基於神經網路和蛙跳算法的超高密度電法快速反演研究

《基於神經網路和蛙跳算法的超高密度電法快速反演研究》是依託湖南師範大學，由江沸菠擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於神經網路和蛙跳算法的超高密度電法快速反演研究
• 項目類別：青年科學基金項目
• 項目負責人：江沸菠
• 依託單位：湖南師範大學

項目摘要

超高密度電法反演是一個複雜的非線性函式綜合尋優過程，具有高維和非凸的特性。傳統的非線性反演方法易陷入局部極值、收斂緩慢和計算效率低。因此，本項目聚焦於神經網路和蛙跳算法混合的快速非線性反演方法，利用神經網路的反演結果最佳化蛙跳算法的初始種群，採用振盪下降形態的慣性權重增強蛙跳算法的全局搜尋能力並加速收斂，結合正則化技術提高反演的穩定性，力求妥善解決反演中存在的多極值、不適定和低效率等關鍵問題。通過研究基於模型解析度的觀測數據最佳化方法，實現對超高密度電法觀測數據的優選與分類；探討地電模型反演和神經網路之間的關係，建立正則化神經網路解釋觀測數據的反演模型；最後採用CUDA並行框架的CPU+GPU算法加速混合算法的計算過程。通過從數據最佳化、高效混合反演設計和並行計算三個層面上提高反演的效率，最終形成一套實用的快速非線性反演方法，為大規模、高精度的超高密度電法反演提供理論支持。

結題摘要

超高密度電法是一種成本低、效率高、信息豐富和解釋精度高的新型勘探方法，超高密度電法的反演是一個複雜的非線性函式綜合尋優過程，具有高維和非凸的特性。傳統的非線性反演方法存在易陷入局部極值、收斂緩慢和計算效率低等缺點。本項目針對以上問題開展研究，通過研究基於核主成分分析的觀測數據最佳化方法，實現對超高密度電法觀測數據的優選與降維，降低觀測數據間的信息冗餘，減少90%以上的觀測數據；研究神經網路和蛙跳算法混合的快速非線性反演方法，探討地電模型反演和神經網路之間的關係，建立正則化神經網路解釋觀測數據的反演模型，並通過改進的蛙跳算法最佳化神經網路反演模型的全局搜尋能力，提高反演成像的質量；研究反演算法的並行計算能力，通過採用CPU和GPU的並行計算框架從不同粒度上顯著加速反演算法，提高反演速度50%以上。本項目從數據最佳化、高效混合反演算法設計和並行計算三個層面上針對超高密度電法的非線性反演開展了深入研究，妥善解決了反演中存在的多極值、不適定和低效率等關鍵問題，並最終形成了一套快速非線性反演方法，為大規模、高精度的超高密度電法反演提供理論和套用支持。