[1]宋 鹏 王国富.基于混合粒子群的核磁共振反演算法研究[J].大众科技,2013,15(12):71.
点击复制

基于混合粒子群的核磁共振反演算法研究
分享到：

《大众科技》[ISSN:1008-1151/CN:45-1235/N]

卷:
第15卷
期数:
2013年12期
页码:
71
栏目:
建设与工程
出版日期:
2013-12-31

文章信息/Info

Title:
Magnetic resonance sounding inversion algorithm based on hybrid particle swarm optimization
文章编号:
1008-1151(2013)12-0071-03
作者:
宋 鹏 王国富
桂林电子科技大学信息与通信学院，广西 桂林 541000
关键词:
粒子群; 模拟退火; 非线性反演; 约束优化; 核磁共振
Keywords:
Key words: Particle swarm; simulated annealing; nonlinear inversion; constrained optimization; magnetic resonance sounding
分类号:
P631
文献标志码:
A
摘要:
传统的基于最小方差原理的反演结果依赖于初始模型选择，易陷入局部极小，针对以上问题，文章利用完全非 线性反演方法—粒子群反演算法，对核磁共振探测地下水的数据资料进行反演解释，该算法具有操作简单，并行处理，不要求 被优化的目标函数具有可微、可导、连续等性质的优点。将基本粒子群算法与模拟退火算法结合，加入非线性约束优化条件， 使其适用于核磁共振探测地下水数据资料的反演解释。试验结果表明，混合粒子群反演算法反演结果精度较高，收敛速度较快， 验证了粒子群优化算法在核磁共振反演应用中的可行性。
Abstract:
Abstract: The inversion results based on the traditional principle of minimum variance depend on the initial model selection, which fall into local minimum easily.To solve the above problems,the particle swarm optimization algorithm, one of the perfect nonlinear inversions is used in inverse interpretation of magnetic resonance sounding data.This algorithm has advantages of operation sample ,parallel processing ,and no requirement of optimized target function to be differentiable,derivable and continuous.Particle swarm optimization with nonlinear constrained optimization is combined with simulated annealing,to be applied in inverse interpretation of magnetic resonance sounding data.Results of the trial indicated that the inversion result accuracy of hybrid particle swarm and the rate of convergence are relatively high,and verified the feasibility of particle swarm optimization applying to the inversion of Magnetic resonance sounding .

参考文献/References:

[1] 易远元,王家映.粒子群反演方法[J].工程地球物理学 报,2009,6(4):385-389. [2] 张大莲,刘天佑,陈石羡,等.粒子群算法在磁测资料井地联 合反演中的应用[J].物探与化探,2009,33(5):571-576. [3] 林君,段清明,王应吉,等.核磁共振找水仪原理与应用[M]. 北京:科学出版社,2010. [4] 方伟,孙俊,须文波.一种多样性控制的粒子群优化算法[J]. 控制与决策,2008,23(8):863-868. [5] 王华秋,曹长修.基于模拟退火的并行粒子群优化研究[J]. 控制与决策,2005,20(5):500-504. [6] 熊勇.粒子群优化算法的行为分析与应用实例[D].杭州:浙 江大学,2005.

相似文献/References:

[1]陈灿.粒子群神经网络算法在水电工程投资估算中的应用[J].大众科技,2014,16(10):35.
　Application of particle swarm neural network algorithmto estimate the investment in hydropower projects[J].Popular Science & Technology,2014,16(12):35.
[2]吕健发.粒子群神经网络在手机物料库存预测中的应用[J].大众科技,2014,16(10):41.
　Particle swarm neural network application in the mobile phone materialinventory forecast[J].Popular Science & Technology,2014,16(12):41.

备注/Memo

备注/Memo:
【收稿日期】2013-11-08 【基金项目】国家自然基金（61102115）；广西自然基金（2012GXNSFBA053177）。 【作者简介】宋鹏（1987－），女，吉林长春人，硕士，桂林电子科技大学学生；王国富（1977－），男，河南平顶山人， 博士，桂林电子科技大学教授。
更新日期/Last Update: 1900-01-01