声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2402/TD
国际刊号：0253-2336
发布日期:
作者：王新, 白宁波, 周君君, 王玉喜,
关键词：粒子群算法, 差分进化算法, Nelder-Mead优化算法, 鲁棒性,
大地电磁的反演问题是非线性的，如果采用将非线性问题线性化的线性反演方法，则容易产生陷入局部极小值和反演结果非唯一性严重等问题。目前单一的非线性智能算法在进行反演时也存在易陷入局部极小值和寻优效率低下的问题。为了解决该问题，结合粒子群算法、差分进化算法和Nelder-Mead优化算法设计了一种非线性的混合智能算法。混合智能算法不仅利用了粒子群算法和差分进化算法面向全局进行寻优的能力，同时还利用Nelder-Mead优化算法对寻优结果进行进一步的局部开发，解决了线性算法和单一的非线性智能算法易陷入局部极小值和寻优效率低等问题。在进行大地电磁反演时，又引入了正则化理论对目标函数进行约束，避免了反演结果的非唯一性。结合典型的多维函数寻优和理论模型分别用阻尼粒子群算法、差分进化算法及新提出的混合智能算法进行对比试验。研究结果表明：相比于阻尼粒子群算法和差分进化算法，混合智能算法具有较高的寻优效率，并且具有很好的鲁棒性。最后，应用混合智能算法对吉林桦皮厂地热田的一个实测点数据进行反演，并将反演结果与传统反演算法反演结果进行对比分析，表明了混合智能算法反演结果与实际勘探结果更加吻合，证明了混合智能算法对大地电磁实测数据进行反演处理具有较高的准确性。
来源：2021年第7期
《煤炭科学技术》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。