基于萤火虫和蝙蝠群智能算法的瑞雷波频散曲线反演

摘要：

反演瑞雷波频散曲线能有效获取地层横波速度和厚度.但由于其高度的非线性、多参数、多极值等特点,传统的全局搜索方法易出现收敛速度慢、早熟收敛及搜索精度低的问题.鉴于此,本文提出并测试了基于萤火虫优化算法(FA)和带惯性权重的蝙蝠优化算法(WBA)的新的瑞雷波频散曲线反演策略.在瑞雷波频散曲线反演中,FA全局搜索能力强,但后期搜索精度低,而WBA局部搜索能力强,搜索精度高,但易出现早熟收敛.故本文将二者结合,提出了一种新的优化策略,称其为WFBA,即在反演前期使用FA,后期使用WBA,很好地解决了FA后期搜索精度低及WBA早熟收敛的问题.本文首先反演了三个典型理论模型的无噪声、含噪声的数据,验证了WFBA对瑞雷波数据反演的有效性与稳定性.然后将WFBA与WBA、FA单独反演以及不含惯性权重的FBA和粒子群优化算法(PSO)反演的结果进行了对比,说明了WFBA相对于WBA、FA、FBA和PSO具有更稳定、收敛速度更快、求解精度更高等优点.最后,反演了来自美国怀俄明地区的实测资料,检验了WFBA对瑞雷波数据反演的实用性.理论模型试算和实测资料分析表明,WFBA很适用于瑞雷波频散曲线的定量解释,具有很高的实用性价值.

关键词：瑞雷波、频散曲线、萤火虫优化算法、蝙蝠优化算法、粒子群优化算法

所属期刊栏目：61

分类号：P315(大地（岩石界）物理学（固体地球物理学）)

资助基金：国家自然科学基金41574114,41174113

在线出版日期：2018-08-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2409-2420