热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

【物理应用】基于粒子群优化算法实现瞬变电磁法视电阻率反演附matlab代码

1内容介绍煤矿井下矿井瞬变电磁法(MTEM)探测中,电磁场呈全空间分布,全空间瞬变电磁反演是复杂的非线性问题,目前反演计算中全空间响应主要由半空间响应乘以全空间响应系数来得到,导

1 内容介绍

煤矿井下矿井瞬变电磁法(MTEM)探测中,电磁场呈全空间分布,全空间瞬变电磁反演是复杂的非线性问题,目前反演计算中全空间响应主要由半空间响应乘以全空间响应系数来得到,导致反演结果中顶板和底板异常(或前方和后方异常)叠加在一起难以分离,造成分辨率下降.论文提出采用粒子群优化算法(PSO)进行全空间MTEM反演,通过理论分析,在常规的粒子群算法基础上提出了一种新的进化公式改进策略,提高了粒子群算法的寻优能力.基于全空间瞬变电磁场理论,编写了粒子群算法反演程序,进行全空间条件下五层含巷道的复杂模型的反演计算.结合某矿井巷道顶板、底板岩层及断层含水性的探测实例,对实测数据进行反演计算和解释,探测结果得到钻探证实.研究表明,改进的粒子群优化算法对理论模型和实际资料的反演拟合程度较高,实现了矿井顶板、底板视电阻率异常的分离,提高了全空间瞬变电磁勘探资料的解释精度和分辨率.​


2 仿真代码

%程序为“广域电磁法”的正演,思路按照何继善院士的书《广域电磁法和伪随机信号电法》,实现的结果可以有两种方式,1、Ex;2、Ex/Hy,

function F=CSAMT_halfspace(rho,ii)

global x

global y

global f

global ex

global PE

%本程序用来进行均匀半空间的CSAMT正演,这里用到虚宗量零阶和一阶贝塞尔方程

%采用的公式来自“朴化荣”的《电磁测深法原理》一书。

%程序所有人:Lidiquan   编译时间:2008-5-28

%程序中各种符号的代表意义:

% rho:电阻率;phase:相位;k:波数;Z:阻抗;f:频率;miu:自由空间磁导率;epu:介电常数,RHO:正演电阻率

miu=4 * pi * 10^(-7);       %磁导率

epu=8.85 * 10 ^(-12);       %介电常数

r = sqrt(x.*x + y.*y);        %收发距(米)

cos_fi = x ./ r;            %接收夹角余弦

sin_fi = y ./ r;            %接收夹角正弦

w=2 .* pi .* f(ii);             %角频率系列

%%

%开始计算各个场值

%开始计算各个场值

k=sqrt( -1i .* w .* miu ./ rho - w .* w .* epu .* miu );   %不同频率时的波数

tmp = 1i .* k .* r ./ 2;

tmp2 = besseli(1,tmp) .* besselk(1,tmp);

tmp3 = besseli(0,tmp) .* besselk(1,tmp) - besseli(1,tmp) .* besselk(0,tmp);

Ex = PE .* rho ./ (r.^3) .* (3 .* cos_fi.^2 - 2 + ( 1 + k .* r) .* exp(-k .* r));

Ey = PE .* rho ./ (r.^3) .* (3 .* cos_fi.* sin_fi);

% Ex=Ex+Ey;

Hy = PE ./ (r.^2) .* ( (1 - 4 .* sin_fi.^2) .* tmp2 + tmp .* sin_fi.^2 .* tmp3 );

Z = Ex ./ Hy;

% RHO = abs(Z.^2) ./ w ./ miu;

phase = angle(Z) ./ pi .* 180;

F=abs(ex(ii)./1) - abs(Ex);

% F=abs(ex(ii)./hy(ii)) - abs(Ex ./ Hy);

%结束计算各个场值

%结束计算各个场值


3 运行结果


4 参考文献

[1]徐正玉, 付能翼, 周洁,等. 瞬变电磁法非线性优化反演算法对比[J]. 吉林大学学报:地球科学版, 2022, 52(3):10.

[2]李飞龙. 瞬变电磁法大定源回线全区视电阻率的算法研究[D]. 北京信息科技大学, 2014.


博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。

部分理论引用网络文献,若有侵权联系博主删除。

 


推荐阅读
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
  • 不同优化算法的比较分析及实验验证
    本文介绍了神经网络优化中常用的优化方法,包括学习率调整和梯度估计修正,并通过实验验证了不同优化算法的效果。实验结果表明,Adam算法在综合考虑学习率调整和梯度估计修正方面表现较好。该研究对于优化神经网络的训练过程具有指导意义。 ... [详细]
  • cs231n Lecture 3 线性分类笔记(一)
    内容列表线性分类器简介线性评分函数阐明线性分类器损失函数多类SVMSoftmax分类器SVM和Softmax的比较基于Web的可交互线性分类器原型小结注:中文翻译 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • C++字符字符串处理及字符集编码方案
    本文介绍了C++中字符字符串处理的问题,并详细解释了字符集编码方案,包括UNICODE、Windows apps采用的UTF-16编码、ASCII、SBCS和DBCS编码方案。同时说明了ANSI C标准和Windows中的字符/字符串数据类型实现。文章还提到了在编译时需要定义UNICODE宏以支持unicode编码,否则将使用windows code page编译。最后,给出了相关的头文件和数据类型定义。 ... [详细]
  • 3.223.28周学习总结中的贪心作业收获及困惑
    本文是对3.223.28周学习总结中的贪心作业进行总结,作者在解题过程中参考了他人的代码,但前提是要先理解题目并有解题思路。作者分享了自己在贪心作业中的收获,同时提到了一道让他困惑的题目,即input details部分引发的疑惑。 ... [详细]
  • 本文介绍了在使用vue和webpack进行异步组件按需加载时可能出现的报错问题,并提供了解决方法。同时还解答了关于局部注册组件和v-if指令的相关问题。 ... [详细]
  • 本文介绍了iOS数据库Sqlite的SQL语句分类和常见约束关键字。SQL语句分为DDL、DML和DQL三种类型,其中DDL语句用于定义、删除和修改数据表,关键字包括create、drop和alter。常见约束关键字包括if not exists、if exists、primary key、autoincrement、not null和default。此外,还介绍了常见的数据库数据类型,包括integer、text和real。 ... [详细]
  • 背景应用安全领域,各类攻击长久以来都危害着互联网上的应用,在web应用安全风险中,各类注入、跨站等攻击仍然占据着较前的位置。WAF(Web应用防火墙)正是为防御和阻断这类攻击而存在 ... [详细]
  • 建立分类感知器二元模型对样本数据进行分类
    本文介绍了建立分类感知器二元模型对样本数据进行分类的方法。通过建立线性模型,使用最小二乘、Logistic回归等方法进行建模,考虑到可能性的大小等因素。通过极大似然估计求得分类器的参数,使用牛顿-拉菲森迭代方法求解方程组。同时介绍了梯度上升算法和牛顿迭代的收敛速度比较。最后给出了公式法和logistic regression的实现示例。 ... [详细]
  • 读手语图像识别论文笔记2
    文章目录一、前言二、笔记1.名词解释2.流程分析上一篇快速门:读手语图像识别论文笔记1(手语识别背景和方法)一、前言一句:“做完了&#x ... [详细]
  • 本博文基于《Amalgamationofproteinsequence,structureandtextualinformationforimprovingprote ... [详细]
  • 【论文】ICLR 2020 九篇满分论文!!!
    点击上方,选择星标或置顶,每天给你送干货!阅读大概需要11分钟跟随小博主,每天进步一丢丢来自:深度学习技术前沿 ... [详细]
  • 1.组合最优化问题定义:是通过数学方法的研究去寻找离散事件的最优编排、分组、次序或筛选等。描述:最优化问题的数学模型的一般描述是,x为决策 ... [详细]
  • OCR:用字符识别方法将形状翻译成计算机文字的过程Matlab:商业数学软件;CUDA:CUDA™是一种由NVIDIA推 ... [详细]
author-avatar
处女冰水洗尘
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有