基于改进型差分进化算法的重磁位场成像反演方法及系统技术方案

本申请提供一种基于改进型差分进化算法的重磁位场成像反演方法及系统，通过对重磁位场数据去噪

【技术实现步骤摘要】
基于改进型差分进化算法的重磁位场成像反演方法及系统


[0001]本申请涉及勘探地球物理领域，具体而言，涉及一种基于改进型差分进化算法的重磁位场成像反演方法及系统
。

技术介绍

[0002]重力和磁勘探作为两种经典的地球物理方法，已在区域地质调查
、
油气
、
矿产资源勘查等方面取得了广泛的应用
。
重磁位场的成像反演问题具有病态性，即存在多个不同的模型与观测数据吻合
。
因此，在解决重磁的成像反演问题的过程中，需要引入正则化约束技术
。
此时，反演的目标函数由两个部分构成：数据目标函数和模型目标函数
。
通过施加正则因子，数据目标函数和模型目标函数形成反演的目标函数
。
在重磁位场的反演目标函数中，数据与模型之间的关系是强非线性的，一般的局部优化方法依赖于初始模型的选取，容易陷入局部最优模型
。
[0003]目前，重磁位场的成像反演主要通过局部优化方法来解决，如拟牛顿
、
共轭梯度
、
最速下降等
。
而基于人工智能思想的全局优化方法
(
如遗传算法
、
粒子群算法
)
主要用于重磁位场的场源参数的反演
(
如埋深
、
倾向
、
界面等
)
，极少用于重磁位场的成像反演
。
[0004]差分进化方法是一种基于种群的随机搜索方法，其是由
Rainer Storn
和
Kenneth Price
共同提出
。
差分进化算法具有强的全局探索性，能在一定程度上保证所获得的模型是局部最优
。
差分进化具有结构简单
、
收敛速度快
、
鲁棒性强等优点
。
[0005]然而，重磁位场的成像反演问题的维度较高，常在
100
维以上
。
如果要利用差分进化算法对这类高维复杂问题进行优化，最主要的问题是收敛速度慢和最终解的精度不足
。
此外，差分进化算法主要用于解决单目标优化问题，并不能直接用于求解重磁成像反演问题
。

技术实现思路

[0006]本申请实施例的目的在于提供一种基于改进型差分进化算法的重磁位场成像反演方法及系统，以人工智能领域的差分进化方法为基础，建立一套适合差分进化的重磁位场的成像反演机制，能有效改进差分进化的反演效果，提升该方法的收敛速度，获得有效的地下物理介质的分布情况
。
[0007]为了实现上述目的，本申请的实施例通过如下方式实现：
[0008]第一方面，本申请实施例提供一种基于改进型差分进化算法的重磁位场成像反演方法，包括：
[0009]S1
：获取地下介质的重磁位场数据，并对重磁位场数据去噪
、
分离区域场，得到剩余场数据；
[0010]S2
：生成地下介质的初始模型和物性参数范围约束；
[0011]S3
：读入剩余场数据和初始模型；
[0012]S4
：基于剩余场数据和初始模型，生成反演网格参数和先验信息矩阵；
[0013]S5
：生成平滑矩阵
S
，并建立成像反演的反演目标函数，其中，反演目标函数包含用于衡量观测数据和反演预测数据的差异的数据目标函数和用于约束反演的模型目标函数；
[0014]S6
：利用改进型差分进化算法优化反演目标函数，最终输出数据目标函数最小的模型向量作为最终的反演结果，反演结果揭示地下介质的密度或磁化率分布
。
[0015]结合第一方面，在第一方面的第一种可能的实现方式中，先验信息矩阵包括：
[0016]深度加权矩阵
W
z
：
[0017][0018]其中，
i
为单元编号，
M
为待反演的物性参数个数，
z
i
和
V
i
分别表示单元
i
的中心埋深和体积大小，
β
为深度衰减因子，对重力数据，
β
取1，对磁数据，
β
取2；
[0019]数据权重矩阵
W
d
：
[0020]W
d
＝
diag(W
d,1
,W
d,2
,
…
,W
d,i
,
…
,W
d,N
)
，
[0021]其中，
N
为观测数据个数；
[0022]W
d,i
满足：
[0023][0024]其中，为单元
i
的观测数据向量，
std
表示标准差，
d
obs
为观测数据向量
。
[0025]结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，反演目标函数为：
[0026]Φ
(m)
＝
Φ
d
(m)+
λΦ
m
(m)
，
[0027]其中，
Φ
(m)
为反演目标函数，
m
为由
M
个待优化模型参数形成的向量，记为模型向量
m
，
m
＝
(m1,m2,
…
,m
M
)
T
，
λ
为正则因子，
Φ
d
(m)
为数据目标函数，满足：
[0028][0029]其中，
F(m)
为重磁位场正演函数；
[0030]Φ
m
(m)
为模型目标函数，满足：
[0031][0032]其中，
W
m
为模型参数加权矩阵
。
[0033]结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，
S6
中，利用改进型差分进化算法优化反演目标函数，包括：
[0034]S61
：迭代次数
G
＝0时，设置初始交叉概率均值尺度因子的初始位置参数基于初始模型，生成预设数量为
NP
的初始化种群
P
(0)
和初始化模型参数加权矩阵并初始化数据目标函数模型目标函数正则因子
λ
(0)
，计算数据目标函数的初始均值
Mean(
Φ
d
)
(0)
，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进型差分进化算法的重磁位场成像反演方法，其特征在于，包括：
S1
：获取地下介质的重磁位场数据，并对重磁位场数据去噪
、
分离区域场，得到剩余场数据；
S2
：生成地下介质的初始模型和物性参数范围约束；
S3
：读入剩余场数据和初始模型；
S4
：基于剩余场数据和初始模型，生成反演网格参数和先验信息矩阵；
S5
：生成平滑矩阵
S
，并建立成像反演的反演目标函数，其中，反演目标函数包含用于衡量观测数据和反演预测数据的差异的数据目标函数和用于约束反演的模型目标函数；
S6
：利用改进型差分进化算法优化反演目标函数，最终输出数据目标函数最小的模型向量作为最终的反演结果，反演结果揭示地下介质的密度或磁化率分布
。2.
根据权利要求1所述的基于改进型差分进化算法的重磁位场成像反演方法，其特征在于，先验信息矩阵包括：深度加权矩阵
W
z
：其中，
i
为单元编号，
M
为待反演的物性参数个数，
z
i
和
V
i
分别表示单元
i
的中心埋深和体积大小，
β
为深度衰减因子，对重力数据，
β
取1，对磁数据，
β
取2；数据权重矩阵
W
d
：
W
d
＝
diag(W
d,1
,W
d
，2…
,W
d
，
i
…
,W
d
，
N
)
，其中，
N
为观测数据个数；
W
d,i
满足：其中，为单元
i
的观测数据向量，
std
表示标准差，
d
obs
为观测数据向量
。3.
根据权利要求2所述的基于改进型差分进化算法的重磁位场成像反演方法，其特征在于，反演目标函数为：
Φ
(m)
＝
Φ
d
(m)+
λΦ
m
(m)
，其中，
Φ
(m)
为反演目标函数，
m
为由
M
个待优化模型参数形成的向量，记为模型向量
m
，
m
＝
(m1,m2,
…
,m
M
)
T
，
λ
为正则因子，
Φ
d
(m)
为数据目标函数，满足：其中，
F(m)
为重磁位场正演函数；
Φ
m
(m)
为模型目标函数，满足：其中，
W
m
为模型参数加权矩阵
。4.
根据权利要求3所述的基于改进型差分进化算法的重磁位场成像反演方法，其特征
在于，
S6
中，利用改进型差分进化算法优化反演目标函数，包括：
S61
：迭代次数
G
＝0时，设置初始交叉概率均值尺度因子的初始位置参数基于初始模型，生成预设数量为
NP
的初始化种群
P
(0)
和初始化模型参数加权矩阵并初始化数据目标函数模型目标函数正则因子
λ
(0)
，计算数据目标函数的初始均值
Mean(
Φ
d
)
(0)
，其中，由
NP
个模型向量形成的矩阵记为种群
P
，
P
＝
(m1,m2,
…
,m
NP
)
；
S62
：针对种群
P
中的每一组模型向量：生成相应的交叉概率
CR
和尺度系数
F
，并计算反演目标函数值演目标函数值表示模型向量
m
j
在第
G
次迭代时的反演目标函数值；
S63
：使用改进型变异策略生成变异向量
v
(G)
，并通过交叉生成新试验模型
u
(G)
；
S64
：通过选择操作，将符合要求的模型存入新的种群
P
(G+1)
，对于模型向量
m
j
：
j∈[1,NP]
，对于种群
P
(G)
中被淘汰的模型向量，将该模型向量及相应的目标函数值存入档案
A
中，档案
A
的大小为
NP
×
M
，同时，分别存储相应的尺度系数
F、
交叉概率
CR
至集合
S F
和集合
S CR
，并存储至集合
S
Φ
；
S65
：记录数据目标函数均值
Mean(
Φ
d
)
(G+1)
，更新差分进化的控制参数和和和
s
k
∈S
Φ
,k∈[1,|S
Φ
|]
，其中，
|S
F
|、|S
CR
|
和
|S
Φ
|
分别表示集合
S
F
、S
CR
和
S
Φ
的大小；
S6...

【专利技术属性】
技术研发人员：成联正，周家喜，刘云，罗开，
申请(专利权)人：云南大学，
类型：发明
国别省市：