期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
利用GPS数据反演震源参数的单纯形组合加权距离灰狼优化算法 被引量:1
1
作者 王乐洋 孙龙翔 许光煜 《武汉大学学报(信息科学版)》 EI CAS CSCD 北大核心 2024年第7期1140-1154,共15页
针对地震震源参数反演优化问题,提出了一种改进的灰狼优化(grey wolf optimizer, GWO)算法来反演震源参数。首先,采用基于余弦规律的非线性递减收敛因子策略的加权距离GWO(weighted distance GWO, wdGWO)算法来代替原来的线性递减算法... 针对地震震源参数反演优化问题,提出了一种改进的灰狼优化(grey wolf optimizer, GWO)算法来反演震源参数。首先,采用基于余弦规律的非线性递减收敛因子策略的加权距离GWO(weighted distance GWO, wdGWO)算法来代替原来的线性递减算法。随后,配置了改进wdGWO算法和单纯形算法的组合方法,引入后者算法是为了稳定前者算法的性能。因此,组合算法(简称GWOS)在收敛性和稳定性方面都具有良好的优势。最后,通过实验测试来评估基本的wdGWO算法、遗传算法(genetic algorithm,GA)和GWOS的性能。仿真实验结果表明,GWOS对震源参数的估计优于wdGWO算法,具有良好的稳定性和准确性;GWOS既可以达到GA的反演精度,又表现出了更好的参数稳定性。将该算法应用于2014年纳帕地震和2017年博德鲁姆-科斯地震,不同类型地震的反演结果表明GWOS具有良好的实用性和可靠性。 展开更多
关键词 震源参数反演 灰狼优化算法 单纯形算法 组合算法 纳帕地震 博德鲁姆-科斯地震
原文传递
贝叶斯框架下利用GPS数据反演震源参数的一种改进MCMC算法
2
作者 王乐洋 席灿 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第9期3367-3385,共19页
随着机器软硬件设施的飞速发展,贝叶斯算法在各个领域得到了广泛应用.在贝叶斯的框架下,以采样方式的MCMC方法去求解震源参数问题时,马尔科夫链的收敛对于得到合理正确的震源参数至关重要.基于此,本文在已有研究的基础上,改进了MCMC方... 随着机器软硬件设施的飞速发展,贝叶斯算法在各个领域得到了广泛应用.在贝叶斯的框架下,以采样方式的MCMC方法去求解震源参数问题时,马尔科夫链的收敛对于得到合理正确的震源参数至关重要.基于此,本文在已有研究的基础上,改进了MCMC方法的随机步长生成方式,使其随机步长整体符合正态分布;并考虑到初值对马尔科夫链的收敛至关重要,提出以非线性启发式搜索算法结合贝叶斯框架下的MCMC算法共同反演地震震源参数.论文以MPSO算法提供初值,以一组随机生成的值作为对照,针对美浓地震,以GPS位移数据验证了改进MCMC算法在收敛速度上优于原始算法,置信区间更为合理;同时验证了以MPSO为贝叶斯算法提供初值的情况下,不仅克服了启发式搜索算法的不稳定性,且改进算法收敛速度更快.为了验证改进算法能大大缩减采样所需要的次数,拓展本文改进算法在不同类型地震中的应用,本文将改进算法以10万次采样反演了博德鲁姆-科斯MW6.6倾滑型地震震源参数.反演结果支持博德鲁姆-科斯地震断层为北向倾斜断层,形变场拟合东西方向(EW)均方根误差为1.43 mm,南北方向(SN)均方根误差为3.23 mm,垂直方向均方根误差为9.69 mm,优于大部分同类型已有文献. 展开更多
关键词 贝叶斯框架 MCMC算法 震源参数反演 美浓地震 博德鲁姆-科斯地震
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部