绕射波GWO-VMD分离成像方法OA
【背景】断层、陷落柱和尖灭点等小尺度不连续地质体广泛存在于地下空间,与煤炭、油气等地下资源的安全生产及开发有密切联系。作为小尺度不连续地质体的波场响应,绕射波可以克服传统反射波成像的不足,具备对小尺度地质体高精度识别和定位的能力。【目的和方法】为实现不连续地质体绕射波成像,以反射波和绕射波在运动学和动力学特征差异为基础,利用变分模态分解(VMD)方法的精准时频域自适应分解能力和灰狼算法(GWO)的高效稳定全局寻优能力,有效避免了经验误差和局部最优问题,同时提高了绕射波分离的精度与方法的自适应性。【结果和结论】相较于鲸鱼算法(WOA)和蚁群算法(ACO),粒子群算法(PSO)、麻雀搜索算法(SSA)和灰狼算法(GWO)的最优适应度值较小(3.172),具有较好的寻优性能。此外,相较于粒子群算法(PSO)和麻雀搜索算法(SSA),灰狼算法(GWO)具有更小的迭代收敛次数,仅通过6次迭代即可收敛至全局最优。由此证明了GWO算法在寻优性能和寻优速度方面的优越性。通过合成数据和实际数据的测试,验证了GWO-VMD算法在绕射波分离和强反射压制方面的有效性,能够实现对微尺度构造的高分辨率成像。
林朋;刘育林;彭苏萍;崔晓芹;郭偿波;杨婕
中国矿业大学(北京)煤炭精细勘探与智能开发全国重点实验室,北京100083 自然资源部黄河上游矿产资源成矿与勘查重点实验室,甘肃兰州730046中国矿业大学(北京)煤炭精细勘探与智能开发全国重点实验室,北京100083中国矿业大学(北京)煤炭精细勘探与智能开发全国重点实验室,北京100083中国矿业大学(北京)煤炭精细勘探与智能开发全国重点实验室,北京100083中国矿业大学(北京)煤炭精细勘探与智能开发全国重点实验室,北京100083中国矿业大学(北京)煤炭精细勘探与智能开发全国重点实验室,北京100083
天文与地球科学
不连续地质体绕射波分离变分模态分解参数寻优灰狼算法
《煤田地质与勘探》 2026 (2)
P.183-191,9
国家自然科学基金重大项目(52394192)国家自然科学基金项目(42574192)煤炭资源绿色智能安全开采项目(52121003)中央高校基本科研业务费专项资金项目(2024ZKPYDC03)高等学校学科创新引智计划(B18052)自然资源部黄河上游战略性矿产资源重点实验室开放课题(YSMRKF202411)。
评论