Abstract
A Genetic algorithm (GA) is a very important method for the solution of non-linear problems. The basic steps in GA are coding, selection, crossover, mutation and choice. Coding is a way of representing data in binary notation. The algorithm must determine the fitness of the individual models. This means that the binary information is decoded into the physical model parameters and the forward problem is solved. The resulting synthetic data is estimated, then compared with the actual observed data using the specific fitness criteria. The selection of pairs of the individual models for the reproduction is based on their fitness values. Models with the higher fitness values are more likely to get the selection than models with low fitness values. A crossover caused the exchange of some information between the paired models thereby generating new models. The mutation is a random change of binary state. The condition of the procedure of mutation: if a value obtained by a random number generator is less than a certain threshold value, the mutation procedure is performed. The last basic step in GA is choice. We choose from each pairs a model, which has the less fitness function. Then we produce the procedures: the crossover, the mutation and the choice. This procedure is continued until we obtain the optimal model. We have used the GA for the estimation of the velocity for the gradient layer. The synthetic seismogram was calculated by the finite- difference method. The obtained results showed a high effectiveness of GA for the seismic waves velocity estimation.
Highlights
ОЦЕНИВАНИЕ ПАРАМЕТРОВ СЕЙСМИЧЕСКИХ ВОЛН С ПРИМЕНЕНИЕМ ГЕНЕТИЧЕСКОГО АЛГОРИТМАПроблема быстрого и эффективного определения параметров сейсмических волн привлекает к себе внимание геофизиков-сейсмиков, поскольку ее решение позволяет повысить разрешенность сейсмических данных и увеличить скорость определения параметров волны.
В данной статье в качестве параметра сейсмической волны используется угловой коэффициент в линейно-изменяющейся скорости.
Работа включает в себя использование генетического алгоритма для оценки параметра в градиентной среде.
Summary
Проблема быстрого и эффективного определения параметров сейсмических волн привлекает к себе внимание геофизиков-сейсмиков, поскольку ее решение позволяет повысить разрешенность сейсмических данных и увеличить скорость определения параметров волны. В данной статье в качестве параметра сейсмической волны используется угловой коэффициент в линейно-изменяющейся скорости. Работа включает в себя использование генетического алгоритма для оценки параметра в градиентной среде. 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. При помощи конечно-разностного метода были получены синтетические сейсмограммы. Полученные результаты показали высокую эффективность в оценке скорости распространения сейсмических волн в градиентных средах. ГА можно успешно использовать для оценивания скорости распространения сейсмических волн в градиентных средах. Генетический алгоритм, синтетическая сейсмограмма, отношение сигнал/помеха, целевая функция
Sign-in/Register to view highlights & summary Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
