初始模型对地震走时层析成像结果的影响分析及对策

常规地震走时层析算法对初始模型有较强的依赖性,初始模型与实际模型偏差较大时,需要经过很多次的迭代才能得到较好的反演结果,甚至反演结果不收敛。针对这一问题,本文分析了不同初始模型的反演结果存在较大差异的原因,提出了一种对常规层析算法进行改进的方法,以提高算法对不同初始模型的一致收敛性。研究发现,模型中没有射线覆盖或者射线覆盖较少的地方是影响算法对初始模型依赖性的关键,因此本文提出使用动态插值方法改进反演过程,根据迭代次数和结果收敛情况自动选择合适的插值方法。实验表明,改进的算法不仅提高了层析成像算法对不同初始模型的一致收敛性,也提高了反演结果的精度。     

基于混合粒子群的核磁共振反演算法研究

传统的基于最小方差原理的反演结果依赖于初始模型选择,易陷入局部极小,针对以上问题,文章利用完全非线性反演方法-粒子群反演算法,对核磁共振探测地下水的数据资料进行反演解释,该算法具有操作简单,并行处理,不要求被优化的目标函数具有可微、可导、连续等性质的优点。将基本粒子群算法与模拟退火算法结合,加入非线性约束优化条件,使其适用于核磁共振探测地下水数据资料的反演解释。试验结果表明,混合粒子群反演算法反演结果精度较高,收敛速度较快,验证了粒子群优化算法在核磁共振反演应用中的可行性。     

一种基于Laplace-Fourier域衰减系数的初始模型获取策略

频率域全波形算法由于其高精度,高效计算性能,已逐步成为地震勘探中重要的反演手段。但其对低频信息和初始模型有较大依赖,在Laplace-Fourier域进行反演能产生一些伪低频信息,为实际反演提供较好的初始模型,与此同时,其反演的有效深度也会随之变浅,且衰减系数因子越大,反演有效深度越浅。针对这些不足,本文提出一种结合不同衰减系数因子的基于Laplace-Fourier域全波形反演策略,利用不同衰减系数因子反演时的不同的波数信息相结合的方式,获得与目标模型相接近的初始速度模型。     

接收函数近邻反演方法的改进和对海拉尔台下地壳速度结构的研究

数值试验结果指出 ,用接收函数反演地壳速度结构时 ,在正演和反演过程中使用不匹配的地壳模型参数化方式 ,将对结果产生不良影响 ;同时发现 ,在处理实际资料时将接收函数归一化 ,可能会丢弃介质信息 .在此基础上 ,改进了接收函数和近邻算法反演地壳速度结构的程序 ,并用来反演了海拉尔台下的地壳速度结构 .     

不同初始模型下的水平集三维磁边界反演

基于水平集方法的磁边界反演可以在具有少量先验信息的前提下,直接反演得到地下异常体的边界及几何形状,在磁场数据处理和解释过程中具有重要意义。但是,在实际的地质勘探中,我们对于不同模型区域的磁化率值的指定可能不是先验可知的,本文中,我们对基于不同初始模型下的反演结果进行对比分析,得到以下结论:初始模型的设定对反演结果具有一定的影响,各个子域的磁化率赋值比初始模型形态对反演结果的影响更为明显。当初始模型的形态与地下异常体形态偏差较大时,经过多次反演迭代仍能重现异常体的位置与形态;当子域磁化率赋值错误时,会导致恢复的模型边界出现偏差,赋予太小的磁化率会导致对源大小的高估,太大的磁化率又会导致源大小的低估,但异常体的中心位置可以得到重现。在实际应用中,我们需要使用先验信息估计各个区域的磁化率值,以区域的平均磁化率作为反演中的已知磁化率,可以得到可靠的异常体边界。     

基于改进粒子群算法的污水处理能耗水质优化

在污水处理过程中,保证出水水质并降低系统能耗是目标,因此提出了一种改进多目标粒子群优化算法(MOPSO)。首先,选取溶解氧和硝态氮为优化设定值,选取出水水质和系统能耗为优化目标函数,建立污水处理过程多目标优化模型,然后利用多目标粒子群优化算法进行优化,得到一系列由非支配解构成的Pareto前沿,从而确定最优系统设定值。在国际基准平台BSM1上仿真所得的实验结果表明,改进多目标粒子群优化算法在出水水质达标的基础上,有效的降低了能耗。     

基于改进PSO算法的电力系统无功优化

无功优化的目的在于确定系统中无功的合理配置,针对传统粒子群算法的不足,提出一种改进的小生境粒子群优化算法:借助于问题的局部极值点信息,对原目标函数进行"拉伸"变换,达到优化计算、缩小目标函数极值范围和降低搜索难度的目的.针对IEEE-6节点标准系统进行了仿真结果表明,所提算法不仅收敛速度更快,且具备更强的全局搜索能力.     

基于黄金分割的共轭梯度法步长求取方法

目前在波形反演中常用梯度类算法的关键三要素为:目标函数、梯度和步长。在使用梯度类方法时,合适的步长因子可以有效地提高波形反演的计算效率和反演精度,故步长问题的研究也具有重要意义。基于PRP共轭梯度法进行波形反演,对现有的步长计算公式进行分析研究,提出了一种将经验步长公式与黄金分割法结合的步长计算方法,通过数值模拟试验,验证了采用的方法不仅能基本满足运算效率的要求,还能使反演结果更接近于目标模型。     

一种改进的无损可逆时频联合特征提取算法

充分研究反演积分量对S变换控制的无损可逆性,提出基于宽度不可变高斯窗函数的无损可逆时频联合特征提取算法,对高频复杂电磁特征提取实现和精确挖掘。对目标电磁信号进行时频分析,在S变换中加入宽度可变反演积分函数窗,进行特征分流控制,根据S变换无损可逆性,结合时频分析,提取无损可逆联合分布特征。仿真实验在不同信噪比下进行特征提取,实验结果表明不同信噪比下提取的时频联合分布特征具有相对不可变性,特征分类准确性比传统方法高,健壮性强,在目标识别等领域研究价值和应用前景。     

基于目标函数梯度的模拟退火蚁群算法

根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。     

深度加权函数对磁张量反演效果影响研究

利用磁张量进行反演比直接利用磁场数据反演能够得到更加精细的结果,针对位场数据反演中存在的"趋肤现象",在进行磁张量反演时,通过在反演正则化公式中加入深度加权函数可以有效地避免这种"趋肤现象",提高纵向分辨能力,本技术研究了深度加权函数对反演中深度分辨的改善效果,通过对比不同深度加权因子值对应的反演效果,得到最佳的深度加权因子值,并且在本技术中还引入了深度分辨率图像DRP作为分析反演深度分辨率的手段,借助DRP图像分析了反演方法对目标体的探测能力。     

一种景观照明单灯调光节能控制器动态路由算法

为了提高景观照明单灯调光节能控制器的节能效率,本文在蚁群算法的基础上提出了一种基于目标函数及规则优化的动态路由算法。首先为了获得花费最少和负载均衡的路径,对标准蚁群算法的目标函数进行优化,然后采用单灯调光节能控制器电力线载波芯片的信号强度作为启发因子,以优化转移规则,最后根据路由选择改进禁忌表更新的过程。通过仿真实验表明,本文提出的改进算法具有较小的误码率和延时性,能很好的应用于景观照明单灯调光节能控制器中。     

基于粒子群算法的偏置进近航段多目标优化

为了提高偏置Ⅰ类精密进近飞行程序的设计精度,对其采用改进型的粒子群算法。在求解过程中对粒子群算法进行了约束改进,提出了符合本文的改进粒子群算法,能更好产生初始解,进而处理个体极值和全局极值的选取问题。根据程序设计理论对优化问题构建约束条件,建立多目标分层优化目标函数求解非支配解,最终通过某机场进行验证。     

基于朗斯基函数的ViBe运动目标检测算法

针对传统的ViBe算法在进行运动目标检测时存在鬼影和易受干扰的缺点,提出了一种融合朗斯基函数和种子填充算法的改进ViBe算法。该算法通过朗斯基行列式判断两帧之间同一位置像素点的变化情况,较为准确的找到鬼影区域,将判断为鬼影区域的像素点通过种子填充算法进行填充,更新ViBe背景模型将鬼影像素点判为背景点,抑制鬼影区域对后续运动目标检测的影响,并通过中值滤波得到更为清晰的运动目标。实验结果表明,本文改进ViBe算法对鬼影现象达到较好的消除作用。     

基于并行文化微粒群优化算法的非线性方程组解法

并行文化微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力.将非线性方程组的求解问题转化为函数优化问题,应用并行文化微粒群优化算法求解非线性方程组的解.计算中不需要使用目标函数的导数信息和初始点信息,数值实验结果表明了该算法的有效性和可行性.     

模糊环境下的多目标柔性车间作业计划优化问题研究

首先介绍了具有模糊加工时间和模糊交货期的柔性车间作业计划问题,接着阐述了基于可能性理论的最小化制造跨度目标函数,以及基于有符号距离与区间数距离的提前/拖期惩罚函数,并以此为基础构造多目标柔性车间作业计划问题的适应度函数。针对上述多目标柔性车间作业计划问题,给出了改进粒子群算法进行有效求解,通过对粒子群参数进行自适应优化来有效平衡算法的全局搜索与局部搜索能力,最后通过实例验证了求解算法的可行性和有效性。     

基于GT的云计算海量作业调度优化

在一般的云计算作业调度算法中普遍存在因为执行作业增多而导致的执行速度较慢的问题。本文以此入手提出了以蚁群算法位基础的改进后的GT算法。改进后的算法首先初始化各个参数,之后借助于GT算法来寻求初始信息素,并把它变为蚁群算法的启发式信息。接着采用蚁群算法进行构造个体解和求解目标函数值的操作,最后进行任务调度工作。仿真试验结果表明,本文提出的基于蚁群算法的改进GT算法在云计算海量作业调度优化中,表现出了比标准GT算法更快的响应速度、更低的负载和更快的执行速度。     

基于改进智能水滴算法的混合时间窗电商物流路径优化研究

结合电商物流特点,探讨混合时间窗车辆路径问题,设计混合时间窗惩罚函数和模糊预约时间函数,建立基于混合时间窗约束的多目标车辆路径模型。设计改进智能水滴算法对模型进行求解,改进节点概率选择方式来保护优秀水滴,设置路径泥土量最大和最小限制以防止算法提前进入收敛。最后,运用实际案例模拟计算,与传统智能水滴算法计算结果对比分析。结果表明,改进智能水滴算法求解混合时间窗下多目标电商物流路径优化问题,能够以很高的概率获得更优的全局最优解,是求解这类问题有效算法。     

混合时间窗下多目标电商物流路径优化研究

结合电商物流特点,探讨混合时间窗车辆路径问题,设计了混合时间窗惩罚函数和模糊预约时间函数,建立了基于混合时间窗约束的多目标车辆路径模型。设计了改进智能水滴算法对模型进行求解,改进节点概率选择方式来保护优秀水滴,设置路径泥土量最大和最小限制以防止算法提前进入收敛。最后,运用实际案例模拟计算,与传统智能水滴算法计算结果对比分析。结果表明,改进智能水滴算法求解混合时间窗下多目标电商物流路径优化问题,能够以很高的概率获得更优的全局最优解,是求解这类问题有效算法。     

蚁群算法在煤炭配送路径中的应用

针对多配送中心煤炭车辆调度问题的复杂性,建立该问题的数学模型并提出合理假设和约束条件,以缩短配送路径降低配送成本为目标构造该问题的目标函数。文章结合实例应用蚁群算法对煤炭配送路径进行优化降低运输成本,通过实验验证了蚁群算法在煤炭配送路径优化问题的有效性。