本公开提供了一种土层动力学参数反演方法及装置，其中，方法包括：步骤1，确定最浅层土剪切波速对应的搜索空间上下界，初始化经验学习所需的其它参数和候选解集合；步骤2，通过随机候选解和当前表现最佳候选解，更新候选解生成新候选解集合，保留新候选解集合与更新前的候选解集合中表现更优的集合；步骤3，选择新位置候选解集合中表现最佳候选解，生成与表现最佳候选解对应的搜索维度加强候选解，保留与当前表现最佳候选解中表现更优的一个候选解，得到搜索加强候选解集合；步骤4，如果本轮或上轮迭代中搜索加强候选解集合中保留的是搜索维度加强候选解，对搜索维度加强候选解进行二次加强；重复执行步骤2至步骤4。重复执行步骤2至步骤4。重复执行步骤2至步骤4。
【技术实现步骤摘要】
土层动力学参数反演方法及装置
[0001]本文件涉及计算机
，尤其涉及一种土层动力学参数反演方法及装置。
技术介绍
[0002]MASW(Multichannel Analysis of Surface Waves)是一种层状介质动力学参数无损检测方法，常用于剪切波速、厚度等土壤参数的反演。MASW方法分为两步：第一步获取检测现场的多通道记录，获取现场测试的频散曲线；第二步对频散曲线进行反演，得到现场的土层剪切波速模型。
[0003]相关技术中，传统方法往往使用最小二乘法等方法进行MASW方法第二步反演，导致反演过程经常存在计算效率低下、容易陷入局部最优、识别精度较低及无法高效获取精确土层参数等缺陷，且最浅层土剪切波速搜索范围太大导致反演不高效。经验学习法是一种基于经验学习的智能优化算法，能够平衡全局和局部搜索能力，适合求解类似于土层反演问题的复杂非线性问题，但局部搜索能力有待提升。
[0004]综合以上该
发展状况分析，现有的技术经验学习法中，缺少在原有维度搜索加强的基础上进一步寻优的方案。
技术实现思路
[0005]本专利技术的目的在于提供土层动力学参数反演方法及装置，旨在解决现有技术中的上述问题。
[0006]根据本公开实施例的第一方面，提供一种土层动力学参数反演方法，包括：
[0007]步骤1，获取现场测试的频散曲线，通过频散曲线中高频部分的无频散段缩小最浅层土剪切波速的搜索空间上下界并初始化，初始化除最浅层土剪切波速的搜索空间上下界的其它参数，初始化种群中的候选解集合；
[0008]步骤2，从候选解集合中挑选一定个数候选解作为随机候选解，通过随机候选解和当前表现最佳候选解，更新所有候选解生成新候选解集合，保留新候选解集合与更新前的候选解集合中表现更优的集合，作为新位置候选解集合；
[0009]步骤3，选择新位置候选解集合中表现最佳候选解，生成与表现最佳候选解对应的搜索维度加强候选解，在新位置候选解集合中保留搜索维度加强候选解与当前表现最佳候选解中表现更优的一个候选解，得到搜索加强候选解集合；
[0010]步骤4，如果本轮迭代或上轮迭代中搜索加强候选解集合中保留的是搜索维度加强候选解，对搜索维度加强候选解进行二次加强，得到二次加强候选解集合，将二次加强候选解集合作为下一轮迭代的候选解集合；否则，将搜索加强候选解集合作为下一轮迭代的候选解集合；重复执行步骤2至步骤4，直到满足初始化设置的最大迭代次数，在迭代中使用自定义目标函数为优化目标，迭代结束后选择最终候选解集合中表现最佳的候选解作为各决策变量的反演值。
[0011]根据本公开实施例的第二方面，提供一种土层动力学参数反演装置，包括：
[0012]初始化模块，用于获取现场测试的频散曲线，通过频散曲线中高频部分的无频散段缩小最浅层土剪切波速的搜索空间上下界并初始化，初始化除最浅层土剪切波速的搜索空间上下界的其它参数，初始化种群中的候选解集合；
[0013]多模式新位置生成模块，用于从候选解集合中挑选一定个数候选解作为随机候选解，通过随机候选解和当前表现最佳候选解，更新所有候选解生成新候选解集合，保留新候选解集合与更新前的候选解集合中表现更优的集合，作为新位置候选解集合；
[0014]维度搜索加强模块，用于选择新位置候选解集合中表现最佳候选解，生成与表现最佳候选解对应的搜索维度加强候选解，在新位置候选解集合中保留搜索维度加强候选解与当前表现最佳候选解中表现更优的一个候选解，得到搜索加强候选解集合；
[0015]维度二次搜索加强模块，用于在本轮迭代或上轮迭代中确定搜索加强候选解集合中保留的是搜索维度加强候选解时，对搜索维度加强候选解进行二次加强，得到二次加强候选解集合，将二次加强候选解集合作为下一轮迭代的候选解集合；否则，将搜索加强候选解集合作为下一轮迭代的候选解集合；重复执行多模式新位置生成模块、维度搜索加强模块及维度二次搜索加强模块，直到满足初始化设置的最大迭代次数，在迭代中使用自定义目标函数为优化目标，迭代结束后选择最终候选解集合中表现最佳的候选解作为各决策变量的反演值。
[0016]本专利技术实施例提供的技术方案包括以下有益效果：通过频散曲线中高频部分的无频散段缩小最浅层土剪切波速对应的搜索空间上下界，提升了反演效率；在原始经验学习法的基础上增加维度搜索二次寻优，增强了经验学习法的局部搜索能力，使候选解能更快速逼近最优解。
[0017]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0018]为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术实施例的土层动力学参数反演方法的流程图；
[0020]图2是本专利技术实施例的土层动力学参数反演流程的示意图；
[0021]图3是本专利技术实施例的具体实施例一识别结果的示意图；
[0022]图4是本专利技术实施例的具体实施例二识别结果的示意图；
[0023]图5是本专利技术实施例的具体实施例三识别结果的示意图；
[0024]图6是本专利技术实施例的土层动力学参数反演装置的示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不
是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0026]方法实施例
[0027]根据本专利技术实施例，提供了一种土层动力学参数反演方法，图1是本专利技术实施例的土层动力学参数反演方法的流程图，如图1所示，根据本专利技术实施例的土层动力学参数反演方法具体包括：
[0028]步骤S110中，获取现场测试的频散曲线，通过频散曲线中高频部分的无频散段缩小最浅层土剪切波速的搜索空间上下界并初始化，初始化除最浅层土剪切波速的搜索空间上下界的其它参数，初始化种群中的候选解集合。具体包括：
[0029]公式1表示反演参数的集合，使用公式2确定最浅层土剪切波速的估计值V
’
R1
，使用公式3和公式4根据V
’
R1
缩小最浅层土剪切波速的搜索空间上下界：
[0030]{p
i
}＝{h
1 h2ꢀ…ꢀ
h
n
‑
1 V
R1 V
R2
ꢀ…ꢀ
V
Rn D
1 D2ꢀ本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种土层动力学参数反演方法，其特征在于，包括：步骤1，获取现场测试的频散曲线，通过所述频散曲线中高频部分的无频散段缩小最浅层土剪切波速的搜索空间上下界并初始化，初始化除所述最浅层土剪切波速的搜索空间上下界的其它参数，初始化种群中的候选解集合；步骤2，从所述候选解集合中挑选一定个数候选解作为随机候选解，通过所述随机候选解和当前表现最佳候选解，更新所有候选解生成新候选解集合，保留所述新候选解集合与更新前的所述候选解集合中表现更优的集合，作为新位置候选解集合；步骤3，选择所述新位置候选解集合中表现最佳候选解，生成与表现最佳候选解对应的搜索维度加强候选解，在所述新位置候选解集合中保留所述搜索维度加强候选解与当前表现最佳候选解中表现更优的一个候选解，得到搜索加强候选解集合；步骤4，如果本轮迭代或上轮迭代中所述搜索加强候选解集合中保留的是所述搜索维度加强候选解，对所述搜索维度加强候选解进行二次加强，得到二次加强候选解集合，将所述二次加强候选解集合作为下一轮迭代的候选解集合；否则，将所述搜索加强候选解集合作为下一轮迭代的候选解集合；重复执行所述步骤2至所述步骤4，直到满足初始化设置的最大迭代次数，在迭代中使用自定义目标函数为优化目标，迭代结束后选择最终候选解集合中表现最佳的候选解作为各决策变量的反演值。2.根据权利要求1所述的方法，其特征在于，所述初始化除所述最浅层土剪切波速的搜索空间上下界的其它参数具体包括：初始化最大迭代次数、人口规模数量、决策变量数量及除所述最浅层土剪切波速外其它各决策变量对应的搜索空间上下界。3.根据权利要求1所述的方法，其特征在于，所述从所述候选解集合中挑选一定个数候选解作为随机候选解，通过所述随机候选解和当前表现最佳候选解，更新所有候选解生成新候选解集合具体包括：从所述候选解集合中随机挑选三个候选解作为随机候选解，并确定本次更新候选解使用的模式，如果通过迭代次数计算的动态调整参数大于等于本次更新使用的随机数，使用谨慎搜索模式更新所有候选解，否则使用随机搜索模式更新所有候选解。4.根据权利要求1所述的方法，其特征在于，所述生成与表现最佳候选解对应的搜索维度加强候选解具体包括：为表现最佳候选解的每一个维度生成对应位置的候选解，通过考虑当前迭代的步长生成对应的搜索维度加强候选解。5.根据权利要求1所述的方法，其特征在于，所述如果本轮迭代或上轮迭代中所述搜索加强候选解集合中保留的是所述搜索维度加强候选解，对所述搜索维度加强候选解进行二次加强，得到二次加强候选解集合具体包括：根据保留所述搜索维度加强候选解发生在本轮迭代还是上轮迭代，采用不同计算方式得到衰减系数，通过考虑当前迭代的步长和所述衰减系数对所述搜索维度加强候选解进行二次加强。6.根据权利要求1所述的方法，其特征在于，所述在迭...
【专利技术属性】
技术研发人员：罗威力，曾一家，夏艺，
申请(专利权)人：广州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。