1、地球探测与信息技术专业毕业论文 精品论文 基于遗传算法的波阻抗反演方法研究关键词：波阻抗 遗传算法 群迁移 搜索算法 算法收敛性 阻抗反演摘要：遗传算法是一种模拟自然界生物进化的搜索算法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种编码方式、及其对应的
2、选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通过 De Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。正文内容遗传算法是一种模拟自然界生物进化的搜索算法。由
3、于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通过 De J
4、ong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。遗传算法是一种模拟自然界生物进化的搜索算法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基础，讨
5、论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通过 De Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并将 M
6、armousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。遗传算法是一种模拟自然界生物进化的搜索算法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种编码方
7、式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通过 De Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。遗传算法是一种模拟自然界生物进化的搜索算
8、法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通过 D
9、e Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。遗传算法是一种模拟自然界生物进化的搜索算法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基
10、础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通过 De Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并
11、将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。遗传算法是一种模拟自然界生物进化的搜索算法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种
12、编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通过 De Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。遗传算法是一种模拟自然界生物进化的
13、搜索算法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通
14、过 De Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。遗传算法是一种模拟自然界生物进化的搜索算法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的
15、理论基础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通过 De Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分
16、析，并将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。遗传算法是一种模拟自然界生物进化的搜索算法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法
17、的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方案。通过 De Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。遗传算法是一种模拟自然界生物
18、进化的搜索算法。由于遗传算法不受搜索空间的限制性假设的约束，不要求解空间有连续、可导等性质，以及算法固有的计算并行性，因而广泛应用于各个领域。本文在介绍了波阻抗反演和遗传算法的研究现状，并介绍了遗传算法的理论基础，讨论了算法收敛性的基础上，将遗传算法引入地震波阻抗反演，阐述了基于遗传算法的波阻抗反演原理。针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题，在全面分析总结遗传算法的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上，重点研究了二进制串编码、实数编码、实数编码群迁移策略反演，采用并实现了最优保存策略选择、随机均匀分布选择、高斯变异和多种群迁移方
19、案。通过 De Jong 函数、Ackley 函数试验，证明了本文采用的遗传算法的有效性和收敛性。 本文应用遗传算法分别对不同子波、不同噪声、不同初始波阻抗的理论模型进行了计算，对反演的结果及特点进行了分析，并将 Marmousi 模型 CMP 叠加道集的部分数据作为拟实际资料进行了遗传算法的波阻抗反演，取得了预期的效果。总体上，基于遗传算法的波阻抗反演结果是令人满意的。特别提醒 ：正文内容由 PDF 文件转码生成，如您电脑未有相应转换码，则无法显示正文内容，请您下载相应软件，下载地址为 http:/ 。如还不能显示，可以联系我 q q 1627550258 ，提供原格式文档。“垐垯櫃 换烫梯
20、葺铑?endstreamendobj2x 滌?U 閩 AZ箾 FTP 鈦X 飼?狛P? 燚?琯嫼 b?袍*甒?颙嫯?4)=r 宵?i?j 彺帖 B3 锝檡骹笪 yLrQ#?0 鯖 l 壛枒l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛枒 l 壛渓?擗#?“?# 綫 G 刿#K 芿$?7. 耟?Wa 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 皗 E|?pDb 癳$Fb 癳$Fb癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$Fb 癳$F?責鯻 0 橔 C,f 薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵秾腵薍秾腵%?秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍秾腵薍
