|
1.核技術(shù)應(yīng)用教育部工程研究中心，江西 南昌330013；2.東華理工大學(xué) 信息工程學(xué)院，江西 南昌330013； 3.江西省放射性地學(xué)大數(shù)據(jù)技術(shù)工程實(shí)驗(yàn)室，江西 南昌330013。小波變換被廣大科研工作者用于測(cè)井信號(hào)去噪研究上，而小波參數(shù)的選取直接影響最后的去噪效果，所以需要設(shè)計(jì)獲取測(cè)井信號(hào)最佳小波變換參數(shù)的算法。為應(yīng)對(duì)測(cè)井信號(hào)處理中多種多樣的情況，創(chuàng)新性地提出用粒子群算法來(lái)改進(jìn)小波變換參數(shù)的選取，并應(yīng)用隨機(jī)慣性權(quán)重策略改變粒子群算法權(quán)重參數(shù)，提升粒子群算法收斂速度，增強(qiáng)搜索尋優(yōu)能力，引入自然選擇機(jī)制以增加種群多樣性，獲得對(duì)應(yīng)測(cè)井?dāng)?shù)據(jù)的最佳小波變換參數(shù)，將最佳小波變換參數(shù)應(yīng)用到閾值法小波變換去噪中，有效分離了有用信號(hào)和無(wú)用噪聲。該算法有效地提高了測(cè)井信號(hào)的信噪比，降低了均方根差，實(shí)現(xiàn)了對(duì)測(cè)井信號(hào)中噪聲的有效去除。在測(cè)井信號(hào)的采集、處理、轉(zhuǎn)發(fā)過(guò)程中，由于環(huán)境、儀器、人為等因素的干擾測(cè)井信號(hào)中總會(huì)存在噪聲，如果不經(jīng)處理直接使用這些帶噪信號(hào)會(huì)對(duì)礦產(chǎn)勘探產(chǎn)生誤差，更有嚴(yán)重者甚至?xí)斐芍卮蟮慕?jīng)濟(jì)損失。因此，在信號(hào)處理的過(guò)程中去除測(cè)井信號(hào)的噪聲就顯示出了必要性。測(cè)井信號(hào)去噪有很多方法，小波變換突破了以傅里葉為代表的傳統(tǒng)方法的顯著缺陷，在時(shí)頻域上都有著亮眼的表現(xiàn)，是去噪方法的主要技術(shù)之一。主流的研究表明小波變換的參數(shù)設(shè)置會(huì)直接影響最后的濾波去噪效果，如李維松等統(tǒng)合硬、軟以及Garrote閾值去噪的優(yōu)點(diǎn)，構(gòu)造出一個(gè)新的改進(jìn)閾值函數(shù)，在突變性及平滑性信號(hào)方面取得了更優(yōu)的降噪成果[1]；朱榮亮等為更好地濾除噪聲，提出一種新閾值函數(shù)，通過(guò)仿真確定最佳小波函數(shù)類型和分解層數(shù)[2]；謝政宇等根據(jù)均方根誤差和平滑度的變化特性構(gòu)建了一種復(fù)合評(píng)價(jià)指標(biāo)，通過(guò)評(píng)價(jià)指標(biāo)來(lái)優(yōu)選小波參數(shù)[3]。但是在對(duì)測(cè)井信號(hào)的處理中，因測(cè)井?dāng)?shù)據(jù)的龐大與多樣性，單獨(dú)改進(jìn)閾值函數(shù)等對(duì)不同地區(qū)、不同井、不同井次、不同測(cè)井曲線的去噪效果不夠好，所以在參考了解文獻(xiàn)[4]-[6]中體現(xiàn)出粒子群算法尋找最優(yōu)點(diǎn)的優(yōu)勢(shì)以及測(cè)井信號(hào)處理的實(shí)際需求后，采取群智能算法中的粒子群算法(Particle Swarm Optimization，PSO)來(lái)獲取不同目標(biāo)下的最佳小波變換參數(shù)，并對(duì)粒子群算法做一定的優(yōu)化。文章來(lái)源：《電子技術(shù)應(yīng)用》雜志11月刊
|
