_strong_二维磁法数据多目标粒子群反演算法_strong_.pdfVIP

2015 年06 月 APPLIED GEOPHYSICS （应用地球物理） 第12 卷，第2 期 二维磁法数据多目标粒子群反演算法//Multiobjective particle swarm inversion algorithm for two-dimensional magnetic data, APPLIED GEOPHYSICS, 2015, 12(2), P.127-136. DOI: 10.1007/s11770-015-0486-0 二维磁法数据多目标粒子群反演算法 1,2 2 熊杰 ，张涛 （1. 长江大学电子信息学院，湖北，荆州 434023 ；2. 长江大学石油工业建模与 计算技术研究所，湖北，荆州 434023 ） 摘要：正则化反演通过引入模型约束和正则化因子求解病态的地球物理反演问题， 但该方法存在正则化因子选取困难和初始模型依赖的问题。针对该问题，本文提 出多目标粒子群反演算法。该算法反演中不需要目标函数梯度信息和正则化因子， 先同时求数据拟合和模型约束的多目标反演解集，再权衡两者的相对重要程度， 最后从反演解集中优选出最终反演结果，从而起到正则化因子的作用。以二维磁 测数据反演为例，进行理论模型反演试验，试验结果表明，多目标粒子群反演算 法能尽可能多地保留可行解，得到反演解集；通过分析反演解集，既能深入的理 解反演过程，又能灵活地从数据拟合和模型约束两方面进行权衡与选择，得到比 正则化反演更合理的反演结果；该算法能同时解决正则化因子选取困难和初始模 型依赖问题。 关键字：多目标反演，粒子群优化，正则化因子，全局搜索，磁法数据 引言 似然法选取正则化因子，改善了反演结果。为了 避免上述方法计算费时的问题，Wu 等(1998, 2000) 采用逐次递减策略和取经验定值策略选取正则化 地球物理反演存在不稳定性和多解性，吉洪 因子，提高了计算速度。Zhdanov 等（2004 ）、 诺夫正则化方法（Tikhonov, 1963; Zhdanov, 2002 ） Gribenko 和Zhdanov(2007 ）、Xiang 等（2013 ） 已被广泛接受并应用于解决此类病态反问题。正 研究了各种自适应正则化因子选取算法，在稳定 则化反演的目标函数由数据拟合、模型约束和正 反演结果的同时提高正则化反演的效率。针对重 则化因子构成，引入模型约束和正则化因子可稳 磁反演中的病态性问题，Liu 等(2013)、Wang 等 定反演过程，降低反演的多解性。其中，正则化 （2014 ）研究了Extrapolation Tikhonov 正则化方 因子是数据拟合和模型约束之间的折衷系数，其 法，改善反演结果的发散性。如何选取最合适的 取值直接影响到反演结果的好坏，诸多学者对正 正则化因子，目前仍然是正则化反演研究的热点 则化参数选取问题进行了深入的研究。Hansen 等