一种瞬变电磁数据的激电信息的提取方法及系统

本发明属于地球物理勘探，具体涉及一种瞬变电磁数据的激电信息的提取方法及系统。

背景技术：

1、瞬变电磁法(tem，time domain electromagneticmethod)和激发极化法(ip，induced polarization method)均是地球物理勘探(矿产勘查、水文地质、工程勘察、环境调查等)中应用较为广泛的电法勘探技术；瞬变电磁法tem主要研究岩矿石间导电性质的差异，激发极化法ip主要研究地下岩矿石间激发极化效应的差异。已有研究表明，从电磁法信号中提取激电信息具有较为乐观的前景，在理论上切实可行，但是也存在一些局限性：(1)考虑激电效应的正演研究能够分析激电参数对时间域电磁法勘探数据的影响，但无法提取激电参数本身；(2)用反演来提取激电信息的研究多数采用传统的线性反演方法，其反演结果依赖于初始模型的选择，并容易陷人局部极值。

2、完全非线性反演方法为处理和解释电磁法资料提供了新的研究思路，受到地球物理学研究人员的广泛关注。这些非线性反演方法虽然在电磁法资料的反演中已经有了较为广泛的应用，但是直接用在解释含激电信息的瞬变电磁数据时存在着以下不足：(1)当考虑激电效应时，地下可极化体的电阻率是一个与频率有关的复数，在进行正演迭代时运算量有所增加，采用monte carlo类搜索算法如模拟退火sa、粒子群优化pso和遗传算法ga，运算效率偏低；(2)考虑激电效应后，反演模型参数在原有电阻率和厚度的基础上增加了激电参数，使得非线性反演过程变得更加难以收敛。

3、混合蛙跳算法(sfla)是一种启发式群体智能搜索算法，通过分组算子和模因搜索将全局信息交互和局部搜索有机地结合起来，同时在进化过程中只对群体中最劣个体的位置进行调整，相较于ga，pso等需要对所有个体进行调整的群智能搜索算法具有更高的执行效率。

4、因此，在考虑激电效应的背景下，即在瞬变电磁数据的激电信息提取的应用背景下，如何利用混合蛙跳算法(sfla)来提取激电信息，解决现有技术中基于大量数据驱动的深度学习方法需要反复迭代进行梯度学习、迭代运算量过大、过于耗时的技术问题是本发明所研究的。

技术实现思路

1、本发明为了解决现有瞬变电磁数据的激电信息的提取方法存在需要反复迭代进行梯度学习、迭代运算量过大、过于耗时的技术问题，进而提供一种瞬变电磁数据的激电信息的提取方法及系统，具体是实现了基于混合蛙跳算法(sfla)的瞬变电磁数据的激电信息的提取技术，充分利用混合蛙跳算法的全局搜索和局部搜索有机结合的特点，在进化过程中只对群体中最劣个体的位置进行调整，寻找地电模型最优参数，避免了耗时的迭代训练计算。

2、一方面，本发明提供一种瞬变电磁数据的激电信息的提取方法，其包括以下步骤：

3、步骤1：获取探测区域对应的地电模型的参数搜索范围，基于所述参数搜索范围形成混合蛙跳算法的初始青蛙种群；

4、其中，所述地电模型的模型参数包括：地电模型中每一层大地介质对应的电阻率、厚度以及极化率，每一只青蛙表示所述地电模型的一组模型参数：

5、步骤2：将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率；

6、步骤3：将每只青蛙对应的各层复电阻率代入瞬变电磁tem正演计算得到每只青蛙对应的垂直磁场；

7、步骤4：计算所述青蛙种群中每只青蛙的适应度，所述适应度是依据正演的垂直磁场与所述探测区域的垂直磁场观测数据之间的误差构建的，其中，垂直磁场观测数据是采用tem探测得到；

8、步骤5：以最小化适应度为优化目标进行混合蛙跳算法的迭代搜索操作，直至满足迭代终止条件后输出适应度最小的青蛙对应的模型参数，并将所述模型参数作为反演最优解，得到的各层极化率为提取的所述激电信息。

9、需要说明的是，混合蛙跳算法通过分组算子和模因搜索将全局信息交互和局部搜索有机地结合起来，同时在进化过程中只对群体中最劣个体的位置进行调整，相较于ga，pso等需要对所有个体进行调整的群智能搜索算法具有更高的执行效率，能较好地均衡全局和局部搜索性能，有利于全局最优解的有效搜索以及整体执行效率的提高。因此，本发明技术方案引入混合蛙跳算法(sfla)至瞬变电磁数据的激电信息提取技术中，一方面提供了一种全新的技术手段来实现激电信息提取，另一方面，充分利用混合蛙跳算法的优点，在进化过程中只对群体中最劣个体的位置进行调整，无需基于大量的数据反复迭代进行梯度学习，避免了耗时的迭代训练计算，最终得到探测区域精确的地电模型，其中，得到的各层极化率为提取的探测区域的瞬变电磁数据的激电信息。

10、进一步优选，所述混合蛙跳算法中通过分组算子将青蛙种群分为k个模因组，再对每个模因组中适应度最差的青蛙进行局部搜索；

11、其中，所述局部搜索是按照如下公式1、公式2的组合或者公式3、公式2的组合进行搜索更新；

12、

13、公式2：xw(t+1)＝xw(t)+δw(t+1),smin≤δw(t)≤smax

14、

15、式中，δw(t+1)为移动步长，i表示当前全局迭代次数，t为当前模因组的局部搜索次数，iterg为预设的全局最大迭代次数，xb9t)，xw9t)分别表示当前模因组在第t次局部搜索时最优适应度、最差适应度的青蛙；smin和smax为青蛙允许移动的距离范围的边界最小值、边界最大值；xg(t)表示当前模因组在第t次局部搜索时，所述青蛙种群中最优适应度的青蛙；

16、其中，若利用公式1、公式2的组合或者公式3、公式2的组合更新的青蛙的适应度未优于更新前的适应度，则随机产生一个新青蛙替代原青蛙再进行局部搜索。

17、标准的混合蛙跳算法是采用单一的随机算子rand，使得各模因组内的局部搜索范围受限于xb-xw或xg-xw，在算法的后期易陷入局部极值。本发明技术方案采用自适应移动因子对其进行优化。其中，本发明提出的技术方案，随着迭代数的增加，移动步长将逐渐增大；采用自适应移动因子调整移动步长后，在局部搜索进化的早期，能很好的限制解的全局搜索能力，一定程度上扩大了青蛙个体的寻优范围，使得大多数青蛙个体能较好的分布在可行域中，而迭代到算法后期移动步长较大，能尽量保证解的全局搜索能力；此外，自适应调节移动步长避免了没必要的细致寻优搜索，有利于加快算法的收敛速度，即不仅提高了算法的求解精度，还避免了算法的过早陷入局部最优。

18、进一步可选地，所述初始青蛙种群是依据tent映射构造的，所述tent映射的公式如下：

19、

20、式中，混沌序列值xn的分布范围xn∈[0,1]，a为控制参数；

21、其中，依据所述参数搜索范围与混沌序列值的分布范围的映射关系，将在所述参数搜索范围内随机生成的初始地电模型的模型参数值映射为混沌序列值xn；

22、再按照所述tent映射将所述混沌序列值xn更新为混沌序列值xn+1；

23、再依据所述参数搜索范围与混沌序列值的分布范围的映射关系，将所述混沌序列值xn+1转换为地电模型的模型参数，并更新所述初始地电模型的模型参数，进而形成所述初始青蛙种群。

24、需要说明的是，标准的混合蛙跳算法存在初始种群分布不够均匀的问题，为了改善该性能，本发明技术方案依据tent映射构造初始青蛙种群。其中，tent映射具有逐段线性的特性，能产生较均匀的初始种群，因此，本发明采用tent混沌分布对初始种群的构造进行改进，可以有效解决标准的混合蛙跳算法初始种群分布不均匀的问题，通过改善初始种群分布来提髙算法的全局搜索能力。

25、进一步可选地，步骤5的执行过程如下：

26、执行分组算子，将所述青蛙种群中的青蛙划分为k个模因组；

27、执行局部搜索，分别对每个模因组中适应度最差的青蛙进行局部搜索，若利用局部搜索公式更新后的青蛙的适应度未优于更新前的适应度，则随机产生一个新青蛙替代原青蛙再进行局部搜索；

28、执行全局混洗，待所有模因组完成局部搜索后，对所述青蛙种群内的所有青蛙进行全局混洗，再重新执行分组算子以及局部搜索；

29、其中，重复所述分组算子、局部搜索、全局混洗的操作，直至全局搜索次数达到预设的全局最大迭代次数，再输出适应度最小的青蛙对应的模型参数作为反演最优解。

30、进一步可选地，执行分组算子时，先将所述青蛙种群中的青蛙按照适应度大小降序排列；再第一只青蛙放入第一个模因组，第二只青蛙放入第二个模因组，直到第k只青蛙放入第k个模因组；然后第k+1只青蛙又重新放入第一个模因组，第k+2只青蛙放入第二个模因组，按照以此类推的规律，将所述青蛙种群中的青蛙划分为k个模因组。

31、进一步可选地，所述适应度的公式为：

32、

33、式中，fitness为适应度，n为时间采样点，为表示第i个时间采样点下的垂直磁场观测数据；表示基于青蛙对应的模式参数确定的地电模型，进而正演计算得到的第i个时间采样点的垂直磁场。

34、进一步可选地，步骤2中采用dias激电模型或者cole-cole激电模型将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率；

35、其中，所述dias激电模型的复电阻率的公式为：

36、

37、所述cole-cole激电模型的复电阻率的公式为：

38、

39、且存在：

40、

41、式中，ρ(ω)为复电阻率，ρ为未考虑极化效应时的电阻率，m为极化率；τ为时间常数；η为电化学参数；δ为极化电阻率系数，τ′、τ″、μ均为中间变量，i为复数符号，ω为角频率，c为频率相关系数。

42、第二方面，本发明提供一种基于所述提取方法的系统，其包括：

43、初始青蛙种群生成模块，用于获取探测区域对应的地电模型的参数搜索范围，基于所述参数搜索范围形成混合蛙跳算法的初始青蛙种群；

44、其中，所述地电模型的参数包括：地电模型中每一层大地介质对应的电阻率、厚度以及极化率，每一只青蛙表示所述地电模型的一组参数：

45、复电阻率计算模块，用于将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率；

46、正演模块，用于将每只青蛙对应的各层复电阻率代入瞬变电磁tem正演计算得到每只青蛙对应的垂直磁场；

47、适应度计算模块，用于计算所述青蛙种群中每只青蛙的适应度，所述适应度是依据正演的垂直磁场与所述探测区域的垂直磁场观测数据之间的误差构建的；

48、提取模块，用于以最小化适应度为优化目标进行混合蛙跳算法的分组算子、局部搜索和全局混洗，直至满足迭代终止条件后输出适应度最小的青蛙对应的模型参数，并将其作为反演最优解，得到的各层极化率为提取的所述激电信息。

49、第三方面，本发明提供一种计算机设备，其包括：

50、一个或多个处理器；

51、存储了一个或多个计算机程序的存储器；

52、其中，所述处理器调用所述计算机程序以实现：

53、所述一种瞬变电磁数据的激电信息的提取方法的步骤。

54、第四方面，本发明提供一种计算机可读存储介质，其存储了计算机程序，所述计算机程序被处理器调用以实现：

55、所述一种瞬变电磁数据的激电信息的提取方法的步骤。

56、有益效果

57、1.本发明技术方案实现了基于混合蛙跳算法(sfla)的瞬变电磁数据的激电信息的提取技术，其充分利用混合蛙跳算法的全局搜索和局部搜索有机结合的特点，在进化过程中只对群体中最劣个体的位置进行调整，无需基于大量的数据反复迭代进行梯度学习，避免了耗时的迭代训练计算，相较于ga，pso等需要对所有个体进行调整的群智能搜索算法具有更高的执行效率，能较好地均衡全局和局部搜索性能，有利于全局最优解的有效搜索以及整体执行效率的提高。

58、2.本发明技术方案优选对标准的混合蛙跳算法中采用单一的随机算子rand进行局部搜索的技术进行优化，具体是采用自适应移动因子对其进行优化。其中，采用自适应移动因子调整移动步长后，在局部搜索进化的早期，能很好的限制解的全局搜索能力，一定程度上扩大了青蛙个体的寻优范围，使得大多数青蛙个体能较好的分布在可行域中，而迭代到算法后期移动步长较大，能尽量保证解的全局搜索能力；此外，自适应调节移动步长避免了没必要的细致寻优搜索，有利于加快算法的收敛速度，即不仅提高了算法的求解精度，还避免了算法的过早陷入局部最优。

59、3.本发明技术方案优选对标准的混合蛙跳算法中初始种群进行优化，其中，依据tent映射构造初始青蛙种群。通过采用tent混沌分布对初始种群的构造进行改进，可以有效解决标准的混合蛙跳算法初始种群分布不均匀的问题，通过改善初始种群分布来提髙算法的全局搜索能力。