2,···, x N]为对应子目标函数f1的解集, 其最小值为x min, [y1, y2, ···, y N]为对应子目标函数f2的解集, 其最小值为y min, [z1, z2, ···, z N]为对应子目标函数f3的解集, 其最小值为z min, 多目标优化问题的理想最优解为[x min, y min, z min]. 综合隶属度U表示解集中任一组解与理想最优解的接近程度, U越大, 则越接近, U ≤ 3, 当U为计算机系统应用2020 年第 29 卷第 10 期2143时, 表示[x i , y i , z i ]为理想最优解.本文利用改进后的人工蜂群算法来对配电网重构多目标问题进行求解, 求解流程图如图2所示.是否是否开始算法参数初始化 (种群数目、最大迭代次数、控制变量个数等)人工蜂群种群个体初始化计算工蜂和侦察蜂的食物源密度对工蜂和侦察蜂量子位置进行更新满足约束条件?形成新的网络拓扑结构计算各目标适应度值按 Metropolis 准则对最优解进行选择取舍达到算法终止条件根据模糊满意度决策方法选择最优折衷解结束图2 本文求解基本流程图3 配电网重构实例分析3.1 系统实例分析本文以IEEE33节点配电系统为例进行配电网重构分析, 系统结构图如图3所示, 共包含33个节点和37条支路, 分段开关共32个, 联络开关共5个, 配电网支路参数与节点负荷参数见文献[14], 系统基准电压为12.66 kV, 基准功率值为10 MVA, 总负荷为3715 kW+j2300 kvar.12345678919联络开关分段开关2021221011121314151617183332313029282726232425图3 IEEE-33节点系统图3.2 配电网重构结果对比分析根据本文建立的计及可靠性指标的配电网多目标重构模型, 将本文改进后的蜂群算法应用于模型的求解, 并与遗传、粒子群和改进前的蜂群3种智能算法进行对比分析, 其中配电网可靠性的计算采用故障模式与后果分析法(FEMA), 该方法具有概念清晰、结果准确的优点[15], 在配电网供电可靠性计算中获得广泛应用. 四种不同智能方法优化获得的Pareto 前沿如图4所示.网络有功损耗(k W )遗传算法粒子群法改进前蜂群法本文改进后蜂群法SAIDI (h/户年)SAIFI (次/户年)160155150145140135864468102图4 不同方法获得的Pareto 最优解前沿由图4可知, 遗传算法、粒子群法、改进前蜂群法和本文改进后蜂群法计算后获得的Pareto 最优解个数分别为7、7、9、15, 表明本文改进后蜂群法获得在配电网多目标重构模型求解中获得的Pareto 最优解集分布更为完整, 本文算法在寻找最优解的性能上优于其它3种算法.通过本文2.2小节的模糊满意度决策方法确定4种智能优化方法的折衷最优解如表2所示, 各优化方法优化过程对应的收敛曲线图如图5所示.根据表2和图5的结果可知, 本文改进后的人工蜂群算法在求解计及可靠性指标的多目标重构模型中拥有更好的优化效果与收敛速度, 优化后选择的Pareto 最优解是最优异的: 配电网损耗最小(139.63 kW), 系统平均停电频率SAIFI (5.89次/户年)和系统平均停电持续时间SAIDI (4.35 h/户年)也均是最小的, 且本文方法收敛特性良好, 收敛时间较短(5.69 s). 若在配电网重构时只考虑配电网有功损耗, 采用本文改进后的人工蜂群算法优化得到的配电网损耗虽然更小(137.86 kW),但重构后的配电网可靠性却大幅下降(SAIFI 为8.03次/户年, SAIDI 为5.12 h/户年), 严重影响了配电网的安全可靠运行. 因此, 本文计及供电可靠性指标的配电网多目标重构模型能更好地兼顾经济性与可靠性, 更适合配电网的实际运行状况.2020 年第 29 卷第 10 期计算机系统应用215表2 重构模型优化结果分析评价参数优化前遗传算法粒子群法改进前蜂群法本文改进后蜂群法SAIFI (次/户年)19.707.56 6.21 6.05 5.89SAIDI (h/户年)6.586.195.034.89 4.35有功损耗(kW)202.66146.89142.29142.35139.63优化时间(s)0 5.93 6.696.835.69配电网损耗 (k W )寻优时间 (s)遗传算法粒子群法改进前蜂群法本文改进后蜂群法210200190180170160150140130246810图5 优化过程收敛曲线图4 结论与展望本文建立了计及供电可靠性指标的配电网多目标重构模型, 多目标的处理采用模糊满意度的决策方法,并提出了基于改进人工蜂群算法的配电网多目标重构模型优化方法, 通过建立的IEEE33节点配电网实例仿真系统的重构对比分析, 结果表明本文改进后的人工蜂群算法在解决计及可靠性指标的配电网多目标重构中具有更加优越的性能, 获得的Pareto 最优解集分布更为完整, 选择的Pareto 最优解是最优的: 配电网损耗最小、系统平均停电频率和系统平均停电持续时间也均是最小的, 且本文方法收敛特性良好, 收敛时间较短.本文计及供电可靠性指标的配电网多目标重构模型能更好地兼顾经济性与可靠性, 在配电网的运行中具有更好的适用性.参考文献杨凯峰, 王击. 配电网络重构算法综述. 南方电网技术,2013, 7(4): 103–107. [doi: 10.3969/j.issn.1674-0629.2013.104.022]Shu DS, Huang ZX, Li JY, et al . Application of multi-agentparticle swarm algorithm in distribution networkreconfiguration. Chinese Journal of Electronics, 2016, 25(6):1179–1185. [doi: 10.1049/cje.2016.10.015]2董思兵. 基于免疫二进制粒子群算法的配电网重构[硕士学位论文]. 济南: 山东大学, 2008.3Zhang FY, Dong YQ, Zhang KQ. A novel combined modelbased on an artificial intelligence algorithm-a case study on wind speed forecasting in Penglai, China. Sustainability,2016, 8(6): 555. [doi: 10.3390/su8060555]4胡雯, 孙云莲, 张巍. 基于改进的自适应遗传算法的智能配电网重构研究. 电力系统保护与控制, 2013, 41(23): 85–90.[doi: 10.7667/j.issn.1674-3415.2013.23.014]5马草原, 孙展展, 葛森, 等. 改进二进制粒子群算法在配电网重构中的应用. 电测与仪表, 2016, 53(7): 84–88, 94. [doi:10.3969/j.issn.1001-1390.2016.07.015]6何禹清, 刘定国, 曾超, 等. 计及可靠性的配电网重构模型及其分阶段算法. 电力系统自动化, 2011, 35(17): 56–60.7文娟, 谭阳红, 雷可君. 基于量子粒子群算法多目标优化的配电网动态重构. 电力系统保护与控制, 2015, 43(16): 73–78. [doi: 10.7667/j.issn.1674-3415.2015.16.011]8董雷, 何林, 蒲天骄. 中性点接地方式对配电网可靠性的影响. 电力系统保护与控制, 2013, 41(1): 96–101. [doi: 10.7667/j.issn.1674-3415.2013.01.015]9Bansal JC, Sharma H, Arya KV, et al . Memetic search inartificial bee colony algorithm. Soft Computing, 2013, 17(10):1911–1928. [doi: 10.1007/s00500-013-1032-8]10刘三阳, 张平, 朱明敏. 基于局部搜索的人工蜂群算法. 控制与决策, 2014, 29(1): 123–128.11Norouzi N, Sadegh-Amalnick M, Tavakkoli-Moghaddam R.A time-dependent vehicle routing problem solved by improved simulated annealing. Proceedings of the Romanian Academy, 2015, 16(3): 458–465.12戚建文, 任建文, 翟俊义. 基于改进多目标引力搜索算法的电力系统环境经济调度. 电测与仪表, 2016, 53(18): 80–86.[doi: 10.3969/j.issn.1001-1390.2016.18.015]13Su HS, Yang J. Capacitors optimization placement indistribution systems based on improved seeker optimization algorithm. Sensors & Transducers, 2013, 155(8): 180–187.14王乐. 厦门配电网可靠性提升措施的研究与应用[硕士学位论文]. 广州: 华南理工大学, 2014.15计算机系统应用2020 年第 29 卷第 10 期216。

BP多目标人工群峰算法在建筑中应用

BP多目标人工群峰算法在建筑中应用摘要：在这个电子信息时代，各个领域都有对应的融合，在建筑方面通过研究发现BP多目标人工群峰算法加快了原有工程的进程，大大减少了人们进行复杂的数字运算与筛选的时间，对于多目标人工群蜂算法来说这是一个最好的时代，它化简了许多过程，在多方面领域对它的青睐程度很高，所以对于我们而言，我们很有必要去研究，开发和应用这个方法，将它的能力开发到极致，尤其是在建筑方面关键词：人工群峰算法节能多目标热舒适性1.人工群峰算法的概念及背景1.人工群峰算法的概念：人工蜂群算法(Aritifical Bee Colony Algorithm，简称ABC)，通过模拟蜂群采蜜的过程，探索寻找优质食物源的一种新型的全局寻优群体智能算法，人工蜂群算法具有控制变量相少，收敛速度快，搜索能力强，容易实现和计算简洁等特点。

此外，人工蜂群算法还可以通过与其他算法相结合，来提高自身的优化性能。

人工蜂群:算法把优化问题的解看作蜜源，将优化问题的目标函数值度量成蜜源的花蜜量，将优化问题形象化和智能化，为解决现实中的复杂问题提供新思路。

人工蜂群算法具有广泛的应用，无论在理论分析研究中，还是在解决实际问题上，人工蜂群算法都具有重要的应用价值。

1.1.人工群峰算法在建筑中研究背景：随着我国经济和产业结构的调整,城镇化的发展和人类追求高含量的建筑空间,当前社会终端能源消费占20%的建筑能耗的比例将上升到30% ~ 40%民居建筑作为建筑的重要组成部分,其明亮的个性在居住建筑能耗不仅与建筑本身,更与居住者的行为意识、习惯等密切相关。

降低能源消耗，提高建筑经济性和舒适性的目的是积极响应国家发展政策，而改善居住环境的目的是满足人们对美好生活的追求。

在新时代背景下，在五大发展理念的指导下，节能居住建筑的多目标优化研究必将成为人们关注的焦点[1]。

传统的建筑节能优化研究集中在一个特定的研究方向上。

设计了几种实验方案，进行了一系列的仿真、测试和评价，选择了满足优化目标的结果。

基于多策略融合的改进人工蜂群算法

基于多策略融合的改进人工蜂群算法魏锋涛;岳明娟;郑建明【摘要】针对标准人工蜂群算法存在易陷入局部最优、收敛速度慢等缺陷,提出一种基于多策略融合的改进人工蜂群算法.为了避免陷入局部最优,引入可调压排序选择策略,以保证种群的多样性;同时,通过跟随蜂阶段将线性调整全局引导策略、自适应动态调整因子策略与标准人工蜂群算法的更新策略组成一个动态调整策略集,通过比较食物源的当前质量值与上次迭代质量值对动态策略进行调整,以加快算法的收敛速度.利用标准测试函数进行实验仿真,结果表明该算法不仅提高了求解精度,而且加快了收敛速度,迭代次数明显减少.%To overcome the defects of convergence speed and the local optimum of artificial bee colony algorithm, this paper proposes an improved artificial bee colony algorithm based on multi-strategy fusion.In order to maintain the population diversity and avoid the local optimum,this paper imports the strategy of adjustable voltage ranking selection. To accelerate the convergence rate of artificial bee colony algorithm,a dynamic adjustment strategy set is composed of linear adjustment global guidance strategy,adaptive dynamic adjustment factor strategy and updating strategy of standard artificial swarm algorithm in following bee stage.The policy is dynamically adjusted by comparing the current update value of the food source with the last iterative update value.Through the simulation experiment on a suite of standard functions,the results show that the algorithm has a faster convergence rate and higher solution accuracy,and less number of iterations.【期刊名称】《计算机工程与应用》【年(卷),期】2018(054)005【总页数】7页(P111-116,155)【关键词】人工蜂群算法;可调压排序选择策略;动态调整策略集;函数优化【作者】魏锋涛;岳明娟;郑建明【作者单位】西安理工大学机械与精密仪器工程学院,西安710048;西安理工大学机械与精密仪器工程学院,西安710048;西安理工大学机械与精密仪器工程学院,西安710048【正文语种】中文【中图分类】TP3011 引言人工蜂群（Artificial Bee Colony，ABC）算法是近年来用于解决最优化问题的群智能优化算法之一，它是由Karaboga在2005年提出的模拟蜜蜂种群进行采蜜的智能行为[1-3]，由于该算法具有操作简便、参数少、易于实现等优势，引起了广大学者的研究和关注。

地球物理反演重点

局限性：
分辨率低
Z(t ) Z0e
2 r(t ) dt
0
t
频宽和主频决定分辨率相位决定波形形态递推反演中几个要点: 1) 没考虑子波 . 这意味输入的地震数据必须是零
假设条件：反射系数是地层波阻抗的对数对时间微分的一半，在进行道积分之前，一定要做好零相位处理。具体实现步骤如下：（1）将地震记录振幅标定到反射数量级（2）计算积分道

相等或相
1
问题反演问题的解，要注意以下几个：是否存在符合观测数据的模型？
（1）存在性:
（2）可解性：若存在解，如何构造？（3）唯一性：是否不止一个模型符合观测数据？（4）稳定性：若多个模型符合观测数据，（即多解性），模型的什么信息是唯一确定的？ 2 简单代性回归如果一个反问题，可以用线性方程表示 d=Gm，若在观测值 d 和模型参数 m 之间存在精确的关系，则可以用非常简单的过程，从观测值求出 m。 3 Castagna 公式：Vp=aVs+b （1）实验室测定；（2）Castagna 经验公式；（3）偶极横波测井； 4 直接反演道积分反演（连续反演）：利用叠后地震资料计算地层相对波阻
的模拟相似比制作成物理模型，并用超声波或激光超声波等方法对野外地震勘探方法进行模拟的一种地震模拟方法地震物理模型的优缺点与数学模型相比，其最大的优点就是地震物理模型模拟结果的
2/9
当波在声学介质中传播时，要保持波的动力学特征必须满足模型介质和声学介质的弹性常数 K 和介质密度的拉梅弹性常数、和介质密度
进而递推计算出地层波阻抗或层速度。
1
稀疏脉冲反演（Sparse-spike Inversion ）：基于稀疏脉冲反褶积基础

一种基于高效迭代解法的频率域全波形反演

一种基于高效迭代解法的频率域全波形反演解飞;黄建平;李振春【摘要】巨大的计算量是制约全波形反演(FWI)生产实用化的难题之一.为此,本文提出了一种高效的波场迭代解法,将其应用于频率域常密度声波方程FWI,并给出了详细的反演流程.通过建立用于波场迭代的目标函数,推导相应梯度、步长公式,新方法将反演中波场正传和残差波场反传过程转化为无约束优化问题,从理论上分析了新方法的计算效率显著高于常规FWI.在数值试验中,本文方法通过几次迭代便能获得高精度的正传、残差反传波场,收敛速度明显高于未经预处理的GMRES方法.进一步引入高效编码策略,新方法的计算时间约为常规编码FWI的1/8,与理论分析结果吻合(波场迭代次数为8,模型未知量个数约为7万),且波场迭代次数为6时,反演效果已与常规编码FWI相近.【期刊名称】《地球物理学报》【年(卷),期】2018(061)008【总页数】10页(P3346-3355)【关键词】全波形反演;计算量;迭代解法;编码【作者】解飞;黄建平;李振春【作者单位】中国石油大学(华东)地球科学与技术学院地球物理系,青岛 266580;海洋国家实验室海洋矿产资源评价与探测技术功能实验室,青岛 266071;中国石油大学(华东)地球科学与技术学院地球物理系,青岛 266580;海洋国家实验室海洋矿产资源评价与探测技术功能实验室,青岛 266071;中国石油大学(华东)地球科学与技术学院地球物理系,青岛 266580;海洋国家实验室海洋矿产资源评价与探测技术功能实验室,青岛 266071【正文语种】中文【中图分类】P6310 引言全波形反演(FWI)作为一种非线性反演方法，通过优化迭代的方式使模拟数据和观测数据之差最小化来估计地下物性参数(Lailly, 1983; Tarantola, 1984; Pratt et al., 1998).由于该方法基于双程波动方程，可以模拟所有波形(包括层间多次波)，因此相比于常规基于射线和单程波动方程的成像方法具有更高的成像精度.然而，目前FWI并未得到广泛应用，特别是在高密度地震采集中，巨大的计算量成为一个瓶颈.目前，编码技术是解决多炮高效成像和建模的有效方法之一.Romero等(2000)在叠前深度偏移中使用了相位编码方法，并测试了多种编码方式的效果.Krebs等(2009)将随机相位编码策略应用于时间域FWI，在每次迭代中随机生成新的编码矩阵以压制非相干正、反传残差波场产生的串扰噪音.Ben-Hadj-Ali等(2011)在频率域FWI中测试了随机相位编码的反演效果，编码后对随机噪音更为敏感并且敏感程度取决于组合炮的数量.Anagaw和Sacchi(2014)研究发现在每次迭代中改变编码函数和震源位置可以高效地压制串扰噪音.此外，使用不同的射线参数将炮集记录转化为平面波记录也可以显著降低计算量，适用于海洋观测系统且对随机噪音不敏感(Liu et al., 2006; Tao and Sen, 2013).Vigh和Starr(2008)将时间域平面波FWI应用于合成数据和实际3D海洋数据反演，而Tao和Sen(2013)表示在频率域可以通过相移合成平面波记录，并在实现2D频率域平面波FWI的基础上分析了射线参数的选取对反演结果的影响.与上面不同的是，Godwin和Sava(2010)提出了一种确定性编码方法称为截断奇异值编码(TSV)并用矩阵的形式表示了常规和联合震源成像的过程，对加窗后的近似单位矩阵进行奇异值分解以获得编码矩阵. 除编码策略外，一些学者从其他方面对减少FWI计算量进行了有益的研究.Wang 等(2013)将L-BFGS方法和不精确牛顿方法相结合更高效地估计Hessian算子的逆，从而加快收敛以减少迭代次数.曲英铭等(2016)在时间域将双变网格技术应用于FWI，在不同区域采用不同网格间距，并采取局部变时间采样来减少计算量.Van Leeuwen和Herrmann(2013)提出了一种分批次增加震源的反演方法，反演初期参与的震源较少，具有较高的迭代效率，随着反演的进行，与常规优化方法越来越相近，因而收敛速度加快.2D频率域FWI中，直接解法(如LU分解)由于具有求解多炮的优势因而得到广泛应用，其计算量主要集中在大型稀疏矩阵的分解上.Abubakar等(2009)将有限差分对比源反演(FDCSI)方法应用于频率域FWI用以减少矩阵分解的次数.该方法只需在每个频率开始时进行一次阻抗矩阵分解，其后的迭代中保持背景模型不变，矩阵分解的结果可以重复使用，因而具有很高的迭代效率.He等(2015)利用两步反演策略将FDCSI方法扩展到纵波速度、密度双参数反演.随后通过对多分量弹性波场进行线性变换，形成拟守恒弹性波动方程，将FDCSI方法应用于弹性波方程反演(He et al., 2016).由于FDCSI方法的第一步是计算每炮的对比源，当炮数过多时，其计算效率将受到挑战；其次，该反演方法形式比较特殊，与常规FWI方法相差较大，所以可移植性差，从而制约了其发展.借鉴FDCSI方法的思想，考虑到方法的计算量与可移植性问题，在常规频率域FWI理论的基础上，本文发展了一种基于波场迭代解法的高效FWI方法.该方法同样只需要在每个频率开始时进行一次阻抗矩阵的分解运算，其后迭代中波场的正传和残差波场反传都是基于共轭梯度法的矩阵回带运算.配合高效的编码策略，理论分析与实际测试都证明了新方法的计算效率要显著高于常规编码FWI.1 方法原理1.1 非线性最小二乘反演在频率域，二维各向同性常密度声波方程可以表示为(Marfurt,1984)(1)其中，r=(x,z)是笛卡尔坐标系下的地下空间位置；rs为震源空间位置；ω是角频率；表示拉普拉斯算子；f(ω)代表频率域的震源项；δ(r-rs)为狄拉克函数；u(r,rs,ω)表示频率域波场；k(r,ω)=ω/v(r)代表波数，v(r)是地下介质的纵波速度. 作为一个最小二乘反演问题，全波形反演正是通过优化的方法使模拟数据和观测数据的误差最小来对模型进行迭代更新(Lailly, 1983; Tarantola, 1984).其基于L2范数的目标函数定义如下：(2)其中，δd(rg,rs,ω)表示检波器位置处观测数据uobs(rg,rs,ω)和模拟数据usyn(rg,rs,ω)之差组成的列向量，rg指检波器所在位置；p(r)是模型参数(如纵波速度)；上标t和*分别表示转置和共轭.目标函数的梯度表达式为{Jtδd(rg,rs,ω)*}，(3)式中，Re表示取实部；矩阵J是Fréchet导数矩阵.当模型参数个数m较大时，直接计算Fréchet导数矩阵的计算量巨大.将Tarantola的残差波场反传理论引入到频率域波形反演，可以高效地得到目标函数对第i个模型参数的梯度(Pratt, 1999; 曹书红和陈景波, 2014)：}，(4)其中，A是与模型参数、频率、离散格式以及边界条件有关的阻抗矩阵；是由δd(rg,rs,ω)增广所得的残差列向量(非检波器位置为零).在获取梯度以后，可以使用最速下降法(Choi et al., 2005)或进一步利用共轭梯度法(Kamei et al., 2014)及截断牛顿法(王义和董良国, 2015)等构造优化方向q(r).模型参数的更新迭代公式如下：pn+1(r)=pn(r)+αnqn(r)，(5)上式中，n表示迭代次数；步长α可以通过线搜索的方式获得(Gauthier et al., 1986; Pica et al., 1990).1.2 迭代法生成波场本文将总波场u分解为背景波场ubac和散射场usct之和的形式(u=ubac+usct)，并且背景波场满足方程：(6)其中，kb表示背景介质的波数.从方程(1)中减去方程(6)可以得到散射场满足以下方程：(7)上式中，η(r,ω)=(r,ω)-k2(r,ω).为了简化表示，引入线性算子Lb，则散射场可以表示为usct(r,rs,ω)=Lb[η(r,ω)u(r,rs,ω)].由此可以定义用于波场迭代的L2型目标函数(为了方便，下文中不再刻意强调坐标位置r、角频率ω等)：C(u)=‖u-ubac-Lb[η u]‖2，(9)其中，线性算子Lb由背景模型的阻抗矩阵分解结果确定并且在同一个频率内保持不变.选定需要进行波场模拟的模型后，通过对(9)式最小化可以求得对应波场u，从而避免了对模型阻抗矩阵的重复分解计算(直接解法).本文采用共轭梯度法对(9)式进行迭代更新，其梯度公式如(10)式所示：}，(10)r(u)=u-ubac-Lb[η u]，(11)式中，表示Lb的伴随算子.通过梯度信息构造Polak-Ribière共轭梯度方向w，并令∂ C(u+β w)/∂ β=0得到步长β的计算公式如下：(12)其中，〈〉表示内积运算.由于步长β可以利用公式(12)显式表达，省去了对步长的估算，从而进一步提高了方法的效率.上面的推导过程中解决了正传波场的求解问题，而全波形反演中另一个重要部分就是残差波场的反传.用残差波场的反传结果δu替换u，得到下面的目标函数：D(δu)=‖δu-δubac-Lb[η δu]‖2，(13)上式中，的求解过程与u基本一致，在此不再赘述.值得注意的是，此时相当于震源项并且在模型更新中不断变化，所以每次更新需要重新计算δubac.图1给出的是基于波场迭代方法的FWI反演流程，其中抛物插值法计算步长α的正演流程与红色方框中一致.图1 单次迭代反演流程Fig.1 Flow chart of a single iterative inversion1.3 计算量分析上文中，完成了波场正传以及残差波场反传的计算，线性算子Lb和只与背景模型有关(背景模型保持不变)，因此，采用直接解法(LU分解)是一种理想的选择.在这过程中只需对背景模型进行一次阻抗矩阵的分解，其余计算主要是基于共轭梯度法的矩阵乘法与加法运算.假设离散的未知量个数为N，震源数量为NS，模型迭代次数为Niter，用于生成正传波场和残差反传波场的迭代次数均为niter，LU分解计算量的数量阶为O(2N1.5)，向前向后回带的计算量为O(N logN)(Davis and Duff, 1997).本文采用Polak-Ribière共轭梯度法对模型参数进行更新，并利用抛物插值法估算步长α(韩雨桐等, 2016).由于每次模型更新中至少额外进行两次正演模拟，所以新方法与传统CG方法的计算量分别为Tnew≈O(2N1.5)+NiterniterO(4NSNlogN)，(14)TCG≈Niter{3×O(2N1.5)+O(4NSNlogN)}，(15)由于直接法求解波动方程的回带阶段所需要的时间不到LU分解阶段CPU计算时间的5%(Pratt and Worthington, 1990)，所以本文将计算量主要集中于回带阶段可以获取较高的计算收益.另外，新方法只需几次迭代就可以合成出高精度的波场(niter较小)，再结合高效的编码策略和硬件并行加速方法进一步压缩NS，可以获得更高的反演效率.图2中绘制了理论计算量随模型参数个数N变化的关系曲线(Niter、niter和NS分别取20、8和1)，本文方法的计算量显著低于常规FWI，并且在N较大时，优势更为明显.图2 理论计算量对比Fig.2 Comparison of the theoretical computation of the new method and the conventional FWI2 数值试验为了验证本文提出的波场迭代解法的有效性，采用了简单洼陷模型进行波场正传和残差波场反传测试，并与GMRES方法进行对比以突出高效性.然后将新方法与截断奇异值编码策略(TSV)(Godwin and Sava, 2010)进行了结合，利用Marmousi模型测试了常规编码FWI和niter取不同值时新方法的反演效果.2.1 迭代法生成波场真实洼陷模型及其初始模型(利用Madagascar的sfsmooth函数平滑所得，平滑窗口为20)如图3所示，参数如下：水平网格数nx=150，垂直网格数nz=100，水平和垂直网格间距均为10 m.检波器设置为地表全接收，震源位于x=750 m、z=20 m处，震源子波采用主频为10 Hz的雷克子波.利用图3a中的真实模型进行LU分解计算得到图4a中的正传波场(8 Hz实部数据，下同)作为标准波场，同样，图4b是由图3b中平滑初始模型进行LU分解计算所得.采用本文的波场迭代方法，以图4b作为背景波场进行迭代计算，10次迭代后的结果如图4c所示.图4d是真实洼陷模型使用GMRES方法求解的波场结果(以图4b作为初始值)，其迭代时间与图4c一致(约0.7 s).图4中的第3行(e，f，g)是第2行(b，c，d)分别与图4a作差的结果，从中可以看出GMRES方法迭代以后的波场残差(图4g)相比于图4e有所减小，而本文方法迭代后的残差(图4f)趋近于零，与标准波场基本一致.图5a是检波器接收到的残差波场在真实洼陷模型中的反传结果(8 Hz实部数据，下同)，而图5b是在初始模型中的反传结果.此外，图5中图形的排列方式与图4完全一致，可以看出经过迭代以后，GMRES方法的波场残差(图5g)明显大于本文方法(图5f).由此说明，在提供一个背景波场的前提下，借助背景模型的阻抗矩阵分解结果，新方法可以高效地获得已知速度场的正传和残差反传波场，从而为下一步计算梯度打下基础.图3 洼陷模型(a)以及初始平滑模型(b)Fig.3 The sag model (a) and initial smoothing model (b)由于本文提出的波场迭代方法需要配合震源编码技术来压缩NS，才能充分发挥新方法的计算效率.而当NS很小时，常用的迭代解法(如：GMRES)就成为了一种可以考虑的选择.为了比较新方法和GMRES方法的迭代效果，在图4和图5中对比了两种方法在相同时间下的迭代结果.图6 (a—b)分别是正传和反传两种情况下，两种迭代方法的归一化波场误差随迭代时间变化曲线，本文方法的收敛速度明显高于GMRES方法(新方法不包含背景模型矩阵分解时间，因为一个频率反演中只需分解一次).主要原因是新方法是一种基于CG方法的无约束优化方法，具有明确的优化方向和步长值，而GMRES方法需要进行合适的预处理，而这通常是难以满足的(Virieux and Operto, 2009).图6 (c—d)分别是正、反传时新方法的波场误差随迭代次数变化曲线，大约进行6次迭代后残差基本收敛.为了测试新方法对初始模型的适应性，分别采用图7a中平滑程度更高的初始模型(平滑窗口为30)和图8a中线性梯度初始模型进行波场合成.图7(b—d)分别是初始模型的模拟波场以及2次和10次迭代后的波场结果，而图7 (e—g)则分别是图7 (b—d)与图4a中标准波场的差值.图8的排列方式与图7一致，并且可以看出，新方法对初始模型具有较好的适应性，随着迭代的进行，残差稳定减小.值得注意的是，本次测试中是以初始模型的波场作为迭代的初始值，与真实波场差异较大，实际反演中相邻迭代间模型差异较小，并以上一次迭代的波场作为初始值，因此需要的迭代次数通常更少.图4 8 Hz正传波场实部(a) 真实模型正演波场； (b) 初始模型正演波场； (c) 新方法迭代生成的正演波场； (d) GMRES方法迭代生成的正演波场，与(c)中计算时间一致； (e—g)分别是(b—d)与(a)之差.Fig.4 The real part of forward wavefields of 8 Hz data(a) The forward wavefield of true model； (b) The forward wavefield of initial model； (c) The forward wavefield obtained by the new method； (d) The forward wavefield obtained by the GMRES method with same computing time as (c)； (e—g) The difference between (b—d) and (a), respectively.图5 8 Hz残差数据反传波场实部(a) 真实模型反传波场； (b) 初始模型反传波场；(c) 新方法迭代生成的反传波场； (d) GMRES方法迭代生成的反传波场，与(c)中计算时间一致； (e—g)分别是(b—d)与(a)之差.Fig.5 The real part of back-propagated wavefields of 8Hz residual data(a) The back-propagated wavefield of true model； (b) The back-propagated wavefield of initial model； (c) The back-propagated wavefield obtained by the new method；(d) The back-propagated wavefield obtained by the GMRES method with same computing time as (c)； (e—g)The difference between (b—d) and (a), respectively.图6 归一化波场误差收敛曲线(a) 正传波场误差随时间变化曲线； (b) 反传波场误差随时间变化曲线； (c) 正传波场误差随迭代次数变化曲线； (d) 反传波场误差随迭代次数变化曲线.Fig.6 The history of normalized wavefields errorThe variation of forward wavefields error with (a) time and (c) iteration； The variation of back-propagated wavefields error with (b) time and (d)iteration.图7 平滑初始模型及波场模拟(a) 平滑初始模型； (b) 初始模型正演波场； (c) 2次迭代后的波场； (d) 10次迭代后的波场； (e—g) 分别是(b—d)与图4a之差.Fig.7 The smooth initial model and wavefields modeling(a) The smooth initial model； (b) The forward wavefield of initial model； (c) The wavefield after 2 iterations； (d) The wavefield after 10 iterations； (e—g) The difference between (b—d) and Fig.4a, respectively.图8 梯度初始模型及波场模拟(a) 梯度初始模型； (b) 初始模型正演波场； (c) 2次迭代后的波场； (d) 10次迭代后的波场； (e—g) 分别是(b—d)与图4a之差.Fig.8 The gradient initial model and wavefields modeling(a) The gradient initial model； (b) The forward wavefield of initial model； (c) The wavefield after 2 iterations； (d) The wavefield after 10 iterations； (e—g) The difference between (b—d) and figure 4a, respectively.2.2 合成数据反演为了验证本文方法的反演效果，采用Marmousi模型(Anagaw and Sacchi, 2014)进行合成数据测试.所使用的真实和初始模型如图9所示(初始模型由真实模型平滑所得)，网格大小为126×384，横、纵向空间采样间隔均为15 m.震源和检波器位于地表，第一炮位于15 m 处，炮间距为30 m，共191炮，检波器设置为地表全接收，震源子波为主频15 Hz的雷克子波.图9 Marmousi真实模型(a)以及平滑初始模型(b)Fig.9 The Marmousi model (a) and initial smoothing model (b)图10 串扰噪音矩阵Fig.10 Cross-talk matrix obtained by multiplying encoding matrix with its transposition反演中所使用的频率为4、6、8、10、12、15、18、21、24、28、32和36 Hz共12个频率，每个频率迭代20次，低频的反演结果作为相邻高频的输入.本文使用截断奇异值编码(TSV)方法，将191炮编码为15炮，并采取并行反演策略，图10是相应的串扰噪音矩阵.常规编码FWI反演结果如图11a所示，niter分别取10、8和6时，新方法的反演结果对应于图11(b—d).由于串扰噪音的影响，反演结果的浅部低速层受影响比较明显，但总体上说，图11反演结果较好并且比较接近.图12给出了图11中4个反演结果的归一化收敛曲线，常规编码FWI和新方法niter等于10时的收敛效果相差不大，并且常规编码FWI的模型误差最小，而新方法随着niter增大收敛性有所改善.图13记录了反演时间随迭代次数变化曲线，常规编码FWI的计算用时要显著高于本文方法，并且niter越小新方法计算时间越少.本次测试中模型四周设有20个网格的PML边界，实际计算用时与图2中的理论用时比较吻合，常规编码FWI计算时间约为niter等于8时新方法的8倍(N≈7×104).3 结论本文提出了一种高效的迭代解法生成频率域波场方法，将其应用于声波常密度方程FWI，并给出了详细的反演流程.在实现算法的基础上，通过洼陷模型和Marmousi模型测试，得到如下几点认识：(1) 新方法将频率域波场计算转化为一种无约束优化问题，通过几次迭代便能生成高精度的正传和残差反传波场，其误差收敛速度显著高于未经预处理的GMRES 方法.(2) 基于新的波场迭代法的FWI，每个频率只需进行一次阻抗矩阵的分解，其计算量与波场迭代次数niter成正比.配合高效的震源编码技术，新方法的计算时间相比常规编码FWI有明显降低(niter=8、N≈7×104时，计算时间约为常规编码FWI 的1/8).图11 最终反演结果(a) 常规FWI； (b) 新方法niter=10； (c) 新方法niter=8；(d) 新方法niter=6.Fig.11 The final inversion results(a) Conventional FWI；New method with (b) niter=10，(c) niter=8， (d) niter=6.图12 归一化模型误差收敛曲线Fig.12 The normalized model fit图13 计算时间与迭代次数关系曲线Fig.13 The relationship between the inversion time and the number of iterations(3) niter越大，新方法的反演效果与常规编码FWI越接近，但是当生成的波场精度达到一定条件后，niter的增大对反演结果的改善并不明显.因此，需要在计算量与反演效果之间做好权衡.虽然本文提出的基于波场迭代法FWI可以获得与常规FWI基本一致的反演效果，并且在计算效率上有显著优势，但是该方法还不是十分完善，也存在一些需要改进的地方，比如：(1)当NS较大时，新方法的计算效率将受到严重影响，因此必须配合高效的震源编码技术，这样不可避免地会引入一些串扰噪音；(2)新的波场迭代法本质上是一种基于直接解法的迭代方法，当模型维度过大时，同样存在存储量的问题.ReferencesAbubakar A, Hu W Y, Habashy T M, et al. 2009. Application of the finite-difference contrast-source inversion algorithm to seismic full-waveform data. Geophysics, 74(6): WCC47-WCC58.Anagaw A Y, Sacchi M D. 2014. Comparison of multifrequency selection strategies for simultaneous-source full-waveform inversion. Geophysics, 79(5): R165-R181.Ben-Hadj-Ali H, Operto S, Virieux J. 2011. An efficient frequency domain full-waveform inversion method using simultaneous encoded sources.Geophysics, 76(4): R109-R124.Cao S H, Chen J B. 2014. Studies on complex frequencies in frequency domain full waveform inversion. Chinese Journal of Geophysics (in Chinese), 57(7): 2302-2313, doi: 10.6038/cjg20140724.Choi Y, Shin C, Min D J, et al. 2005. Efficient calculation of the steepest descent direction for source-independent seismic waveform inversion: An amplitude approach. Journal of Computational Physics, 208(2): 455-468. Davis T A, Duff I S. 1997. An unsymmetric-pattern multifrontal method for sparse LU factorization. SIAM Journal on Matrix Analysis and Applications, 18(1): 140-158.Gauthier O, Virieux J, Tarantola A. 1986. Two-dimensional nonlinear inversion of seismic waveforms: Numerical results. Geophysics, 51(7): 1387-1403.Godwin J, Sava P. 2010. Simultaneous source imaging by amplitude encoding, Technical Report CWP-645, Center for Wave Phenomena, Colorado School of Mines.Han Y T, Huang J P, Qu Y M, et al. 2016. Encoded full waveform inversion method by an optimum inversion step length for aliasing data. Progress in Geophysics (in Chinese), 31(1): 198-204, doi: 10.6038/pg20160123.He Q L, Han B, Chen Y, et al. 2015. Application of the finite-difference contrast source inversion method to multiparameter reconstruction using seismic full-waveform data. Journal of Applied Geophysics, 124: 4-16.He Q L, Chen Y, Han B, et al. 2016. Elastic frequency-domain finite-difference contrast source inversion method. Inverse Problems, 32(3):035009.Kamei R, Pratt R G, Tsuji T. 2014. Misfit functionals in laplace-fourier domain waveform inversion, with application to wide-angle ocean bottom seismograph data. Geophysical Prospecting, 62(5): 1054-1074.Krebs J R, Anderson J E, Hinkley D, et al. 2009. Fast full-wavefield seismic inversion using encoded sources. Geophysics, 74(6): WCC177-WCC188. Lailly P. 1983. The seismic inverse problem as a sequence of before stack migration. ∥SIAM Conference on Inverse Scattering: Theory and Applications. Philadelphia: Society for Industrial and Applied Mathematics, 206-220.Liu F Q, Hanson D W, Whitmore N D, et al. 2006. Toward a unified analysis for source plane-wave migration. Geophysics, 71(4): S129-S139.Marfurt K J. 1984. Accuracy of finite-difference and finite-element modeling of the scalar and elastic wave equation. Geophysics, 49(5): 533-549.Pica A, Diet J P, Tarantola A. 1990. Nonlinear inversion of seismic reflection data in a laterally invariant medium. Geophysics, 55(3): 284-292.Pratt R G, Worthington M H. 1990. Inverse theory applied to multi-source cross-hole tomography. Geophysical Prospecting, 38(3): 287-310.Pratt R G, Shin C, Hick G J. 1998. Gauss-Newton and full Newton methods in frequency-space seismic waveform inversion. Geophysical Journal International, 133(2): 341-362.Pratt R G. 1999. Seismic waveform inversion in the frequency domain, Part 1: Theory and verification in a physical scale model. Geophysics, 64(3): 888-901.Qu Y M, Li Z C, Huang J P, et al. 2016. Full waveform inversion based on multi-scale dual-variable grid in time domain. Geophysical Prospecting for Petroleum (in Chinese), 55(2): 241-250.Romero L A, Ghiglia D C, et al. 2000. Phase encoding of shot records in prestack migration. Geophysics, 65(2): 426-436.Tao Y, Sen M K. 2013. Frequency-domain full waveform inversion with plane-wave data. Geophysics, 78(1): R13-R23.Tarantola A. 1984. Inversion of seismic reflection data in the acoustic approximation. Geophysics, 49(8): 1259-1266.VanLeeuwen T, Herrmann F J. 2013. Fast waveform inversion without source-encoding. Geophysical Prospecting, 61(S1): 10-19.Vigh D, Starr E. 2008. 3D prestack plane-wave, full-waveform inversion. Geophysics, 73(5): VE135-VE144.Virieux J, Operto S. 2009. An overview of full-waveform inversion in exploration geophysics. Geophysics, 74(6): WCC1-WCC26.Wang Y, Dong L G, Liu Y Z. 2013. Improved hybrid iterative optimization method for seismic full waveform inversion. Applied Geophysics, 10(3): 265-277.Wang Y, Dong L G. 2015. Multi-parameter full waveform inversion for acoustic VTI media using the truncated Newton method. Chinese Journal Geophysics (in Chinese), 58(8): 2873-2885, doi: 10.6038/cjg20150821.附中文参考文献曹书红, 陈景波. 2014. 频率域全波形反演中关于复频率的研究. 地球物理学报,57(7): 2302-2313, doi: 10.6038/cjg20140724.韩雨桐, 黄建平, 曲英铭等. 2016. 基于优化步长的混叠数据编码全波形反演方法. 地球物理学进展, 31(1): 198-204, doi: 10.6038/pg20160123.曲英铭, 李振春, 黄建平等. 2016. 基于多尺度双变网格的时间域全波形反演. 石油物探, 55(2): 241-250.王义, 董良国. 2015. 基于截断牛顿法的VTI介质声波多参数全波形反演. 地球物理学报, 58(8): 2873-2885,doi: 10.6038/cjg20150821.【相关文献】Abubakar A, Hu W Y, Habashy T M, et al. 2009. Application of the finite-difference contrast-source inversion algorithm to seismic full-waveform data. Geophysics, 74(6): WCC47-WCC58.Anagaw A Y, Sacchi M D. 2014. Comparison of multifrequency selection strategies for simultaneous-source full-waveform inversion. Geophysics, 79(5): R165-R181.Ben-Hadj-Ali H, Operto S, Virieux J. 2011. An efficient frequency domain full-waveform inversion method using simultaneous encoded sources. Geophysics, 76(4): R109-R124. Cao S H, Chen J B. 2014. Studies on complex frequencies in frequency domain full waveform inversion. Chinese Journal of Geophysics (in Chinese), 57(7): 2302-2313, doi: 10.6038/cjg20140724.Choi Y, Shin C, Min D J, et al. 2005. Efficient calculation of the steepest descent direction for source-independent seismic waveform inversion: An amplitude approach. Journal of Computational Physics, 208(2): 455-468.Davis T A, Duff I S. 1997. An unsymmetric-pattern multifrontal method for sparse LU factorization. SIAM Journal on Matrix Analysis and Applications, 18(1): 140-158. Gauthier O, Virieux J, Tarantola A. 1986. Two-dimensional nonlinear inversion of seismic waveforms: Numerical results. Geophysics, 51(7): 1387-1403.Godwin J, Sava P. 2010. Simultaneous source imaging by amplitude encoding, Technical Report CWP-645, Center for Wave Phenomena, Colorado School of Mines.Han Y T, Huang J P, Qu Y M, et al. 2016. Encoded full waveform inversion method by an optimum inversion step length for aliasing data. Progress in Geophysics (in Chinese), 31(1): 198-204, doi: 10.6038/pg20160123.He Q L, Han B, Chen Y, et al. 2015. Application of the finite-difference contrast source inversion method to multiparameter reconstruction using seismic full-waveform data. Journal of Applied Geophysics, 124: 4-16.He Q L, Chen Y, Han B, et al. 2016. Elastic frequency-domain finite-difference contrast source inversion method. Inverse Problems, 32(3): 035009.Kamei R, Pratt R G, Tsuji T. 2014. Misfit functionals in laplace-fourier domain waveform inversion, with application to wide-angle ocean bottom seismograph data. Geophysical Prospecting, 62(5): 1054-1074.Krebs J R, Anderson J E, Hinkley D, et al. 2009. Fast full-wavefield seismic inversion using encoded sources. Geophysics, 74(6): WCC177-WCC188.Lailly P. 1983. The seismic inverse problem as a sequence of before stack migration.∥SIAM Conference on Inverse Scattering: Theory and Applications. Philadelphia: Society for Industrial and Applied Mathematics, 206-220.Liu F Q, Hanson D W, Whitmore N D, et al. 2006. Toward a unified analysis for source plane-wave migration. Geophysics, 71(4): S129-S139.Marfurt K J. 1984. Accuracy of finite-difference and finite-element modeling of the scalar and elastic wave equation. Geophysics, 49(5): 533-549.Pica A, Diet J P, Tarantola A. 1990. Nonlinear inversion of seismic reflection data in a laterally invariant medium. Geophysics, 55(3): 284-292.Pratt R G, Worthington M H. 1990. Inverse theory applied to multi-source cross-hole tomography. Geophysical Prospecting, 38(3): 287-310.Pratt R G, Shin C, Hick G J. 1998. Gauss-Newton and full Newtonmethods in frequency-space seismic waveform inversion. Geophysical Journal International, 133(2): 341-362.Pratt R G. 1999. Seismic waveform inversion in the frequency domain, Part 1: Theory and verification in a physical scale model. Geophysics, 64(3): 888-901.Qu Y M, Li Z C, Huang J P, et al. 2016. Full waveform inversion based on multi-scale dual-variable grid in time domain. Geophysical Prospecting for Petroleum (in Chinese), 55(2): 241-250.Romero L A, Ghiglia D C, et al. 2000. Phase encoding of shot records in prestack migration. Geophysics, 65(2): 426-436.Tao Y, Sen M K. 2013. Frequency-domain full waveform inversion with plane-wave data. Geophysics, 78(1): R13-R23.Tarantola A. 1984. Inversion of seismic reflection data in the acoustic approximation. Geophysics, 49(8): 1259-1266.VanLeeuwen T, Herrmann F J. 2013. Fast waveform inversion without source-encoding. Geophysical Prospecting, 61(S1): 10-19.Vigh D, Starr E. 2008. 3D prestack plane-wave, full-waveform inversion. Geophysics, 73(5): VE135-VE144.Virieux J, Operto S. 2009. An overview of full-waveform inversion in exploration geophysics. Geophysics, 74(6): WCC1-WCC26.Wang Y, Dong L G, Liu Y Z. 2013. Improved hybrid iterative optimization method for seismic full waveform inversion. Applied Geophysics, 10(3): 265-277.Wang Y, Dong L G. 2015. Multi-parameter full waveform inversion for acoustic VTI media using the truncated Newton method. Chinese Journal Geophysics (in Chinese), 58(8): 2873-2885, doi: 10.6038/cjg20150821.曹书红, 陈景波. 2014. 频率域全波形反演中关于复频率的研究. 地球物理学报, 57(7): 2302-2313, doi: 10.6038/cjg20140724.韩雨桐, 黄建平, 曲英铭等. 2016. 基于优化步长的混叠数据编码全波形反演方法. 地球物理学进展, 31(1): 198-204, doi: 10.6038/pg20160123.曲英铭, 李振春, 黄建平等. 2016. 基于多尺度双变网格的时间域全波形反演. 石油物探, 55(2): 241-250.王义, 董良国. 2015. 基于截断牛顿法的VTI介质声波多参数全波形反演. 地球物理学报, 58(8): 2873-2885,doi: 10.6038/cjg20150821.。

面波多模式频散曲线正演

( m1 ) ( m ) ( m1 ) ( m1 ) ( m1 ) ( m1 ) U ( m1 ) 16 U 11 X 7 Z
m1 ( m1 ) ( m ) ( m1 ) ( m1 ) ( m ) ( m1 ) ( m ) V ( m1 ) 15 ( 13 V 11 W ( m ) 8 R 7 S )
2018/3/20
• • •
一、问题的提出二、瑞雷波的基本原理和频散方程三、固体层状介质中瑞雷波频散曲线
2018/3/20
2.1面波的形成
面波的形成可以用一个简单的例子来说明。下图是地表下某一厚度为H 的覆盖层的模型，如果一体波的简谐波在层内的传播满足全反射的条件，射线路径为ABCDEF，则根据波前面与射线垂直的性质，虚线CF即可代表波由 C、D、E、F经两次反射后到达F的地震波波前，也可代表由A传播到C的后续振动的波阵面。如两者波程差CDEF正好等于波长的整数倍，则它们们完全同相，其合成或叠加属于相长干涉，并形成一种沿界面行进的次生波，这种波的能量更强且主要能量集中在地表附近。
A E F H B
C D
2018/3/20
U 2 2 ( )grad U F 弹性波动方程： t
2
2 2 2 0 2 t 纵横波波动方程： 2 2 2 0 t 2
2018/3/20
瑞雷面波
干扰波(在反射地震中)
勘探波(频散特性)
数据的采集和处理
正演问题(快速、稳定的算法)
反演问题(线性及非线性算法)
2018/3/20
什么特征
数值计算存在多种模式怎样解释多模问题怎样与实测中的一条频散曲线相对应局部线性化方法：阻尼最小二乘方法。对初始模型要求较高瑞雷波反演非线性反演方法：遗传算法、神经网络算法、蒙特卡罗法等。计算量大反演速度慢。

基于频率-速度域多重信号分类的面波高分辨率频散成像方法

基于频率-速度域多重信号分类的面波高分辨率频散成像方法伍敦仕;孙成禹;林美言【摘要】Accurate phase velocity dispersion image is the basis of surface wave inversion for near-surface shear wave velocity.We present a high resolution dispersion imaging method of surface wave named multiple signal classification in frequency-velocity domain (fv-MUSIC) based on multiple signal classification in frequency velocity domain.Firstly,a beam-former is constructed in frequency velocity domain instead of the conventional frequency wavenumber domain.Secondly,the MUSIC algorithm is introduced to decompose the spatial-spectral cross-correlation matrix into signal and noise subspaces.At last,the ultimate surface wave dispersion image is produced using the noise subspace.Theoretical and real surface wave data processing cases indicate that it has the advantages of convenient operation,less calculation time and high resolution phase velocity images.Especially when the length of receiving array is shorter,the fv-MUSIC method still remains higher phase velocity resolution.It helps to improve the lateral shear wave velocity resolution of the active source surface wave method.%准确的相速度频散图像是主动源面波勘探方法反演近地表横波速度的基础.提出了一种基于频率-速度域多重信号分类(multiple signal classification in frequency-velocity domain)的面波高分辨率频散成像方法(简称fv-MUSIC方法).该方法首先将传统的频率-波数域波束形成器改造成频率-速度域形式,然后引入多重信号分类算法将空间谱相关矩阵分解为信号子空间和噪声子空间两个部分,最后利用噪声子空间部分生成最终的面波频散图像.理论数据和实际数据应用结果表明,该方法能产生较高精度的相速度图像,并且使用方便,计算效率高,尤其当接收排列较短时,该方法依然能保持较高的相速度分辨率,有利于提高主动源面波方法的横向速度分辨能力.【期刊名称】《石油物探》【年(卷),期】2017(056)001【总页数】9页(P141-149)【关键词】多重信号分类;面波;相速度;高分辨率;频散【作者】伍敦仕;孙成禹;林美言【作者单位】中国石油大学(华东)地球科学与技术学院,山东青岛266580;中国石油大学(华东)地球科学与技术学院,山东青岛266580;中国石油大学(华东)地球科学与技术学院,山东青岛266580【正文语种】中文【中图分类】P631在地震勘探领域,转换波静校正需要准确的近地表横波速度[1-4]。

人工蜂群算法的研究与应用

人工蜂群算法的研究与应用蔡瑞瑞赵露（安徽电子信息职业技术学院，安徽蚌埠233000）摘要：本文在分析了人工蜂群基本算法的原理上，针对算法中存在的不足，对算法进行了初始解、选择策略、更新解公式等几方面的改进。

实验结果表明，改进后的蜂群算法在性能上有了显著的提高，最后简述了蜂群算法在不同领域的应用。

关键词：人工蜂群；算法；研究中图分类号：TP301.6 文献识别码：A 文章编号：2095-3771(2018)03-0048-05引言群体智能发展到现在，吸引了很多的学者对其进行研究，主要的群体智能算法有：蚁群优化算法、粒子群算法、遗传算法、鱼群算法等，且大多数都已应用于解决优化问题中。

近年来，人工蜂群算法因其收敛速度快，稳定性高，参数少等优点受到了很大的关注。

人工蜂群算法是模拟蜂群的自组织、自适应的仿生智能算法，它由Karaboga 于2005年提出，并成功将其用于解决函数优化问题。

1 人工蜂群算法基本原理人工蜂群算法（Artificial Bee Colony Algorithm, 简称ABC 算法）是模拟蜜蜂觅食行为的一种启发式算法应用，符合自然界中的蜜蜂群体性、自组织性等特点。

蜜蜂的觅食机制主要有3个基本要素：引领蜂、跟随蜂、侦察蜂。

引领蜂的主要作用是在区域范围内进行食物源的搜索，并记录下食物源的位置，在特定的展示区域内舞蹈传递给跟随蜂，且舞蹈的不同类型决定食物源的丰富程度；跟随蜂的主要作用为接收到引领蜂的食物源信息后，随机选举引领蜂，同时局部搜索引领蜂附近的食物源；侦察蜂是当食物源规模较少或消耗时间过长，则会放弃该食物源的搜索。

蜂群通过不断循环上述过程不断寻找丰富的食物源，直至找到最丰富的蜜源。

我们用数学模型对上述每个阶段进行描述：（1）蜂群的初始化初始化ABC 算法的参数，主要有食物源数目Hn ，食物源被丢弃的次数D n ，循环次数，算法中食物源中Hn 和跟随蜂、侦察蜂的数目相等，我们可以定义某食物源的公式如下：min max min [0,1]()ij j j j x x random x x =+− （1）其中ij x 表示为第i 个食物源的第j 个维度值，[1,2,]i Hn ∈…，[1,2,D ]j n ∈…，min i x ，max j x 表示第j 维的最小值、最大值，[0,1]random 表示随机生成的(0,1)的数值。

遗传算法和LM算法联合反演瑞雷波相速度

ｔｐｙｉｇＧＡＯｔｎｒｉｎｏｆｓｆｃａｅｄｉｐｅｓｏｈｅａｐｌｎｔｈｅｉｖｅｓｏｕｒａｅｗｖｓｒｉｎ，ｗｅａｏｐｅｈｅｃｄｔｄｔｏｍｂｎａｉｎｅｅｉｌｒｔｉｔｏｏｆｇｎｔｃａｇｏｉｈｍｎｄＬＭａ
遗传算法和Ｌ算法联合反演瑞雷波相速度Ｍ
文成哲，刘财，郭智奇，韩颜颜
（吉林大学地球探测科学与技术学院，春１０２）长３０６
摘
要
上世纪中叶以来，震探查法等基于面波相速度频散测定以及其反演的地下构造勘探方法，地壳研究、微在工
ｄｓｅｓｏｆｓｒａｅｗａｅａｄｉｎｅｓｏｉｐｒｉｎｏｕｆｃｖｎｔｉｖｒｉｎ，ｓｃｓｔｅｍｉｒｔｅｒｓｒｅｔｏｓｕｈａｈｃｏｒｍｏｕｖｙｍｅｈｄ，ｈｖｅｎｗｉｅｙｕｅｎｔｅａｅｂｅｄｌｓｄｉｈｓｕｙｏａｔＳｃｕｔｐｏｐｃｉｇａｄｅｇｎｅｉｇｇｏｏｉａｒｓｅｔｇｓｎｅｔｅｍｉｄｅｐｒｄｏｓｅｔｒ．Ｔｈｓｔｄｆｅｒｈ’ ｒｓｒｓｅｔｎｎｎｉｅｒｎｅｌｇｃｌｏｐｃｉｉｃｈｄｌｅｉｆｌｔｃｎｕｙｐｎｏａｉｐｐｒｉｉｄａａｅｓａｍｅｔｉｒｖｎｈｒｃｓｏｆｉｖｒｉｎｉｈｅｅｍｅｈｄ．Ｂｓｄｏｈｎｌｓｓｏｒｂｅｍｅｇｎｎｍｐｏｉｇｔｅｐｅｉｉｎｏｅｓｏｔｓｔｏｓａｅｎｔｅａａｙｉｆｏｌｍｓｅｒｉｇｉｎｎｐ

水平层状模型中多模式瑞雷波和拉夫波相速度频散曲线的灵敏度分析

关键词瑞雷波拉夫波多模式相速度频散曲线雅可比矩阵灵敏度分析
中图分类号：Ｐ６３１文献标识码：Ａｄｏｉ：１０．１３８１０／ｊ．ｃｎｋｉ．ｉｓｓｎ．１０００－７２１０．２０２０．０１．０１６
０引言
面波沿自由表面（如土壤与空气之间界面、土壤与水之间界面）传播，瑞雷波和拉夫波是两种基本的面波类型。瑞雷波是由Ｐ波和Ｓ波耦合形成的，［１］在半无限空间中，位于自由表面的粒子运动轨迹是沿逆时针方向旋转的椭圆，当瑞雷波传播到０．２倍波长的深度时，粒子运动轨迹由逆时针变为顺时针。［２］拉夫波的形成与层内多重ＳＨ波相互干涉有关［３］，其粒子运动轨迹是水平的且垂直于波的传播方向。面波具有低速度、低频率、高振幅和频散等特点［４］，高频面波方法即是依据这些特性而建立，且已被广泛应用于解决浅地表地球物理问题。［５－６］
第５５卷第１期
尹晓菲，等：水平层状模型中多模式瑞雷波和拉夫波相速度频散曲线的灵敏度分析
１３７
对横波速度反演结果的影响。面波相速度频散曲线的灵敏度分析可指导反演
尹晓菲，胥鸿睿，郝晓菡，孙石达，王芃．水平层状模型中多模式瑞雷波和拉夫波相速度频散曲线的灵敏度分析．石油地球物理勘探，２０２０，５５（１）：１３６－１４６．
摘要以瑞雷波和拉夫波为主要研究对象的高频面波方法，在地下水、环境及工程等领域被广泛应用。对于水平层状模型，横波速度是影响多模式瑞雷波和拉夫波相速度频散曲线的最重要参数。文中利用雅可比矩阵探究多模式瑞雷波和拉夫波相速度对不同深度地层横波速度的灵敏度。研究表明：① 不同模式的面波对相同地层横波速度的灵敏度不同；无论是瑞雷波还是拉夫波，低频面波比高频面波对较深层横波速度更灵敏；同时，整个高频段都是多模式面波相速度频散曲线对表层横波速度改变的灵敏频段。②基于对速度递增模型和两种速度异常层（含低速夹层或高速夹层）模型进行的测试分析，认为多模式瑞雷波和拉夫波相速度频散曲线对低速层横波速度的灵敏度高，而对高速层及速度异常层（低速层或高速层）下伏地层横波速度的灵敏度低。 ③ 相同模式拉夫波相速度频散曲线对同一地层横波速度的高灵敏度频段范围比瑞雷波的更宽，瑞雷波和拉夫波相速度频散曲线对相同地层横波速度的灵敏度峰值存在差异，因此联合反演多模式瑞雷波和拉夫波相速度频散曲线有利于获得高精度的浅地表横波速度。

基于新的惩罚因子算法的波场重构反演

基于新的惩罚因子算法的波场重构反演蔺玉曌;李振春;张凯;李媛媛【摘要】全波形反演是一种高精度的反演方法,其目标函数是一个强非线性函数,易受局部极值影响,而且反演过程计算量较大.波场重构反演是近几年提出的一种改进的全波形反演理论.该反演方法通过将波动方程作为惩罚项引入到目标函数中,通过拓宽解的寻找空间减弱了局部极小值的影响,而且反演过程不需要计算伴随波场,提高了计算效率.但该反演方法一直缺少准确的惩罚因子算法,直接影响到该方法的准确度.本文将波场重构反演拓展到时间域并利用梯度法进行波场重构.频率域的惩罚因子用来加强波动方程的约束,而时间域惩罚因子表现为调节模拟波场和实际波场的权重因子.为此,我们根据约束优化理论,在波动方程准确以及重构波场与反演参数解耦的假设下,提出以波动方程为目标函数的新的惩罚因子算法.根据波形反演在应用时普遍存在的噪音干扰、子波错误和低频信息缺失的情况下,应用部分Sigsbee2A模型合成数据对本文提出的算法进行实验.数值实验结果表明:基于新的惩罚因子算法,在其他信息不准确的情况下,波场重构反演可以给出高精度的反演结果.【期刊名称】《地球物理学报》【年(卷),期】2018(061)010【总页数】10页(P4100-4109)【关键词】波形反演;波场重构;约束优化;惩罚因子【作者】蔺玉曌;李振春;张凯;李媛媛【作者单位】中国石油大学(华东)地球科学与技术学院,青岛266580;海洋国家实验室海洋矿产资源评价与探测技术功能实验室,青岛 266071;中国石油大学(华东)地球科学与技术学院,青岛266580;海洋国家实验室海洋矿产资源评价与探测技术功能实验室,青岛 266071;中国石油大学(华东)地球科学与技术学院,青岛266580;海洋国家实验室海洋矿产资源评价与探测技术功能实验室,青岛 266071;中国石油大学(华东)地球科学与技术学院,青岛266580;海洋国家实验室海洋矿产资源评价与探测技术功能实验室,青岛 266071【正文语种】中文【中图分类】P6310 引言全波形反演(Full Waveform Inversion，简称FWI,Tarantola，1984；Pratt，1999)利用全波形信息，对地震炮记录与模型正演炮记录的差值建立目标泛函，利用最优化思想计算梯度方向，通过不断迭代更新地下介质参数使两者残差越来越小，从而实现优化介质参数的目的.全波形反演不仅考虑了地震波传播的走时等运动学信息，而且加入了振幅、相位等动力学信息，能够适应强横向变速介质和各向异性介质的速度反演.它是目前精度最高的一种速度反演方法，通过迭代反演得到高精度的地下构造，能够满足目前勘探开发日益复杂的需求，可以为叠前成像技术提供更准确的速度模型，最终提高油气勘探的成功率.全波形反演方法需要大量的模拟地震数据，其计算量正比于炮点和检波点的数量，对一个大型的地震数据进行波形反演的计算量很大.为了提高计算效率，Trezeguet等(1989)将偏移和波形反演结合，迭代中采用成像条件和波形拟合双重标准，提高速度估计的效率.Gong等(2008)提出了基于逆时偏的波形反演方法，减少了炮点和检波点数量，提高了计算效率.Krebs等(2009)利用相位编码技术对所有的炮进行编码，减少了反演过程中计算量.Wang和Goo(2010)提出了多炮地震数据的快速全波形反演方法，这种方法通过生成几个超级炮点，使得炮的数量减少，在不影响反演质量的情况下提高计算效率.Mao和Wu(2012)在波形反演中引入了GPU加速方法，在很大程度上提高了FWI的计算效率.FWI是一个高度非线性欠定问题(董良国等，2013；杨午阳等，2013)，观测数据和模型数据之间是非线性对应关系，如果初始速度模型和实际的速度模型相差太多，就会出现局部极值以及周期移位现象，造成迭代反演结果不收敛.针对反演中存在的这些问题，Bunks等(1995)采用空间网格和频率多尺度方法进行波形反演，在反演过程中从低频开始不断地增加高频成分，并对应对模型网格进行加密，很好地解决了各个尺度上解的收敛问题.Luo和Schuster(1990)利用走时互相关作为目标函数进行反演，减弱了对初始模型的依赖；Shin和Cha(2009)将FWI拓展到拉普拉斯域来反演速度的低频信息；Xu等(2012)提出反射波波形反演方法，利用反射波与低波数的速度结构之间的线性关系反演速度场中的背景速度；Chi等(2013)利用基于能量包络的目标函数得到观测数据中的超低频信息进行波形反演，消除了局部极小值的影响，克服了因缺失低频成分无法迭代收敛的缺陷.利用走时层析或者偏移速度分析也可以给FWI提供比较准确的初始速度模型，从而提高反演解的迭代收敛速度(De Hoop,1960; Shen and Symes,2008).Weibull等(2012)把目标函数改成联合偏移速度和全波形反演的形式，解决了初始模型差引起的周期移位问题.陈生昌和陈国新(2016)提出利用基于时间二阶积分的波场反演背景速度.为了提高反演的整体收敛效果，有些研究者还提出了对地震数据加窗的反演思路(Yoon et al.,2003,2012)，还有学者提出了利用波场能量加权梯度的方法(Zhang etal.,2011,2012).另外加入一些额外的先验信息也可以约束解收敛到全局最优，Guitton等(2010)通过得到的地质倾角信息作为约束条件，Asnaashari等(2012)通过已知的井数据插值成先验速度信息作为反演过程中的约束，得到了很好的迭代反演结果.van Leeuwen和Herrmann(2013)针对计算效率和局部极值问题，提出了一种改进的波形反演方法：波场重构反演(Wavefield Reconstruction Inversion，简称WRI).该方法通过将波动方程作为惩罚项加入到目标函数中，同时将波场和模型参数作为反演参数进行反演.该方法不需要存储正演波场和计算伴随波场，因此计算效率得到了很大提高，通过拓宽解的寻找空间，WRI的解更加稳定，受局部极值的影响较弱.波场重构反演方法通过惩罚因子将波形匹配项与波动方程惩罚项连接在一起构成目标函数，该常数用来增强或减弱波动方程对目标函数的约束，对反演的精度和稳定性至关重要.van Leeuwen等(2014)优化了WRI的相关理论，给出了重构波场的物理含义并对目标函数中惩罚因子的取值进行了经验性分析；Fang等(2015)在Bayesian理论下对WRI的不确定性进行了定量分析.van Leeuwen和Herrmann(2016)给出了惩罚因子的选取策略：通过使波形匹配项和波动方程项达到同一数量级来求取惩罚因子初始值，然后在反演过程中逐步增大.该策略与da Silva(2015)提出的利用积性函数求取惩罚因子的方法类似，但精度较低，难以保证反演的稳定性.针对波场重构反演中惩罚因子精度较低等问题，本文将波场重构反演拓展到时间域，并利用梯度法进行波场重构.根据时间域增广波动方程，提出了一种新的基于约束优化理论的惩罚因子算法.根据本文提出的算法，针对波形反演在应用时可能存在的噪音干扰、子波错误和低频信息缺失等问题，利用部分Sigsbee2A模型合成数据分别进行了测试，并取得了较好的反演结果.1 基本理论1.1 时间域波场重构反演全波形反演方法利用波场的振幅、走时以及相位信息，根据波形匹配准则通过求取梯度来得到地下介质参数.传统的FWI目标函数表达式如下：(1)上式中m为速度，d为观测数据；P是炮点算子，以此来确定炮点对应的模拟数据.A为正演算子，具体表达式：为时间，Δ是离散的拉普拉斯算子.FWI的目标函数是L2范数下的泛函，可以用伴随状态法(Plessix,2006)求解:(2)求解上式需要计算并存储所有炮点的正演波场：A(m)u=q和伴随波场ψ：A(m)Tψ=PT(Pu-d)，对内存的要求很高，而且计算效率较低；在没有准确的初始模型的情况下反演结果很容易受局部极小值影响.为解决上述问题，van Leeuwen和Herrmann(2013)在频率域通过修改目标函数，提出一种基于波场重构的反演方法：将状态方程加入到目标函数中，波场和模型都作为参数进行反演.WRI目标函数的一般数学表示为(3)上式第一项为传统全波形反演中的模拟数据与观测数据的匹配项；第二项为惩罚项，即波动方程，λ>0为惩罚因子.WRI的目标函数包含两个未知量，无法直接求解，但在给定模型参数m的情况下，可以得到一个扩展的状态变量，即重构波场：(λ A(m)TA(m)+PTP)uλ=λA(m)Tq+PTd,(4)其中T代表矩阵的转置，uλ为重构波场，该式又称为增广波动方程.可以看出重构波场与惩罚因子的取值有直接关系，而我们无法根据上式得到一个准确的惩罚因子算法.下面将WRI拓展到时间域.首先将WRI的目标函数重写为如下形式：(5)在最小二乘的理论框架下，对目标函数关于波场求导，整理可得重构波场的更新表达式：(6a)U=u-αgu.(6b)其中U为重构波场，gu为波场更新梯度；但该式由于难以判断收敛性而无法进行求解，因此将重构波场的表达式重写为U=λ′d+(1-λ′)u, λ′=α λ.(7)可以看出，重构波场是观测波场与模型波场通过平衡因子的组合波场，该波场满足已知波动方程，同时包含一定的观测数据信息.新的惩罚因子λ′的取值需要根据初始波场以及观测数据的准确性综合给出，具体算法见下节.在重构波场之后，波场与模型参数不再耦合，可以直接求取模型更新的梯度：(8)1.2 基于约束优化的惩罚因子算法WRI引入惩罚因子的目的是用来调节对远离波动方程约束项的惩罚，但在时间域中，惩罚因子转化为权重项来组合模拟波场与观测波场，以期得到真实的波场或者弥补两者各自的不足从而得到更加准确的反演结果.惩罚因子的准确性直接影响到反演结果的精度，为此我们将其求解过程总结如下等式约束优化问题：minJ(ut,λ) s.t.ut-[λ d+(1-λ)u0]=0.(9)其中ut为真实波场.基于以下原因：1)波动方程准确；2)重构波场与模型参数不再耦合；3)观测数据品质的缺陷可由正演算子进行修正；我们拟采用波动方程作为目标函数：J=，(10)因此可以得到下列关于惩罚因子的方程：J=.(11)同样采用梯度法计算惩罚因子的更新梯度：gλ=A(m)(d-u){A(m)[λ d+(1-λ)u]-q}.(12)在本文中取中间值λ=0.5作为初始值进行更新.注意到惩罚因子的求取是在当前时刻的初始波场和观测波场下计算的，是关于一个常数的更新，计算量较小，易于在反演中实现.惩罚因子的计算过程本质上是在波动方程的约束下，对初始波场和观测波场互相匹配优化的过程.当炮记录包含噪音或者缺少低频信息，或者地震子波不准确时，WRI可以通过准确的惩罚因子来过滤干扰信息从而准确地重构波场进行反演.2 模型试算根据上节提出的惩罚因子算法，首先给出声波近似下一个模型试算结果来验证该方法的正确性，然后在该算法的基础上分别从噪音干扰，子波错误以及低频信息缺失三个问题分析WRI的适应性.2.1 声波近似下模型测试这里本文以部分Sigsbee2A模型为例进行试算，检验WRI以及惩罚因子算法的正确性.图1为真实模型，模型大小为横向7000 m，纵向2400 m，纵横向采样点分别为700、300，网格大小横向10 m，纵向8 m；地表放炮，地面接收，起始炮点在500 m处，共30炮，炮间距200 m；震源子波是主频为10 Hz的Ricker 子波，最大接收时间为2.5 ms，时间采样率为1 ms；图2为初始平滑模型，以下测试基本参数与本节相同；图3为迭代10次后的WRI反演结果.由图3可以看出，在10次迭代之后，WRI可以给出相对准确的反演结果.分别抽取3000 m(图4a)和4000 m(图4b)处的反演速度与初始速度和真实速度进行比较可以发现，针对浅层位置的速度，WRI可以得到准确的速度；但由于来自深层的反射波较弱，难以准确重构真实波场，所以反演结果精度相对较低，但基本可以得到深层的基础构造；针对深层异常体，在迭代次数较少时只能得到其准确位置. 图1 真实模型Fig.1 True model图2 初始模型Fig.2 Initial model图3 10次迭代后反演结果Fig.3 Inversion result after 10 iterations图4 (a) 3000 m处速度曲线对比；(b) 4000 m处速度曲线对比Fig.4 (a) Comparison of velocity at 3000 m；(b) Comparison of velocity at 4000 m 2.2 噪音的敏感性测试在实际生产中，地震记录中会存在大量噪音，反演方法对噪音的敏感性至关重要.下面我们将炮记录加入一定的噪音进行反演，测试该方法对噪音的适应性.本节所用噪音类型为高斯噪音，信噪比0.41.图5a为普通正演炮记录，图5b为包含噪音干扰的炮记录.图6为加入噪音后FWI与WRI的反演结果.由于噪音能量较强，所以在反演时对表层能量进行切除，对表层以下速度进行更新.传统的FWI反演方法直接通过观测数据构造伴随波场，当观测数据包含较多噪音时，其反演结果会受其影响而导致速度不准确，反演结果包含很多假象，难以辨别各处构造(图6a).而WRI在进行模型更新之前首先计算惩罚因子，利用优化的惩罚因子重构波场，可以减弱噪音的影响，使反演结果更加准确(图6b).抽取3000 m(图7a)和4000 m(图7b)处的真实速度与FWI反演结果和WRI反演结果进行比较：FWI的速度波动较大，偏离真实速度，而WRI反演结果较接近真实速度.2.3 地震子波敏感性测试在实际生产中，激发地震的子波是未知的，一般需要首先进行子波评定才可以进行反演.而FWI是基于波形匹配准则进行反演的，当地震子波不准确时，FWI易产生周期移位现象，导致反演结果不准确.频率域的WRI目标函数和增广波动方程对子波的依赖性较强，子波的不准确直接导致重构波场以及模型梯度的错误(Fang et al.,2015).但通过将WRI拓展到时间域可以发现，波场重构过程以及模型梯度是利用波场进行计算的，不涉及波形匹配，对地震子波要求较低.而且基于新的惩罚因子算法，可以尽可能准确地重构真实波场，减弱观测波场和模拟波场子波不匹配的影响.下面我们利用不同的子波进行正演和反演，测试基于新的惩罚因子的WRI对地震子波的敏感性.图8中蓝色为正演使用的地震子波，红色为反演时采用的子波.图9a为子波错误时WRI的反演结果，图9b为对应FWI反演结果.抽取3000 m和4000 m处速度进行比较(图10)，可以看出当使用错误的子波进行反演时，由于波形不匹配，FWI 在1000 m处和1500 m处存在明显的周期移位现象，反演结果偏离真实速度，但WRI通过重构波场计算模型更新梯度，对子波的依赖性较小，部分地方(1700 m和2000 m)的速度由于波场的不准确会有所波动，但整体速度基本准确，接近真实速度.2.4 低频信息测试在实际地震勘探中，低频信息是缺失的.而没有充足的低频信息，FWI易陷入局部极值，导致无法收敛.但WRI同时从模型空间和数据空间寻求最优解，对低频信息的依赖性较小，可以得到一个比较好的反演结果.本节通过对地震子波进行滤波处理来检测WRI对低频信息的依赖性.图5 (a) 模拟炮记录；(b) 加噪音后炮记录Fig.5 (a) Seismograms；(b) Seismograms with noise interference图6 (a) 加噪音后FWI反演结果；(b) 加噪音后WRI反演结果Fig.6 (a) FWI inversion result with noise；(b) WRI inversion result with noise图7 (a) 3000 m处速度曲线比较；(b) 4000 m处速度曲线比较Fig.7 (a) Comparison of velocity at 3000 m；(b) Comparison of velocity at 4000 m 图8 不同地震子波Fig.8 Different seismic wavelet图11a中蓝色为时间域正常地震子波，红色为滤除5 Hz以下频率后的子波，图11b为频率域示意图.图12为不同子波的炮记录频谱，可以发现在对子波进行滤波之后，炮记录中几乎不包含任何低频信息，比较符合实际地震勘探情况.为测试本文算法对低频信息的敏感性，本节采用梯度模型(图13)作为初始速度场.图14a为FWI针对缺少低频信息的炮记录反演得到的速度场，图14b为WRI反演结果.两者在浅层的速度准确，但针对深层的异常体，FWI反演结果并未收敛，而且由于缺失低频信息，FWI在深层的速度偏高，远离真实速度，而且深层的异常体并未收敛.WRI通过准确重构波场可以补充部分低频信息，而且同时从模型空间和波场空间进行求解，受局部极值影响较弱，因此反演结果准确.同样抽取3000 m(图15a)和4000 m(图15b)处的速度进行比较，可以看出在缺少低频信息的情况下，基于同样的迭代次数，FWI只能反演处出浅层的速度，在1000 m之后反演结果远偏离真实速度，而WRI的反演结果从浅层至深层一直相对比较准确，深层的异常体已经收敛，而且位置比较准确.图9 (a) WRI反演结果；(b) FWI反演结果Fig.9 (a) WRI inversion result；(b) FWI inversion result图10 (a) 3000 m处速度曲线比较；(b) 4000 m处速度曲线比较Fig.10 (a) Comparison of velocity at 3000 m；(b) Comparison of velocity at 4000 m图11 (a) 时间域滤波前后子波；(b ) 频率域滤波前后子波Fig.11 (a) Wavelet before and after filter in time domain；(b) Wavelet before and after filterin frequency domain图12 滤波前后炮记录频谱Fig.12 Spectrum of seismograms before and after filter图13 初始速度场Fig.13 Initial Velocity3 结论本文在时间域对波场重构反演方法进行了研究，推导了时间域增广波动方程和模型梯度，提出了基于约束优化的惩罚因子算法.基于准确的惩罚因子，并结合波场重构反演理论的优点，从噪音、地震子波错误和低频信息缺失等三个方面对该理论的适用性进行了测试.数值实验表明波场重构反演具体很高的精度，而且通过对惩罚因子的准确计算，可以实现对模拟波场和观测波场的准确组合，在无法准确预测地震波传播特点的情况下(子波错误，噪音等)，仍然可以给出较好的反演结果.针对地震勘探中低频信息不足的问题，WRI通过同时从模型空间和数据空间寻求最优解，能够有效地避免局部极值，给出准确的反演速度.图14 (a) 无低频信息下的FWI反演结果；(b) 无低频信息下的WRI反演结果Fig.14 (a) FWI inversion result without low frequency；(b) WRI inversion result without low frequency图15 (a) 3000 m处速度曲线比较；(b) 4000 m处速度曲线比较Fig.15 (a)Comparison of velocity at 3000 m；(b) Comparison of velocity at 4000 m Xu S,Wang D L,Chen F,et al.2012.Inversion on reflected seismic wave.∥SEG Technical Program Expanded Abstracts 2012.SEG,1-7.参考文献【相关文献】Asnaashari A,Brossier R,Garambois S,et al.2012.Regularized full waveform inversion including prior model information.∥ 74th EAGE Conference & Exhibition.Copenhagen: SPE,EAGE.Bunks C,Saleck F M,Zaleski S,et al.1995.Multiscale seismic waveforminversion.Geophysics,60(5): 1457-1473.ChenS C,Chen G X.2016.Full waveform inversion of the second-order time integral wavefield.Chinese Journal of Geophysics (in Chinese),59(10): 3765-3776,doi:10.6038/cjg20161021.Chi B,Dong L,Liu Y.2013.Full waveform inversion based on envelope objective function.∥ 75th EAGE Conference & Exhibition.EAGE.da Silva N V.2015.Automaticwavefield reconstruction inversion.∥ 85th SEG Technical Program Expanded Abstracts.Society of Exploration Geophysicists,1332-1336.De Hoop A T.1960.A modification of Cagniard′s method for solving seismic pulse problems.Applied Scientific Research,Section B,8(1): 349-356.DongL G,Chi B X,Tao J X,et al.2013.Objective function behavior in acoustic full-waveform inversion.Chinese Journal of Geophysics (in Chinese),56(10): 3445-3460,doi:10.6038/cjg20131020.Fang Z,Lee C,Silva C,et al.2015.Uncertainty quantification for wavefield reconstruction inversion.∥77th EAGE Conference and Exhibition 2015.EAGE.Gong B,Chen G Q,Yingst D,et al.2008.3D waveform inversion based on reverse time migration engine.∥SEG Technical Program Expanded Abstracts 2008.S EG,1900-1904. Guitton A,Ayeni G,Gonzales G.2010.A preconditioning scheme for full waveform inversion.∥SEG Technical Program Expanded Abstracts 2010.SEG,1008-1012.Krebs J R,Anderson J E,Hinkley D,et al.2009.Fast full-wavefield seismic inversion using encoded sources.Geophysics,74(6): WCC177-WCC188.Luo Y,Schuster G T.1990.Wave-equation traveltime + waveform inversion.∥ 60th SEG Expanded Abstract.SEG,1223-1225.Mao J,Wu R S.2012.Multiscale full waveform inversion using GPU.∥SEG Technical Program Expanded Abstracts 2012.SEG,1-7.Plessix R E.2006.A review of the adjoint-state method for computing the gradient of a functional with geophysical applications.Geophysical Journal International,167(2): 495-503. Pratt R G.1999.Seismic waveform inversion in the frequency domain,Part 1: Theory and verification in a physical scale model.Geophysics,64(3): 888-901.Shen P,Symes W W.2008.Automatic velocity analysis via shot profilemigration.Geophysics,73(5): VE49-VE59.Shin C,Cha Y H.2009.Waveform inversion in the Laplace—Fourier domain.Geophysical Journal International,177(3): 1067-1079.Tarantola A.1984.Inversion of seismic reflection data in the acousticapproximation.Geophysics,49(8): 1259-1266.Trezeguet D,Vujasinovic Y,Tarantola A.1989.Velocity model optimization by image focusing and waveform modeling using prestack depth migration.∥ 1989 SEG Annual Meeting.Dallas,Texas: SEG,1247-1250.van Leeuwen T,Herrmann F J.2013.Mitigating local minima in full-waveform inversion by expanding the search space.Geophysical Journal International,195(1): 661-667.van Leeuwen T,Herrmann F J,Peters B.2014.A new take on FWI-wavefield reconstruction inversion.∥ 76th EAGE Conference and Exhibition 2014.EAGE.van Leeuwen T,Herrmann F J.2016.A penalty method for PDE-constrained optimization in inverse problems.Inverse Problems,32(1): 015007.Wang B L,Goo J H.2010.Fast full waveform inversion of multi-shot seismic data.∥SEG Technical Program Expanded Abstracts 2010.SEG,1055-1058.Weibull W,Arntsen B,Nilsen E.2012.Initial velocity models for Full Waveform Inversion.∥ SEG Technical Program Expanded Abstracts 2012.SEG,1-4.YangW Y,Wang X W,Yong X S,et al.2013.The review of seismic Full waveform inversion method.Progress in Geophysics (in Chinese),28(2): 766-776,doi: 10.6038/pg20130225. Yoon K,Shin C,Marfurt K J.2003.Waveform inversion using time-windowed back propagation.∥ 73rd SEG Expanded Abstracts.SEG,690-693.Yoon K,Suh S,Cai J,et al.2012.Improvements in time domain FWI and its applications.∥SEG Technical Program Expanded Abstracts 2012.SEG,1-5.Zhang Z G,Lin Y Z,Huang L J.2011.Full-waveform inversion in the time domain with an energy-weighted gradient.∥ SEG Technical Program Expanded Abstracts 2011.SEG,2772-2776.Zhang Z G,Huang L J,Lin Y Z.2012.A wave-energy-based precondition approach to full-wa veform inversion in the time domain.∥ SEG Technical Program Expanded Abstracts 2012.SEG,1-5.附中文参考文献陈生昌,陈国新.2016.时间二阶积分波场的全波形反演.地球物理学报,59(10): 3765-3776,doi: 10.6038/cjg20161021.董良国,迟本鑫,陶纪霞等.2013.声波全波形反演目标函数性态.地球物理学报,56(10): 3445-3460,doi: 10.6038/cjg20131020.杨午阳,王西文,雍学善等.2013.地震全波形反演方法研究综述.地球物理学进展,28(2): 766-776,doi: 10.6038/pg20130225.。

复杂环境下群组无人系统交互与博弈演进规律涉及到的学科-概述说明以及解释

复杂环境下群组无人系统交互与博弈演进规律涉及到的学科-概述说明以及解释1.引言1.1 概述概述在当今社会的复杂环境下，群组无人系统的应用越来越广泛。

这些系统由多个无人机、机器人或传感器节点组成，能够自主协作完成各种任务。

在这种复杂环境下，群组无人系统之间的交互和博弈变得尤为重要。

通过分析交互和博弈的规律，我们可以更好地设计系统的控制策略，提高系统的效率和稳定性。

本文将从群组无人系统的介绍开始，探讨复杂环境下交互的特点，并分析博弈的演进规律。

同时，我们也将讨论学科交叉在研究中的必要性，以及研究的意义和应用价值。

最后，我们将展望未来研究的方向，探讨如何更好地应对复杂环境下群组无人系统交互与博弈的挑战。

文章结构部分的内容可以描述整篇文章的组织和安排，如下所示："1.2 文章结构": {"本文主要分为三个部分，即引言、正文和结论。

在引言部分，将对群组无人系统在复杂环境下的交互与博弈演进规律进行综述，介绍研究背景和意义。

接下来的正文部分将详细介绍群组无人系统的概念与特点，复杂环境下的交互特点，以及博弈演进规律分析等内容。

最后的结论部分将提出学科交叉的必要性，研究的意义与应用价值，以及展望未来研究方向。

通过这三个部分的安排，可以全面展示关于复杂环境下群组无人系统交互与博弈演进规律涉及到的学科内容，为读者提供一个清晰的逻辑结构。

"}1.3 目的本文的主要目的在于探讨复杂环境下群组无人系统的交互与博弈演进规律涉及到的学科范围。

我们将分析群组无人系统的特点和复杂环境下的交互方式，深入探讨博弈演进规律在这一领域的作用。

通过对相关学科的综合研究和分析，我们希望能够揭示群组无人系统在复杂环境下的行为模式和规律，为未来的研究和实践提供理论支持和指导。

同时，本文也旨在促进不同学科领域之间的交叉与合作，推动学术研究的进一步发展。

2.正文2.1 群组无人系统介绍群组无人系统是一种新型的智能系统，由多个无人机、机器人或其他无人设备组成，能够在不需要人工干预的情况下进行协同工作或博弈行为。

基于随机脉冲重复间隔Radon-Fourier变换的相参积累

基于随机脉冲重复间隔Radon-Fourier变换的相参积累陈潜;付朝伟;刘俊豪;吴嗣亮【摘要】针对远程隐身目标微弱回波的低信噪比检测和多普勒模糊下的参数测量问题,该文采用随机脉冲重复间隔Radon-Fourier变换(RPRI-RFT)实现回波脉冲的长时间相参积累和盲速旁瓣(BSSL)抑制.通过分析PRI随机抖动量与多普勒模糊旁瓣均值、随机调制噪声谱方差的定量关系,表明增加积累脉冲数量可以降低调制噪声的影响,并针对脉冲数增加导致的回波跨距离单元的问题,提出RPRI-RFT实现回波脉冲的有效相参积累.理论分析和仿真结果表明,RPRI-RFT能够降低随机调制噪声,同时可以抑制盲速旁瓣,从而有效提高低重复频率雷达对远程、微弱高速多目标的检测和测量能力.【期刊名称】《电子与信息学报》【年(卷),期】2015(037)005【总页数】6页(P1085-1090)【关键词】雷达信号处理;目标检测;随机脉冲重复间隔;Radon-Fourier变换;相参积累;盲速旁瓣抑制【作者】陈潜;付朝伟;刘俊豪;吴嗣亮【作者单位】北京理工大学信息与电子学院北京 100081;上海无线电设备研究所上海200090;上海无线电设备研究所上海200090;上海无线电设备研究所上海200090;北京理工大学信息与电子学院北京 100081【正文语种】中文【中图分类】TN957.51随着空中运动目标雷达隐身技术的发展与应用，对雷达的探测性能提出了更加苛刻的要求。

隐身目标的雷达散射截面积较常规目标大大降低，严重影响雷达的远程探测与监视能力［13］-。

另一方面，空中运动目标的远程探测通常采用低重复频率脉冲多普勒（Pulse Doppler， PD）雷达体制，此时存在速度模糊而影响目标速度信息的准确获取。

因此，低信噪比的微弱目标检测和解速度模糊是对隐身目标远程探测的一项关键技术。

增加信号相参积累时间是提高微弱目标检测信噪比的重要手段，但目标运动引起的回波包络跨距离单元走动会严重影响积累增益［24］-。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。