CN106951958A - 一种反演大地参数的混合人工蜂群算法 - Google Patents

Abstract

本发明实施例公开了一种反演大地参数的混合人工蜂群算法，用于解决现有技术中尚无一种可以高效、快速获取全局最优解且能够有效的覆盖地表到地下上百公里深度的大地电阻率测量与反演方法的技术问题。本发明实施例包括：获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数；通过采用嵌入共轭梯度算法进行局部搜索的人工蜂群算法对所述目标函数进行搜索全局最优解，并获得全局最优解。

Description

一种反演大地参数的混合人工蜂群算法

技术领域

本发明涉及大地土壤电阻率测量领域，尤其涉及一种反演大地参数的混合人工蜂群算法。

背景技术

在直流输电系统的调试或单极故障期间，直流系统以大地返回运行方式向直流接地极流入可能高达数kA的入地电流。这一入地电流的持续作用对电力系统内接地运行的高压电力变压器、长距离油气管道、地震监测台网等造成严重的不利影响。为了研究入地电流在地中的分布规律，国内学者提出了多种模型，如电网直流分布仿真模型和管道直流分布模型、地震监测台网的地电磁场估算模型，实例表明这些方法取得了较良好的应用效果。

在直流电流分布理论模型进一步完善的基础上，如何选取准确合理的大地电阻率参数模型是提高模型求解准确度的关键。现实中，电阻率分布显现较高的复杂性，这导致我国不同地区的交流系统内接地运行的电力变压器面临迥异的直流偏磁风险，同时直流偏磁危害的治理也变得十分复杂。而目前尚无一种可以高效、快速获取全局最优解且能够有效的覆盖地表到地下上百公里深度的大地电阻率测量与反演方法。

发明内容

本发明实施例提供了一种反演大地参数的混合人工蜂群算法，解决了现有技术中尚无一种可以高效、快速获取全局最优解且能够有效的覆盖地表到地下上百公里深度的大地电阻率测量与反演方法的技术问题。

本发明实施例提供的一种反演大地参数的混合人工蜂群算法，包括：

获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数；

通过采用嵌入共轭梯度算法进行局部搜索的人工蜂群算法对所述目标函数进行搜索全局最优解，并获得全局最优解。

可选地，所述获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数包括：

通过公式一获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数，所述公式一具体为：

minF＝ω₁F₁+ω₂F₂；

其中，F为综合反演的目标函数，F₁和F₂分别为四极法和大地电磁法的反演目标函数，ω₁和ω₂分别为F₁和F₂的权重；

所述F₁通过公式二求得，所述公式二具体为：

所述F₂通过公式三求得，所述公式三具体为：

其中，m₁、d_i、ρ_a和ρ_M分别为四极法测量数据的数目、极距、视在电阻率的反演值和视在电阻率测量值，m₂、f_i分别为大地电磁法测量数据的数目、特征频率。

可选地，所述ω₁为1，所述ω₂为1。

可选地，所述通过采用嵌入共轭梯度算法进行局部搜索的人工蜂群算法对所述目标函数进行搜索全局最优解，并获得全局最优解包括：

通过人工蜂群算法对所述目标函数进行全局解的搜索，并在所述人工蜂群算法的观察蜂进行局部搜索的环节中嵌入共轭梯度算法进行局部搜索。

可选地，所述通过人工蜂群算法对所述目标函数进行全局解的搜索，并在所述人工蜂群算法的观察蜂进行局部搜索的环节中嵌入共轭梯度算法进行局部搜索具体包括：

S1、利用人工蜂群算法进行搜获活动，并设种群中解的个数N＝100；

S2、随机产生初始群体S，并进行信息交流和局部选择过程，所有的人工蜜蜂保留较好蜜源的贪婪选择过程，侦察蜂搜索新蜜源的随机选择过程，观察蜂根据与蜜源相关的概率值P_i选择蜜源，所述概率值P_i通过公式四求得，所述公式四具体为：

其中，S_i为初始群体S中的解，为(i＝1，2，…，N)为一个D维的向量，D为土壤模型参数的个数，F(S_i)为解S_i的目标函数值，i＝1，2，…，N。

S3、观察蜂根据所述概率值P_i从原蜜源的位置产生一个候选位置：

S_ij1＝S_ij+φ_ij(S_ij-S_oj)

其中，o为不同于i的蜜源编号，j为随机选择的下标(1≤j≤D)，φ_ij为[0，1]之间的随机数，用来控制S邻域内蜜源位置的产生，候选位置S_ij1代表着原蜜源位置S_ij与邻域内随机的一个蜜源S_oj之间的对比关系；

S4、观察蜂在局部搜索环节上嵌入共轭梯度算法，并取局部搜索次数N_Limit＝3，若蜜源位置S_i经过有限次N_Limit采蜜蜂和观察蜂的循环搜索之后，不能够被改进，即放弃该位置，且采蜜蜂转变为侦察蜂，并随机搜索一个蜜源替换原蜜源，侦察蜂通过公式五按随机搜索确定新蜜源，所述公式五具体为：

其中，为第k代循环中的上下限。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明实施例提供了一种反演大地参数的混合人工蜂群算法，包括：获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数；通过采用嵌入共轭梯度算法进行局部搜索的人工蜂群算法对所述目标函数进行搜索全局最优解，并获得全局最优解，本发明实施例中嵌入局部共轭梯度算法搜索的混合人工蜂群算法通过模拟蜂群采蜜行来实现优化问题的求解，即由采蜜蜂确定蜜源，并对蜜源进行采摘和记忆蜜源信息，再与观察蜂共同分享蜜源信息；观察蜂按一定选择策略在邻近蜜源里做出选择；被放弃蜜源处的采蜜蜂转变为侦察蜂并随机搜索新蜜源，其中，嵌入了局部共轭梯度算法搜索，大大提高了局部搜索能力，满足搜索全局最优解的要求，且大大加快了土壤反演问题的求解，形成更有效的覆盖地表到地下上百公里深度的大地电阻率测量与反演方法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种反演大地参数的混合人工蜂群算法的流程示意图；

图2为本发明实施例提供的嵌入局部共轭梯度算法搜索的混合人工蜂群算法具体流程示意图；

图3为本发明实施例提供的共轭梯度法算法流程图。

具体实施方式

本发明实施例提供了一种反演大地参数的混合人工蜂群算法，用于解决现有技术中尚无一种可以高效、快速获取全局最优解且能够有效的覆盖地表到地下上百公里深度的大地电阻率测量与反演方法的技术问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例提供的一种反演大地参数的混合人工蜂群算法包括：

101、获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数；

首先，通过公式一获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数，所述公式一具体为：

minF＝ω₁F₁+ω₂F₂；

其中，F为综合反演的目标函数，F₁和F₂分别为四极法和大地电磁法的反演目标函数，ω₁和ω₂分别为F₁和F₂的权重，可分别取1；

所述F₁通过公式二求得，所述公式二具体为：

所述F₂通过公式三求得，所述公式三具体为：

其中，m₁、d_i、ρ_a和ρ_M分别为四极法测量数据的数目、极距、视在电阻率的反演值和视在电阻率测量值，m₂、f_i分别为大地电磁法测量数据的数目、特征频率。

102、通过采用嵌入共轭梯度算法进行局部搜索的人工蜂群算法对所述目标函数进行搜索全局最优解，并获得全局最优解。

然后，通过人工蜂群算法对所述目标函数进行全局解的搜索，并在所述人工蜂群算法的观察蜂进行局部搜索的环节中嵌入共轭梯度算法进行局部搜索，如图2所示，为嵌入局部共轭梯度算法搜索的混合人工蜂群算法流程图，其具体步骤如下：

S1、利用人工蜂群算法进行搜获活动，并设种群中解的个数N＝100；

S2、随机产生初始群体S，并进行信息交流和局部选择过程，所有的人工蜜蜂保留较好蜜源的贪婪选择过程，侦察蜂搜索新蜜源的随机选择过程，观察蜂根据与蜜源相关的概率值P_i选择蜜源，所述概率值P_i通过公式四求得，所述公式四具体为：

其中，S_i为初始群体S中的解，为(i＝1，2，…，N)为一个D维的向量，D为土壤模型参数的个数，F(S_i)为解S_i的目标函数值，i＝1，2，…，N。

S3、观察蜂根据所述概率值P_i从原蜜源的位置产生一个候选位置：

S_ij1＝S_ij+φ_ij(S_ij-S_oj)

其中，o为不同于i的蜜源编号，j为随机选择的下标(1≤j≤D)，φ_ij为[0，1]之间的随机数，用来控制S邻域内蜜源位置的产生，候选位置S_ij1代表着原蜜源位置S_ij与邻域内随机的一个蜜源S_oj之间的对比关系；

S4、观察蜂在局部搜索环节上嵌入共轭梯度算法，并取局部搜索次数N_Limit＝3，若蜜源位置S_i经过有限次N_Limit采蜜蜂和观察蜂的循环搜索之后，不能够被改进，即放弃该位置，且采蜜蜂转变为侦察蜂，并随机搜索一个蜜源替换原蜜源，侦察蜂通过公式五按随机搜索确定新蜜源，所述公式五具体为：

其中，为第k代循环中的上下限，N_Limit可取值为3。如图3所示，为共轭梯度法算法流程图。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.一种反演大地参数的混合人工蜂群算法，其特征在于，包括：

获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数；

通过采用嵌入共轭梯度算法进行局部搜索的人工蜂群算法对所述目标函数进行搜索全局最优解，并获得全局最优解。

2.根据权利要求1所述的反演大地参数的混合人工蜂群算法，其特征在于，所述获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数包括：

通过公式一获取通过四极法和大地电磁法对大地土壤电阻参数进行综合反演的目标函数，所述公式一具体为：

minF＝ω₁F₁+ω₂F₂；

其中，F为综合反演的目标函数，F₁和F₂分别为四极法和大地电磁法的反演目标函数，ω₁和ω₂分别为F₁和F₂的权重；

所述F₁通过公式二求得，所述公式二具体为：

$F_1=\sqrt{\underset{i=1}{\overset{m_1}{\Σ}}{\left(\frac{{\mathrm{\ρ}}_a\left(d_i\right)-{\mathrm{\ρ}}_M\left(d_i\right)}{\sqrt{m_1}{\mathrm{\ρ}}_M\left(d_i\right)}\right)}^2};$

所述F₂通过公式三求得，所述公式三具体为：

$F_2=\sqrt{\underset{i=1}{\overset{m_2}{\Σ}}{\left(\frac{{\mathrm{\ρ}}_a\left(f_i\right)-{\mathrm{\ρ}}_M\left(f_i\right)}{\sqrt{m_2}{\mathrm{\ρ}}_M\left(f_i\right)}\right)}^2};$

其中，m₁、d_i、ρ_a和ρ_M分别为四极法测量数据的数目、极距、视在电阻率的反演值和视在电阻率测量值，m₂、f_i分别为大地电磁法测量数据的数目、特征频率。

3.根据权利要求2所述的反演大地参数的混合人工蜂群算法，其特征在于，所述ω₁为1，所述ω₂为1。

4.根据权利要求2所述的反演大地参数的混合人工蜂群算法，其特征在于，所述通过采用嵌入共轭梯度算法进行局部搜索的人工蜂群算法对所述目标函数进行搜索全局最优解，并获得全局最优解包括：

通过人工蜂群算法对所述目标函数进行全局解的搜索，并在所述人工蜂群算法的观察蜂进行局部搜索的环节中嵌入共轭梯度算法进行局部搜索。

5.根据权利要求4所述的反演大地参数的混合人工蜂群算法，其特征在于，所述通过人工蜂群算法对所述目标函数进行全局解的搜索，并在所述人工蜂群算法的观察蜂进行局部搜索的环节中嵌入共轭梯度算法进行局部搜索具体包括：

S1、利用人工蜂群算法进行搜获活动，并设种群中解的个数N＝100；

S2、随机产生初始群体S，并进行信息交流和局部选择过程，所有的人工蜜蜂保留较好蜜源的贪婪选择过程，侦察蜂搜索新蜜源的随机选择过程，观察蜂根据与蜜源相关的概率值P_i选择蜜源，所述概率值P_i通过公式四求得，所述公式四具体为：

$P_i=F\left(S_i\right)/\underset{j=1}{\overset{N}{\Σ}}F\left(S_j\right);$

其中，S_i为初始群体S中的解，为(i＝1，2，…，N)为一个D维的向量，D为土壤模型参数的个数，F(Si)为解S_i的目标函数值，i＝1，2，…，N。

S3、观察蜂根据所述概率值P_i从原蜜源的位置产生一个候选位置：

S_ij1＝S_ij+φ_ij(S_ij-S_oj)

其中，o为不同于i的蜜源编号，j为随机选择的下标(1≤j≤D)，φ_ij为[0，1]之间的随机数，用来控制S邻域内蜜源位置的产生，候选位置S_ij1代表着原蜜源位置S_ij与邻域内随机的一个蜜源S_oj之间的对比关系；

S4、观察蜂在局部搜索环节上嵌入共轭梯度算法，并取局部搜索次数N_Limit＝3，若蜜源位置S_i经过有限次N_Limit采蜜蜂和观察蜂的循环搜索之后，不能够被改进，即放弃该位置，且采蜜蜂转变为侦察蜂，并随机搜索一个蜜源替换原蜜源，侦察蜂通过公式五按随机搜索确定新蜜源，所述公式五具体为：

$S_i^k=S_{\min }^k+rand(0,1)(S_{max}^k-S_{min}^k);$

其中，为第k代循环中的上下限。