群智能算法在地球物理中的应用

目录
第1章 绪论 1
1.1 生物种群行为与群智能算法 2
1.1.1 生物种群行为 2
1.1.2 群智能算法 3
1.2 群智能算法的分类及工程应用 5
1.2.1 粒子群算法 5
1.2.2 蚁群算法 7
1.2.3 鱼群算法 8
1.2.4 其他算法 9
1.3 群智能算法在地球物理中的应用研究进展 10
1.3.1 地球物理反演问题研究进展 11
1.3.2 其他地球物理问题研究进展 12
1.4 地球物理*优化反演理论 12
1.4.1 多元函数泰勒展开及*优化条件 13
1.4.2 *优化方法 14
第2章 粒子群算法理论 19
2.1 粒子群算法的起源和发展 20
2.1.1 粒子群算法的起源 20
2.1.2 粒子群算法的发展 20
2.2 粒子群算法的数学模型 22
2.2.1 基本粒子群算法 22
2.2.2 标准粒子群算法 24
2.2.3 粒子群算法*优化步骤 25
2.2.4 粒子群算法的改进 26
第3章 粒子群算法在地球物理中的应用 29
3.1 粒子群算法在重磁反演中的应用 30
3.1.1 位场反演 30
3.1.2 理论模型建立及参数分析 35
3.1.3 算法改进及理论模拟分析 41
3.1.4 粒子群算法应用实例 49
3.2 粒子群算法在电磁反演的应用 58
3.2.1 一维层状介质大地电磁反演 58
3.2.2 大地电磁粒子群算法反演 59
3.3 粒子群算法在地震资料反演中的应用 61
3.3.1 地震波阻抗粒子群算法反演 61
3.3.2 粒子群非线性AVO反演方法 63
3.3.3 智能化时变盲反褶积 64
3.3.4 粒子群频变AVAF 反演方法 72
3.3.5 地质模型与实际数据测试 82
3.4 算法收敛性与不确定性分析 86
3.4.1 算法收敛性分析 86
3.4.2 不确定性分析 91
第4章 蚁群算法理论 111
4.1 蚁群算法的起源和发展 112
4.1.1 蚁群算法的起源 112
4.1.2 蚁群算法的发展 113
4.2 蚁群算法的数学模型与搜索流程 115
4.2.1 基本蚁群算法 115
4.2.2 蚁群算法的目标函数优化模型 116
4.2.3 蚁群算法的搜索流程 117
第5章 蚁群算法在地球物理中的应用 119
5.1 蚁群算法在重磁反演中的应用 120
5.1.1 重力数据蚁群算法反演 120
5.1.2 蚁群算法改进及优化 121
5.1.3 参数分析 127
5.1.4 磁测数据理论模型反演 130
5.1.5 蚁群算法应用实例 137
5.2 蚁群算法在电法中的应用 149
5.3 蚁群算法在地震资料反演中的应用 150
5.3.1 地震波阻抗蚁群算法反演 150
5.3.2 蚁群算法AVO 反演方法 150
5.3.3 基于蚁群算法的地震子波估计 151
5.4 算法收敛性与不确定性分析 162
5.4.1 算法收敛性分析 162
5.4.2 不确定性分析 163
第6章 鱼群算法理论及其在地球物理中的应用 167
6.1 鱼群算法的起源和发展 168
6.1.1 鱼群算法的起源 168
6.1.2 鱼群算法的发展 169
6.2 鱼群算法的数学模型 170
6.2.1 基本鱼群算法 170
6.2.2 算法中参数对收敛性能的影响 172
6.3 鱼群算法在重磁反演中的应用 173
6.3.1 位场反演 173
6.3.2 理论模型反演试验 175
6.3.3 鱼群算法应用实例 178
参考文献 181