粒子群及其改進(jìn)在微震速度模型校正應(yīng)用的數(shù)值模擬研究.pdf

1、在本文中，我們將一種人工智能算法——粒子群算法應(yīng)用到微震速度模型校正的地球物理反演中。雖然基本粒子群算法在簡(jiǎn)單問題上表現(xiàn)出出色，具有不受初始速度模型變化影響的特性，但是在復(fù)雜問題上，無論如何選取速度約束和邊界條件等參數(shù)都無法解決基本粒子群算法收斂的局限性。
　　本文提出了的混沌隨機(jī)邊界條件和彈性收縮空間，引入粒子群算法改善基本粒子群算法在復(fù)雜物理模型下的算法早熟不收斂的問題，保證了反演的可靠性。進(jìn)一步的算法改進(jìn)則把混沌隨機(jī)邊界條件

2、舍棄，而把彈性收縮空間強(qiáng)化為多階段動(dòng)態(tài)搜索策略，使得粒子群可以在每步迭代不額外增加正演次數(shù)的同時(shí)保證可靠性。在本文設(shè)定的四種不同微震速度模型和三種不同初始速度模型范圍，并重復(fù)隨機(jī)反演100次的結(jié)果表明多階段動(dòng)態(tài)收縮策略改進(jìn)的粒子群算法具有可靠性高和穩(wěn)定的計(jì)算效率。模擬測(cè)試表明:在復(fù)雜問題和簡(jiǎn)單問題中，速度限制項(xiàng)參數(shù)對(duì)收縮系數(shù)粒子群的可靠性和計(jì)算效率影響不大，但是對(duì)于介于兩者之間的問題，速度限制項(xiàng)參數(shù)需要謹(jǐn)慎選擇。多階段動(dòng)態(tài)收縮粒子群需要