.png){kind=icon}
返回
Inversion model combination for microseismic source positioning with Multi-Objective Grasshopper Optimization Algorithm
.png){kind=icon}
PRE
AI
DOI：10.36922/JSE025420089.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
微震源位置的精确确定是微震监测技术理论研究的核心组成部分。多目标智能优化是微震源定位的有效方法，但其面临模型组合合理性不明确、易陷入局部最优以及定位结果波动性大等挑战。为解决这些问题，基于到达时间差模型和到达时间差商模型设计了4种不同的微震源定位数学模型，并将其两两组合形成6种不同的微震源定位模型组合，作为多目标计算算法的优化目标函数。设计了一组基于三维多面体阵列形状的微震源正演建模实验、两组工程微震数据验证实验以及一组多目标计算方法对比实验。引入多目标草蜢优化算法（MOGOA）求解6种模型组合，并应用于4组微震源定位实验中。采用多种统计指标评估各模型组合的性能。实验结果表明，微震反演数学模型组合（TDA、TDA-P1）结合MOGOA算法的多目标优化定位策略，在较为可靠的微震事件数据下可实现高精度的微震源定位，且模型计算相对稳健。在微震爆破数据中，100轮平均定位误差达27.6035 m，标准差和四分位距平均值仅为3.2114 m和5.5896 m，优于其他反演模型组合及相似多目标定位方法。对于存在显著系统性误差的微震事件数据，微震反演数学模型组合（TDA-P1、TDQA-P1）表现出更优的定位性能，100轮迭代平均定位误差为151.1915 m，显著优于其他模型组合。这些模型组合定位性能的研究在微震监测领域具有实际应用价值。
Keyword:
Microseismic source positioning
Multi-objective optimization
Combination of inversion mathematical models
Time difference quotient of arrival
Time difference of arrival
Multi-Objective Grasshopper Optimization Algorithm
期刊
J
IF:
0.4
论文数:
44
被引数:
0
机构
查看更多机构
引用论文
暂无论文信息