欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025107286031
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种隧道地震超前探测波形反演方法,其特征在于,包括:根据初始速度模型和震源进行正演模拟得到模拟地震波的模拟地震记录;以观测地震数据与模拟地震记录之间差值最小建立目标函数;采用增强鲸鱼优化算法对目标函数进行反演优化,通过反复迭代更新初始速度模型,直到反演达到目标函数的最小值为止;

所述采用增强鲸鱼优化算法对目标函数进行反演优化包括:初始化增强鲸鱼优化算法的参数,所述参数包括迭代次数初值、最大迭代次数及频率因子;

生成初始种群,采用分段式切比雪夫-逻辑斯蒂映射生成初始种群,并通过生成当前个体的反向解增加到初始种群中;

调整非线性收敛因子;

更新第一系数向量、第二系统向量、第一随机数和第二随机数;根据第一系数向量和第二随机数的值,触发包括收缩包围机制、随机搜索机制、气泡网攻击机制和频率波动机制的操作;

判断是否达到最大迭代次数或预设终止条件,如果满足终止条件,则输出最优个体位置及最优个体的适应度值。

2.根据权利要求1所述的隧道地震超前探测波形反演方法,其特征在于,所述生成初始种群,采用分段式切比雪夫-逻辑斯蒂映射生成初始种群,并通过生成当前个体的反向解增加到初始种群中,包括:生成当前个体的反向解以增加种群多样性表示为:,其中,表示当前个体的反向解,表示个体位置变量的下限,表示个体位置变量的上限,表示第个个体的第个位置变量,计算方式为:,表示第个混沌变量,的更新为: ,扰动因子,表示种群规模,为控制逻辑斯蒂映射行为的参数。

3.根据权利要求1所述的隧道地震超前探测波形反演方法,其特征在于,调整非线性收敛因子,包括:,表示非线性收敛因子,表示最大迭代次数,表示迭代次数。

4.根据权利要求1所述的隧道地震超前探测波形反演方法,其特征在于,收缩包围机制包括:满足,且时,全局最优个体代表猎物空间坐标,其他个体通过调整自身位置逐步靠近全局最优个体,种群更新公式为:,

,

其中,表示个体与猎物之间的加权距离,表示个体在时刻的位置,为当前种群的全局最优个体的位置,表示个体在时刻的位置;

第一系数向量和第二系数向量通过以下公式计算:,

,

其中,为[0,1]之间的第三随机数,为[0,1]之间的第四随机数,为非线性收敛因子。

5.根据权利要求1所述的隧道地震超前探测波形反演方法,其特征在于,所述随机搜索机制包括:满足,时,在迭代过程中,每个个体以为概率随机选择当前种群中的任一可行解作为目标位置,并通过向目标位置移动来扩大搜索范围,种群更新公式为:,

,

其中,为当前种群中随机选择的目标位置,表示个体与猎物之间的加权距离,表示个体在时刻的位置,表示个体在时刻的位置。

6.根据权利要求1所述的隧道地震超前探测波形反演方法,其特征在于,气泡网攻击机制包括:满足,时,种群更新公式为:,

,

其中,设为1,表示个体与猎物之间的欧氏距离,表示个体在时刻的位置,为当前种群的全局最优个体的位置,表示个体在时刻的位置,是对迭代次数和频率因子进行取模运算。

7.根据权利要求1所述的隧道地震超前探测波形反演方法,其特征在于,所述频率波动机制包括:满足,时,种群的更新:,

为振幅因子,定义为:

,

其中是角频率,计算为;为区间内的随机相位角,为振荡因子,使得振幅因子随时间产生周期性变化,通过调节角频率和相位角,控制振荡的频率和相位,引导搜索代理在搜索空间中进行探索,使得振荡的幅度随着迭代次数的增加逐渐减小,是对迭代次数和频率因子进行取模运算,表示最大迭代次数。

8.根据权利要求1所述的隧道地震超前探测波形反演方法,其特征在于,还包括采用红尾鹰的低空盘旋机制用于增强其局部开发能力,具体公式表示为:,

,

,

,

归一化后替换和:

,

其中,和表示时刻的方向坐标,表示为自适应步长因子,是位置的平均值,表示半径的初始值,表示角度增益,为随机增益,为控制增益,表示搜索时的瞬时半径值,表示搜索时的瞬时角度,为当前种群的全局最优个体的位置,表示个体在时刻的位置。

9.一种隧道地震超前探测波形反演系统,其特征在于,包括:正演模块,用于根据初始速度模型和震源进行正演模拟得到模拟地震波的模拟地震记录;

目标函数建立模块,用于以观测地震数据与模拟地震记录之间差值最小建立目标函数;

反演模块,用于采用增强鲸鱼优化算法对目标函数进行反演优化,通过反复迭代更新初始速度模型,直到反演达到目标函数的最小值为止;

所述采用增强鲸鱼优化算法对目标函数进行反演优化包括:初始化增强鲸鱼优化算法的参数,所述参数包括迭代次数初值、最大迭代次数及频率因子;

生成初始种群,采用分段式切比雪夫-逻辑斯蒂映射生成初始种群,并通过生成当前个体的反向解增加到初始种群中;

调整非线性收敛因子;

更新第一系数向量、第二系统向量、第一随机数和第二随机数;根据第一系数向量和第二随机数的值,触发包括收缩包围机制、随机搜索机制、气泡网攻击机制和频率波动机制的操作;

判断是否达到最大迭代次数或预设终止条件,如果满足终止条件,则输出最优个体位置及最优个体的适应度值。