TY - JOUR

T1 - ОЦЕНИВАНИЕ ПАРАМЕТРОВ СЕЙСМИЧЕСКИХ ВОЛН С ПРИМЕНЕНИЕМ ГЕНЕТИЧЕСКОГО АЛГОРИТМА

AU - Султангалеев, Руслан Робертович

AU - Троян, Владимир Николаевич

N1 - Султангалеев Р.Р., Троян В.Н. ОЦЕНИВАНИЕ ПАРАМЕТРОВ СЕЙСМИЧЕСКИХ ВОЛН С ПРИМЕНЕНИЕМ ГЕНЕТИЧЕСКОГО АЛГОРИТМА. Геофизические технологии. 2018;(1):51-58. https://doi.org/10.18303/2619-1563-2018-1-5

PY - 2018

Y1 - 2018

N2 - Генетический алгоритм (ГА) – это способ решения глобальных нелинейных задач оптимизации. В основе лежит использование эволюционных принципов для поиска оптимального решения: кодирование, отбор, скрещивание, мутация и выбор. Общей чертой всех ГА является двоичная кодировка параметров модели. На этапе кодирования алгоритм определяет пригодность модели, т. е. синтетические данные сравниваются с экспериментальными при помощи целевой функции. Задача этапа отбора заключается в оценке величины согласия моделей. Скрещивание позволяет произвести обмен информацией между ними. В результате данного процесса появляются новые модели. Этап мутации заключается в случайном изменении двоичного состояния. Условие выполнения процедуры мутации: если некоторое значение, полученное генератором случайных чисел, меньше порогового значения вероятности выполнения мутации, то процедура мутации выполняется, если нет, то не выполняется. На последнем шаге для каждой пары моделей мы выбираем ту, которая имеет наименьшую функцию согласия. Последний этап, в совокупности с операторами скрещивания и мутации, повторяется до тех пор, пока не будет получена оптимальная модель, т. е. до тех пор, пока алгоритм не достигнет глобального минимума. Мы использовали ГА для оценки скорости в градиентной среде. При помощи конечно-разностного метода были получены синтетические сейсмограммы. Полученные результаты показали высокую эффективность в оценке скорости распространения сейсмических волн в градиентных средах.

AB - Генетический алгоритм (ГА) – это способ решения глобальных нелинейных задач оптимизации. В основе лежит использование эволюционных принципов для поиска оптимального решения: кодирование, отбор, скрещивание, мутация и выбор. Общей чертой всех ГА является двоичная кодировка параметров модели. На этапе кодирования алгоритм определяет пригодность модели, т. е. синтетические данные сравниваются с экспериментальными при помощи целевой функции. Задача этапа отбора заключается в оценке величины согласия моделей. Скрещивание позволяет произвести обмен информацией между ними. В результате данного процесса появляются новые модели. Этап мутации заключается в случайном изменении двоичного состояния. Условие выполнения процедуры мутации: если некоторое значение, полученное генератором случайных чисел, меньше порогового значения вероятности выполнения мутации, то процедура мутации выполняется, если нет, то не выполняется. На последнем шаге для каждой пары моделей мы выбираем ту, которая имеет наименьшую функцию согласия. Последний этап, в совокупности с операторами скрещивания и мутации, повторяется до тех пор, пока не будет получена оптимальная модель, т. е. до тех пор, пока алгоритм не достигнет глобального минимума. Мы использовали ГА для оценки скорости в градиентной среде. При помощи конечно-разностного метода были получены синтетические сейсмограммы. Полученные результаты показали высокую эффективность в оценке скорости распространения сейсмических волн в градиентных средах.

KW - Генетический алгоритм

KW - синтетическая сейсмограмма

KW - отношение сигнал/помеха

KW - ЦЕЛЕВАЯ ФУНКЦИЯ

UR - https://www.rjgt.ru/jour/article/view/6

M3 - статья

SP - 51

EP - 58

JO - Геофизические технологии

JF - Геофизические технологии

SN - 2619-1563

IS - 1

ER -