混沌遺傳算法研究及其在地震子波提取中的應(yīng)用.pdf

1、準(zhǔn)確的地震子波估計技術(shù)對于高分辨率、高信噪比、高保真度的地震勘探數(shù)據(jù)處理具有極為重要的意義。新興的非線性優(yōu)化方法進(jìn)一步增強(qiáng)了統(tǒng)計性地震子波提取技術(shù)的應(yīng)用潛力。針對目前統(tǒng)計性子波提取技術(shù)中非線性優(yōu)化算法計算效率不高和求解精度不高的缺陷，提出了一種適合于多維多峰值函數(shù)的尋優(yōu)算法—基于貓映射的混沌遺傳算法。
　　 遺傳算法兼具參數(shù)整體的全局搜索能力和單個參數(shù)的深度搜索能力。但是在處理規(guī)模較大且復(fù)雜的優(yōu)化問題時，遺傳算法無法保持種群的多

2、樣性，易“早熟”收斂，算法易陷入局部最優(yōu)。論文針對遺傳算法存在的缺陷和地震子波提取中累計量擬合目標(biāo)函數(shù)的特點，引入混沌優(yōu)化的思想，比較分析了logistic映射、tent映射及貓映射的混沌分布特性，設(shè)計開發(fā)了一種基于貓映射的混沌遺傳算法。該算法利用貓映射的初值敏感性擴(kuò)大搜索范圍，利用貓映射的遍歷性進(jìn)行混沌變量的優(yōu)化搜索，從而減少了數(shù)據(jù)冗余，保持了種群多樣性，有效地解決了局部收斂問題。理論分析和高維測試函數(shù)仿真實驗結(jié)果表明，該算法加快了種

3、群的進(jìn)化速度，解決了遺傳算法“早熟”收斂及搜索精度低的問題，具有更好的搜索效率和搜索精度。
　　 采用基于貓映射的混沌遺傳算法對MA(Moving Average)、ARMA(AutoregressiveMoving Average)模型描述下的參數(shù)進(jìn)行優(yōu)化，通過與自適應(yīng)免疫遺傳算法、改進(jìn)的遺傳算法對比結(jié)果表明，該算法提取的子波參數(shù)更加接近于真實的子波。仿真實驗和實際數(shù)據(jù)實驗結(jié)果表明，基于貓映射的混沌遺傳算法對四階累積量擬合優(yōu)化