[发明专利]一种基于加权多策略蛙跳算法的超高密度电法并行反演方法

说明书

本发明公开了一种基于加权多策略蛙跳算法的超高密度电法并行反演方法。该方法通过在蛙跳算法的局部搜索中加入权重系数来增强算法跳出局部极值的能力，通过将最小二乘搜索策略引入到蛙跳算法的局部搜索中来实现多策略的局部搜索，利用最小二乘法的定向搜索特性来提高算法的局部收敛速度，采用CUDA技术并行计算各青蛙的适应度和各模因组的局部搜索过程，提高算法的总体计算效率。本方法能够根据超高密度电法的特征来进行优化反演，能够显著提高了超高密度电法反演的质量和效率，具有很强的实用性。

技术领域

本发明涉及地球物理电法反演领域，特别涉及一种基于加权多策略蛙跳算法的超高密度电法并行反演方法。

背景技术

超高密度电法是在高密度电法基础上发展起来的一种勘探方法，它利用多通道阵列电极系测量系统，在地表或井-地布设阵列电极系，采集任意电极间关于地下电阻率信息的大量实测数据，并利用先进的正反演方法重建精确的电阻率图像。超高密度电法是一种成本低、采集效率高、信息丰富和解释精度高的新型勘探方法，能够满足对地质体进行高精度定位的工程需求。

然而，超高密度电法反演是一个复杂的非线性函数寻优过程，具有高维和非凸的特性。目前针对超高密度电法资料处理和解释的方法多采用2.5 维线性或拟线性反演方法，存在着依赖初始模型、易陷入局部极值、偏导数矩阵求解困难等问题。非线性反演方法能够较好地解决以上问题，因此利用遗传算法、粒子群算法和进化算法等非线性优化算法进行非线性反演已经成为了对地质资料进行高精度解释的重要途径。但是，超高密度电法的采集数据量大，反演参数多，模型搜索空间大，采用非线性反演方法的收敛速度慢，计算效率低。蛙跳算法是一种新型的群体进化算法，兼具文化基因算法和粒子群算法的优点，全局搜索和局部搜索同时进行，收敛快且易于并行实现，是解决非线性反演方法计算效率问题的一种新的途径。

因此，结合超高密度电法的特点，对蛙跳算法进行改进，增强算法跳出局部极值的能力，提高反演算法的计算效率，快速地求解超高密度电法的反问题，获得高质量的解释结果，具有重要的理论意义和广泛的应用前景。

发明内容

本发明提供一种基于加权多策略蛙跳算法的超高密度电法并行反演方法，该方法通过在局部搜索中加入权重系数来增强算法跳出局部极值的能力，通过将最小二乘搜索策略引入到蛙跳算法的局部搜索中来实现多策略的局部搜索，提高算法的局部收敛速度，最后采用CUDA技术并行计算各青蛙的适应度和各模因组的局部搜索过程，提高算法的总体计算效率。

为实现上述目标，本发明所采用的技术方案如下：

一种基于加权多策略蛙跳算法的超高密度电法并行反演方法，包括以下步骤：

（1）根据反演的规模初始化蛙跳算法中青蛙的种群规模p，模因组个数m和组内迭代次数iter_l，随机初始化蛙群，其中，每只青蛙采用实数编码，值由勘探区域的模型参数组成；

（2）根据下式计算蛙群中各个青蛙的适应度：

式中Φ_d为数据拟合误差，Φ_M为正则化项，d_pre为预测数据矢量，d_obs为观测数据矢量，λ为正则化系数，C为粗糙度矩阵，M为各青蛙代表的模型参数矢量；