TY - JOUR

T1 - Решение обратной задачи метода MASW на основе нового биоинспирированного алгоритма оптимизации (SSA)

AU - Yablokov, Alexandr Viktorovich

AU - Efremov, Roman Alexandrovich

AU - Dergach, Peter Alexandrovich

N1 - Яблоков А.В., Ефремов Р.А., Дергач П.А. Решение обратной задачи метода MASW на основе нового биоинспирированного алгоритма оптимизации (SSA) // Геофизические исследования. – 2024. – Т. 25. - № 3. – С. 5-28. Работа выполнена при поддержке проекта Фундаментальных научных исследований № FWZZ-2022-0017.

PY - 2024

Y1 - 2024

N2 - Предлагается новый подход к решению обратной задачи метода MASW - определения одномерных моделей скорости поперечной волны обращением дисперсионных кривых поверхностных волн, на основе биоинспирированного алгоритма оптимизации “роя сальп” (Salp Swarm Algorithm или SSA). Его идея заключается в симуляции движения поисковых агентов (сальпов) в пространстве восстанавливаемых параметров аналогично поиску пищи с целью нахождения глобального оптимума. Исходные положения сальпов и источника пищи случайно инициализируются в пределах заданных границ. В ходе итерационного процесса сальпы двигаются к источнику пищи, который считается лучшим решением на текущей итерации. Процесс оптимизации включает в себя обновление позиций сальпов на основе математических выражений и ограничений пространства поиска. Данный алгоритм также адаптивно регулирует коэффициент, определяющий баланс между этапами обследования всего пространства и использованием локальных оптимумов. В рамках настоящего исследования SSA применяется для решения задачи инверсии дисперсионных кривых фазовых скоростей поверхностных волн. В такой постановке источником пищи служит позиция значений векторов скорости поперечной волны и мощности слоёв восстанавливаемой скоростной модели в многомерном пространстве функционала невязки, обусловленного выбранной метрикой. Представлена наглядная визуализация работы SSA на примере двумерной задачи оптимизации и продемонстрирована его эффективность в поиске глобальных оптимумов. Рассматриваются различные метрики функционала невязки, которые играют важную роль в оценке точности решения. Выделены две группы метрик с разной точностью и проведён анализ их применимости в SSA. Изучение истории позиции поисковых агентов и кривых сходимости показывает, что продуктивность алгоритма растёт с ростом числа итераций, также он способен эффективно осваивать пространство решения и избегать локальных оптимумов. Приведён анализ результатов синтетических экспериментов, включая различные классы слоистых скоростных моделей. Сравниваются результаты использования SSA и алгоритма Grey Wolf Optimizer (GWO). Оба алгоритма дают хорошие результаты, но SSA обеспечивает более устойчивое решение, кроме того, он успешно применяется в перепараметризованной постановке и демонстрирует более высокую эффективность по сравнению с алгоритмом GWO при разумных ограничениях пространства поиска решения.

AB - Предлагается новый подход к решению обратной задачи метода MASW - определения одномерных моделей скорости поперечной волны обращением дисперсионных кривых поверхностных волн, на основе биоинспирированного алгоритма оптимизации “роя сальп” (Salp Swarm Algorithm или SSA). Его идея заключается в симуляции движения поисковых агентов (сальпов) в пространстве восстанавливаемых параметров аналогично поиску пищи с целью нахождения глобального оптимума. Исходные положения сальпов и источника пищи случайно инициализируются в пределах заданных границ. В ходе итерационного процесса сальпы двигаются к источнику пищи, который считается лучшим решением на текущей итерации. Процесс оптимизации включает в себя обновление позиций сальпов на основе математических выражений и ограничений пространства поиска. Данный алгоритм также адаптивно регулирует коэффициент, определяющий баланс между этапами обследования всего пространства и использованием локальных оптимумов. В рамках настоящего исследования SSA применяется для решения задачи инверсии дисперсионных кривых фазовых скоростей поверхностных волн. В такой постановке источником пищи служит позиция значений векторов скорости поперечной волны и мощности слоёв восстанавливаемой скоростной модели в многомерном пространстве функционала невязки, обусловленного выбранной метрикой. Представлена наглядная визуализация работы SSA на примере двумерной задачи оптимизации и продемонстрирована его эффективность в поиске глобальных оптимумов. Рассматриваются различные метрики функционала невязки, которые играют важную роль в оценке точности решения. Выделены две группы метрик с разной точностью и проведён анализ их применимости в SSA. Изучение истории позиции поисковых агентов и кривых сходимости показывает, что продуктивность алгоритма растёт с ростом числа итераций, также он способен эффективно осваивать пространство решения и избегать локальных оптимумов. Приведён анализ результатов синтетических экспериментов, включая различные классы слоистых скоростных моделей. Сравниваются результаты использования SSA и алгоритма Grey Wolf Optimizer (GWO). Оба алгоритма дают хорошие результаты, но SSA обеспечивает более устойчивое решение, кроме того, он успешно применяется в перепараметризованной постановке и демонстрирует более высокую эффективность по сравнению с алгоритмом GWO при разумных ограничениях пространства поиска решения.

KW - MASW

KW - SSA

KW - engineering seismic exploration

KW - inversion

KW - swarm method

KW - MASW

KW - ИНВЕРСИЯ

KW - SSA

KW - МЕТОД РОЯ

KW - ИНЖЕНЕРНАЯ СЕЙСМОРАЗВЕДКА

UR - https://www.scopus.com/record/display.uri?eid=2-s2.0-85208984484&origin=inward&txGid=49b075359543ada537df38fc936d9565

UR - https://elibrary.ru/item.asp?id=75146598

UR - https://www.mendeley.com/catalogue/5801d754-e22c-32de-a2e6-1347871f8026/

U2 - 10.21455/gr2024.3-1

DO - 10.21455/gr2024.3-1

M3 - статья

VL - 25

SP - 5

EP - 28

JO - Geophysical Research

JF - Geophysical Research

SN - 1818-3735

IS - 3

M1 - 1

ER -