[發明專利]一種基于學習的廣域電磁法激電信息非線性提取方法

有效

• 申請號: 202011413296.1
• 申請日: 2020-12-04
• 公開（公告）號: CN112699596B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 董莉;江沸菠;王敏捷;周志彬
• 申請（專利權）人: 湖南工商大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/25;G06N3/00;G06N7/00;G01V3/00;G06F111/06;G06F111/08;G06F119/02
• 代理公司: 湖南科云知識產權代理事務所(普通合伙) 43253
• 代理人: 何方

本發明公開了一種基于學習的廣域電磁法激電信息非線性提取方法，包括：采用灰狼優化算法作為非線性反演的主程序；使用貝葉斯神經網絡作為計算代價低的代理模型；通過學習反演過程中的歷史數據來優化反演過程，利用灰狼優化算法求解電磁法反演問題，提取廣域電磁法的激電信息。本發明設計基于學習機制的非線性反演算法，一方面，利用算法過程中的歷史有效參數，設計自適應灰狼優化算法；另一方面，結合反演過程中的正演評估數據，建立基于貝葉斯神經網絡的代理模型。本發明方法具有較好的適用性，能夠為完全非線性反演方法高效快速地完成反演任務，節省了反演時間，實現大規模、高精度的地質資料解釋提供可借鑒的經驗。

技術領域

本發明屬于地球物理技術領域，涉及一種基于學習的廣域電磁法激電信息非線性提取方法。

背景技術

電磁法(Electromagnetics Method，簡稱EM)是一種以地殼中巖石、礦物(石)以及周圍介質的導電性、導磁性和介電性差異為物質基礎，應用電磁感應原理觀測和研究人工或天然形成的電磁場的分布規律進而解決有關各類地質問題的地球物理方法。電磁法(EM)反演是地球物理學中最困難的問題之一，這是因為一方面EM反問題存在著非線性和不適定的特性；另一方面電磁法的正演模擬所需要求解的數值問題的計算量非常大。

為了克服這些困難，常使用線性化的反演方法和正則化理論對電磁法的反問題進行求解。然而，在實際工作中，用線性化的反演方法處理非線性反演問題存在著無法回避的困難，那就是電磁法反問題穩定可靠解的獲得強烈地依賴于線性反演方法初始模型的選擇。盡管對于許多地球物理問題，人們已經掌握了豐富的先驗知識和先驗信息，從而可以選擇合適的初始模型，以較快的速度獲得EM反問題的真實解。但是，仍然還有很多地球物理問題，比如廣域電磁法激電信息提取，由于缺乏先驗知識和信息，難以正確地選擇初始模型，因此反演時容易陷入局部極值，得到錯誤解甚至無解。鑒于此，不依賴于初始模型的非線性反演算法為解決該類問題提供了很好的思路。然而，非線性反演算法通過反復調用正演算法在全局解空間內評估最優解，對于EM反問題中復雜的正演模擬，存在計算量極大，計算代價高的問題，極大地限制了非線性反演算法在廣域電磁法激電信息提取中的應用。

發明內容

針對現有技術中利用完全非線性反演算法提取廣域電磁法激電信息時存在計算量極大、代價高的技術問題，本發明的目的在于提出了一種基于學習的廣域電磁法激電信息非線性提取方法。

本發明提供以下技術方案：

一種基于學習的廣域電磁法激電信息非線性提取方法，包括：

采用灰狼優化算法作為非線性反演的主程序；

使用貝葉斯神經網絡作為計算代價低的代理模型，來代替灰狼優化算法中部分正演計算；

通過學習反演過程中的歷史數據來優化反演過程，利用灰狼優化算法高效地求解電磁法反演問題，提取廣域電磁法的激電信息。

所述基于學習的廣域電磁法激電信息非線性提取方法，其算法過程為：

(1)初始化灰狼優化算法的算法參數及種群，種群中的每個個體代表一組廣域電磁法的電阻率參數和極化率參數；

(2)采用真實模型評估個體；

(3)執行狼群等級劃分：根據個體當前適應度將狼群的最優解、次優解和第三優解分別指定為α、β、δ狼；

(4)判斷目標函數是否達到算法終止條件；如果為是，則結束算法，保存全局最優解，否則執行步驟(5)；

(5)根據學習機制從歷史有效參數中自適應調整控制參數a；

(6)采用狼群圍獵機制更新個體；

(7)判斷是否達到初始迭代周期iter_b；如果為否，則轉入步驟(2)，如果為是，則準備訓練代理模型，轉入步驟(8)；