一种瞬变电磁数据的激电信息的提取方法及系统

技术领域

本发明属于地球物理勘探技术领域，具体涉及一种瞬变电磁数据的激电信息的提取方法及系统。

背景技术

瞬变电磁法(TEM，Time Domain ElectromagneticMethod)和激发极化法(IP，induced polarization method)均是地球物理勘探(矿产勘查、水文地质、工程勘察、环境调查等)中应用较为广泛的电法勘探技术；瞬变电磁法TEM主要研究岩矿石间导电性质的差异，激发极化法IP主要研究地下岩矿石间激发极化效应的差异。已有研究表明，从电磁法信号中提取激电信息具有较为乐观的前景，在理论上切实可行，但是也存在一些局限性：(1)考虑激电效应的正演研究能够分析激电参数对时间域电磁法勘探数据的影响，但无法提取激电参数本身；(2)用反演来提取激电信息的研究多数采用传统的线性反演方法，其反演结果依赖于初始模型的选择，并容易陷人局部极值。

完全非线性反演方法为处理和解释电磁法资料提供了新的研究思路，受到地球物理学研究人员的广泛关注。这些非线性反演方法虽然在电磁法资料的反演中已经有了较为广泛的应用，但是直接用在解释含激电信息的瞬变电磁数据时存在着以下不足：(1)当考虑激电效应时，地下可极化体的电阻率是一个与频率有关的复数，在进行正演迭代时运算量有所增加，采用Monte Carlo类搜索算法如模拟退火SA、粒子群优化PSO和遗传算法GA，运算效率偏低；(2)考虑激电效应后，反演模型参数在原有电阻率和厚度的基础上增加了激电参数，使得非线性反演过程变得更加难以收敛。

混合蛙跳算法(SFLA)是一种启发式群体智能搜索算法，通过分组算子和模因搜索将全局信息交互和局部搜索有机地结合起来，同时在进化过程中只对群体中最劣个体的位置进行调整，相较于GA，PSO等需要对所有个体进行调整的群智能搜索算法具有更高的执行效率。

因此，在考虑激电效应的背景下，即在瞬变电磁数据的激电信息提取的应用背景下，如何利用混合蛙跳算法(SFLA)来提取激电信息，解决现有技术中基于大量数据驱动的深度学习方法需要反复迭代进行梯度学习、迭代运算量过大、过于耗时的技术问题是本发明所研究的。

发明内容

本发明为了解决现有瞬变电磁数据的激电信息的提取方法存在需要反复迭代进行梯度学习、迭代运算量过大、过于耗时的技术问题，进而提供一种瞬变电磁数据的激电信息的提取方法及系统，具体是实现了基于混合蛙跳算法(SFLA)的瞬变电磁数据的激电信息的提取技术，充分利用混合蛙跳算法的全局搜索和局部搜索有机结合的特点，在进化过程中只对群体中最劣个体的位置进行调整，寻找地电模型最优参数，避免了耗时的迭代训练计算。

一方面，本发明提供一种瞬变电磁数据的激电信息的提取方法，其包括以下步骤：

步骤1：获取探测区域对应的地电模型的参数搜索范围，基于所述参数搜索范围形成混合蛙跳算法的初始青蛙种群；

其中，所述地电模型的模型参数包括：地电模型中每一层大地介质对应的电阻率、厚度以及极化率，每一只青蛙表示所述地电模型的一组模型参数：

步骤2：将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率；

步骤3：将每只青蛙对应的各层复电阻率代入瞬变电磁TEM正演计算得到每只青蛙对应的垂直磁场；

步骤4：计算所述青蛙种群中每只青蛙的适应度，所述适应度是依据正演的垂直磁场与所述探测区域的垂直磁场观测数据之间的误差构建的，其中，垂直磁场观测数据是采用TEM探测得到；

步骤5：以最小化适应度为优化目标进行混合蛙跳算法的迭代搜索操作，直至满足迭代终止条件后输出适应度最小的青蛙对应的模型参数，并将所述模型参数作为反演最优解，得到的各层极化率为提取的所述激电信息。

需要说明的是，混合蛙跳算法通过分组算子和模因搜索将全局信息交互和局部搜索有机地结合起来，同时在进化过程中只对群体中最劣个体的位置进行调整，相较于GA，PSO等需要对所有个体进行调整的群智能搜索算法具有更高的执行效率，能较好地均衡全局和局部搜索性能，有利于全局最优解的有效搜索以及整体执行效率的提高。因此，本发明技术方案引入混合蛙跳算法(SFLA)至瞬变电磁数据的激电信息提取技术中，一方面提供了一种全新的技术手段来实现激电信息提取，另一方面，充分利用混合蛙跳算法的优点，在进化过程中只对群体中最劣个体的位置进行调整，无需基于大量的数据反复迭代进行梯度学习，避免了耗时的迭代训练计算，最终得到探测区域精确的地电模型，其中，得到的各层极化率为提取的探测区域的瞬变电磁数据的激电信息。

进一步优选，所述混合蛙跳算法中通过分组算子将青蛙种群分为k个模因组，再对每个模因组中适应度最差的青蛙进行局部搜索；

其中，所述局部搜索是按照如下公式1、公式2的组合或者公式3、公式2的组合进行搜索更新；

公式2：X

式中，Δ

其中，若利用公式1、公式2的组合或者公式3、公式2的组合更新的青蛙的适应度未优于更新前的适应度，则随机产生一个新青蛙替代原青蛙再进行局部搜索。

标准的混合蛙跳算法是采用单一的随机算子rand，使得各模因组内的局部搜索范围受限于X

进一步可选地，所述初始青蛙种群是依据Tent映射构造的，所述Tent映射的公式如下：

式中，混沌序列值xn的分布范围x

其中，依据所述参数搜索范围与混沌序列值的分布范围的映射关系，将在所述参数搜索范围内随机生成的初始地电模型的模型参数值映射为混沌序列值x

再按照所述Tent映射将所述混沌序列值x

再依据所述参数搜索范围与混沌序列值的分布范围的映射关系，将所述混沌序列值x

需要说明的是，标准的混合蛙跳算法存在初始种群分布不够均匀的问题，为了改善该性能，本发明技术方案依据Tent映射构造初始青蛙种群。其中，Tent映射具有逐段线性的特性，能产生较均匀的初始种群，因此，本发明采用Tent混沌分布对初始种群的构造进行改进，可以有效解决标准的混合蛙跳算法初始种群分布不均匀的问题，通过改善初始种群分布来提髙算法的全局搜索能力。

进一步可选地，步骤5的执行过程如下：

执行分组算子，将所述青蛙种群中的青蛙划分为k个模因组；

执行局部搜索，分别对每个模因组中适应度最差的青蛙进行局部搜索，若利用局部搜索公式更新后的青蛙的适应度未优于更新前的适应度，则随机产生一个新青蛙替代原青蛙再进行局部搜索；

执行全局混洗，待所有模因组完成局部搜索后，对所述青蛙种群内的所有青蛙进行全局混洗，再重新执行分组算子以及局部搜索；

其中，重复所述分组算子、局部搜索、全局混洗的操作，直至全局搜索次数达到预设的全局最大迭代次数，再输出适应度最小的青蛙对应的模型参数作为反演最优解。

进一步可选地，执行分组算子时，先将所述青蛙种群中的青蛙按照适应度大小降序排列；再第一只青蛙放入第一个模因组，第二只青蛙放入第二个模因组，直到第k只青蛙放入第k个模因组；然后第k+1只青蛙又重新放入第一个模因组，第k+2只青蛙放入第二个模因组，按照以此类推的规律，将所述青蛙种群中的青蛙划分为k个模因组。

进一步可选地，所述适应度的公式为：

式中，Fitness为适应度，N为时间采样点，

进一步可选地，步骤2中采用Dias激电模型或者Cole-Cole激电模型将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率；

其中，所述Dias激电模型的复电阻率的公式为：

所述Cole-Cole激电模型的复电阻率的公式为：

且存在：

式中，ρ(ω)为复电阻率，ρ为未考虑极化效应时的电阻率，m为极化率；τ为时间常数；η为电化学参数；δ为极化电阻率系数，τ′、τ″、μ均为中间变量，i为复数符号，ω为角频率，c为频率相关系数。

第二方面，本发明提供一种基于所述提取方法的系统，其包括：

初始青蛙种群生成模块，用于获取探测区域对应的地电模型的参数搜索范围，基于所述参数搜索范围形成混合蛙跳算法的初始青蛙种群；

其中，所述地电模型的参数包括：地电模型中每一层大地介质对应的电阻率、厚度以及极化率，每一只青蛙表示所述地电模型的一组参数：

复电阻率计算模块，用于将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率；

正演模块，用于将每只青蛙对应的各层复电阻率代入瞬变电磁TEM正演计算得到每只青蛙对应的垂直磁场；

适应度计算模块，用于计算所述青蛙种群中每只青蛙的适应度，所述适应度是依据正演的垂直磁场与所述探测区域的垂直磁场观测数据之间的误差构建的；

提取模块，用于以最小化适应度为优化目标进行混合蛙跳算法的分组算子、局部搜索和全局混洗，直至满足迭代终止条件后输出适应度最小的青蛙对应的模型参数，并将其作为反演最优解，得到的各层极化率为提取的所述激电信息。

第三方面，本发明提供一种计算机设备，其包括：

一个或多个处理器；

存储了一个或多个计算机程序的存储器；

其中，所述处理器调用所述计算机程序以实现：

所述一种瞬变电磁数据的激电信息的提取方法的步骤。

第四方面，本发明提供一种计算机可读存储介质，其存储了计算机程序，所述计算机程序被处理器调用以实现：

所述一种瞬变电磁数据的激电信息的提取方法的步骤。

有益效果

1.本发明技术方案实现了基于混合蛙跳算法(SFLA)的瞬变电磁数据的激电信息的提取技术，其充分利用混合蛙跳算法的全局搜索和局部搜索有机结合的特点，在进化过程中只对群体中最劣个体的位置进行调整，无需基于大量的数据反复迭代进行梯度学习，避免了耗时的迭代训练计算，相较于GA，PSO等需要对所有个体进行调整的群智能搜索算法具有更高的执行效率，能较好地均衡全局和局部搜索性能，有利于全局最优解的有效搜索以及整体执行效率的提高。

2.本发明技术方案优选对标准的混合蛙跳算法中采用单一的随机算子rand进行局部搜索的技术进行优化，具体是采用自适应移动因子对其进行优化。其中，采用自适应移动因子调整移动步长后，在局部搜索进化的早期，能很好的限制解的全局搜索能力，一定程度上扩大了青蛙个体的寻优范围，使得大多数青蛙个体能较好的分布在可行域中，而迭代到算法后期移动步长较大，能尽量保证解的全局搜索能力；此外，自适应调节移动步长避免了没必要的细致寻优搜索，有利于加快算法的收敛速度，即不仅提高了算法的求解精度，还避免了算法的过早陷入局部最优。

3.本发明技术方案优选对标准的混合蛙跳算法中初始种群进行优化，其中，依据Tent映射构造初始青蛙种群。通过采用Tent混沌分布对初始种群的构造进行改进，可以有效解决标准的混合蛙跳算法初始种群分布不均匀的问题，通过改善初始种群分布来提髙算法的全局搜索能力。

附图说明

图1是本发明提供的层状大地示意图；

图2是本发明实施例1提供的一种瞬变电磁数据的激电信息的提取方法的流程示意图；

图3是三层A型地电模型中间层极化时反演结果示意图，其中，(a)、(b)、(c)、(d)图分别对应电阻率、极化率、H

图4是四层KH型地电模型中间层极化时反演结果示意图，其中，(a)、(b)、(c)、(d)图分别对应电阻率、极化率、H

图5是五层HKH型地电模型中间层极化时反演结果示意图，其中，(a)、(b)、(c)、(d)图分别对应电阻率、极化率、H

具体实施方式

本发明提供的一种瞬变电磁数据的激电信息的提取方法，其引入混合蛙跳算法(CSFLA)来提取激电信息，且进一步在标准混合蛙跳算法非线性反演的基础上，进行了以下改进：(1)采用Tent混沌分布算子改善初始种群分布来提高模因组内进化的种群多样性，增强算法的全局搜索能力；(2)通过设计自适应移动因子取代随机算子来均衡算法的前期搜索和后期收敛能力。

针对探测区域，采用TEM探测得到探测区域的垂直磁场观测数据，下面将结合实施例对本发明做进一步的说明。

实施例1：

本实施例提供的一种瞬变电磁数据的激电信息的提取方法，包括以下步骤：

步骤1：获取探测区域对应的地电模型的参数搜索范围，基于所述参数搜索范围形成混合蛙跳算法的初始青蛙种群。

设蛙群规模为P，初始蛙群X(0)＝{X

一般的标准混合蛙跳算法是在一定搜索参数范围内，利用随机rand方式确定蛙群种每一只青蛙(即以地层电阻率、层厚度和极化率模型参数值作为蛙群中青蛙值)，进而形成初始种群。本实施例为了克服标准的混合蛙跳算法存在着初始种群分布不够均匀，移动步长大小具有随机性以及收敛速度不够快等缺陷，本实施例依据Tent映射构造初始青蛙种群。其中，混沌分布是较均匀的分布函数，因其具有随机性、遍历性和规律性的特点，能够很好的维持种群多样性，已经在群智能算法中得到了广泛应用。相对于其它映射，Tent映射具有逐段线性的特性，能产生较均匀的初始种群，Tent映射的公式如下：

式中，混沌序列值x

利用Tent映射构造初始青蛙种群的具体构造过程如下：

依据所述参数搜索范围与混沌序列值的分布范围的映射关系，将在所述参数搜索范围内随机生成的初始地电模型参数值映射为混沌序列值x

再按照所述Tent映射将所述混沌序列值x

再依据所述参数搜索范围与混沌序列值的分布范围的映射关系，将所述混沌序列值x

应当理解，本实施例采用Tent混沌分布对初始种群的构造进行改进，避免了标准的混合蛙跳算法初始种群分布不均匀的影响。但是其他可行的实施例中，在对模型精度要求没那么高的基础上，采用标准的混合蛙跳算法生成初始青蛙种群也是落入本发明的保护范围。

基于上述理论性陈述，本实施例给定全局最大迭代次数iter

步骤2：将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率。其中，采用Dias激电模型或者Cole-Cole激电模型将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率。

Dias模型

目前，描述岩石和矿物激电特性的数学模型很多。其中，在1968年由Dias提出的Dias模型是应用较为广泛的激电响应模型之一，Dias模型的复电阻率计算公式为：

且存在：

式中，ρ(ω)为复电阻率，ρ为未考虑极化效应时的电阻率，m为极化率；τ为时间常数；η为电化学参数；δ为极化电阻率系数，τ′、τ″、μ均为中间变量，i为复数符号，ω为角频率，Cole-Cole模型

Cole-Cole模型是目前采用较多的另一种激电响应模型，在1941年由Cole兄弟提出，Cole-Cole模型的复电阻率计算公式为：

式中，c为频率相关系数。

步骤3：将每只青蛙对应的各层复电阻率代入瞬变电磁TEM正演计算得到每只青蛙对应的垂直磁场。

根据考夫曼Kaufman的推导公式，瞬变电磁中心回线产生的垂直磁场在频域z分量可以表示为：

式中，H

TEM正演过程简述为：(1)根据探测区域的地质信息构建简化的层状地电模型，并在地电模型中加入电阻率和地层厚度参数；(2)通过给定激电响应模型(Dias模型或Cole-Cole模型)，将地层的极化率信息加入地电模型中，进而计算与频率相关的复电阻率ρ(w)取代地电模型参数中的实电阻率ρ；(3)基于各层的复电阻率，计算相邻层间的变换阻抗，再由递推公式计算地面理论阻抗，进而得到含激电响应的时域电磁响应(垂直磁场数据H

由于已有文献记载了TEM正演技术，因此，本发明对此不进行具体的陈述，应当理解的是，本发明是将复电阻率来代替电阻率得到具有激电效应的时域TEM响应(垂直磁场数据H

步骤4：计算所述青蛙种群中每只青蛙的适应度，所述适应度是依据正演的垂直磁场与所述探测区域的垂直磁场观测数据之间的误差构建的。

应当能理解，反演的目的是找到最能解释一组观测数据的模型，因此，本发明选择基于时间域垂直磁场域理论值的相对误差作为适应度函数，用来表示模型值和观测值之间的误差，适应度函数定义表达式如下：

式中，Fitness为适应度，N为时间采样点，

其他可行的实施例中，不脱离适应度表征垂直磁场观测数据以及正演得到的垂直磁场数据之间的误差的思路基础上，选择其他类型的误差函数也落入本发明的保护范围。

本实施例中，数据空间由N个垂直磁场值表示，即H

根据上述公式可知，每一只青蛙对应一组模型参数，每一组模型参数确定一个地电模型，再计算每个地电模型在所有时间域下的含激电效应的垂直磁场数据，最终按照适应度函数的公式计算出每一只青蛙的适应度。

步骤5：以最小化适应度为优化目标进行混合蛙跳算法的分组算子、局部搜索和全局混洗的迭代搜索操作，直至满足迭代终止条件后输出适应度最小的青蛙对应的模型参数，并将所述模型参数作为反演最优解，得到的各层极化率为提取的所述激电信息。

利用混合蛙跳算法进行搜索更新的过程如下：

(1)执行分组算子，将所述青蛙种群中的青蛙划分为k个模因组。

(2)执行局部搜索，分别对每个模因组中适应度最差的青蛙进行局部搜索，若利用局部搜索公式更新后的青蛙的适应度未优于更新前的适应度，则随机产生一个新青蛙替代原青蛙再进行局部搜索。

(3)执行全局混洗，待所有模因组完成局部搜索后，对所述青蛙种群内的所有青蛙进行全局混洗，再重新执行分组算子以及局部搜索。

(4)重复所述分组算子、局部搜索、全局混洗的操作，直至全局搜索次数达到预设的全局最大迭代次数，再输出适应度最小的青蛙对应的模型参数作为反演最优解。

本实施例中关于分组算子：生成初始蛙群之后，将蛙群内青蛙按照个体适应度降序排列，即将计算得到的目标函数，按照从大到小的顺序进行排序，然后将整个蛙群分成k个模因组，每个模因组含n只蛙，满足关系P＝k×n.具体的分组方式如下：第一只青蛙放入第一个模因组，第二只青蛙放入第二个模因组，直到第k只青蛙放入第k个模因组；然后第k+1只青蛙又重新放入第一个模因组，第k+2只青蛙放入第二个模因组，以此类推，直到所有青蛙分组完毕。具体的模因分组公式为：

M

式中，M

关于局部搜索：

首先关于标准的混合蛙跳算法的局部搜索：

蛙群分组后，分别对各个模因组内最差青蛙进行局部搜索操作(局部搜索次数为iter

其中，Δ

Δ

若更新后的适应度仍未优于更新前的适应度，则随机产生一个新解X

应当理解，上述内容是标准的混合蛙跳算法的局部搜索，在所要求的模型精度满足需求的基础上，其他可行的实施例可以采用上述标准的局部搜索，其也是落入本发明的保护范围。本实施例考虑到标准的局部搜索中单一的随机算子rand使得各模因组内的局部搜索范围受限于X

蛙群分组后，分别对各个模因组内最差青蛙进行局部搜索操作(局部搜索次数为iter

X

其中，i表示当前全局迭代次数。

经过更新后，如果得到的青蛙X

同理，若更新后的适应度仍未优于更新前的适应度，则随机产生一个新解X

关于全局混洗：当完成局部搜索后，将所有模因组内的青蛙进行全局混洗，即重新混合排序以及局部搜索，如此反复，直到达到定义的全局搜索次数iter

结果输出：当达到迭代终止条件后，适应度值最小的青蛙对应的模型参数作为反演的最优解，并输出该模型。

综上所述，本发明实现了基于混合蛙跳算法(SFLA)的瞬变电磁数据的激电信息的提取技术，充分利用混合蛙跳算法的全局搜索和局部搜索有机结合的特点，在进化过程中只对群体中最劣个体的位置进行调整，寻找地电模型最优参数，避免了耗时的迭代训练计算。且更为核心的是，本发明还对混合蛙跳算法(SFLA)进行了优化，一方面采用Tent混沌分布算子改善初始种群分布来提高模因组内进化的种群均匀性，增强算法的全局搜索能力；另一方面，采用自适应移动因子取代随机算子，这样在算法进化的早期阶段，宜选择较小的移动步长，可以适当限制青蛙个体的全局搜索能力，保持种群的多样性，避免早熟；在进化的中后期，宜选择较大的移动步长，保证算法的全局搜索能力，避免陷入局部最优解，充分发挥蛙跳算法局部搜索的作用，使算法在寻优过程中加快收敛速度的同时提高收敛精度。

实施例2：

本实施例提供一种基于所述提取方法的系统，其包括：初始青蛙种群生成模块、复电阻率计算模块、正演模块、适应度计算模块以及提取模块。

其中，初始青蛙种群生成模块，用于获取探测区域对应的地电模型的参数搜索范围，基于所述参数搜索范围形成混合蛙跳算法的初始青蛙种群。

复电阻率计算模块，用于将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率。

正演模块，用于将每只青蛙对应的各层复电阻率代入瞬变电磁TEM正演计算得到每只青蛙对应的垂直磁场。

适应度计算模块，用于计算所述青蛙种群中每只青蛙的适应度，所述适应度是依据正演的垂直磁场与所述探测区域的垂直磁场观测数据之间的误差构建的。

提取模块，用于以最小化适应度为优化目标进行混合蛙跳算法的分组算子、局部搜索和全局混洗，直至满足迭代终止条件后输出适应度最小的青蛙对应的模型参数，并将其作为反演最优解，得到的各层极化率为提取的所述激电信息。

应当理解，各个模块的实现过程可以参照前述方法的内容陈述，上述功能模块的划分仅仅是一种逻辑功能的划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。同时，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

实施例3：

本实施例提供一种计算机设备，其包括：一个或多个处理器，以及存储了一个或多个计算机程序的存储器；其中，所述处理器调用所述计算机程序以实现：

一种瞬变电磁数据的激电信息的提取方法的步骤。

具体的，所述处理器调用所述计算机程序以实现：

步骤1：获取探测区域对应的地电模型的参数搜索范围，基于所述参数搜索范围形成混合蛙跳算法的初始青蛙种群；

步骤2：将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率。

步骤3：将每只青蛙对应的各层复电阻率代入瞬变电磁TEM正演计算得到每只青蛙对应的垂直磁场。

步骤4：计算所述青蛙种群中每只青蛙的适应度，所述适应度是依据正演的垂直磁场与所述探测区域的垂直磁场观测数据之间的误差构建的。

步骤5：以最小化适应度为优化目标进行混合蛙跳算法的分组算子、局部搜索和全局混洗的迭代搜索操作，直至满足迭代终止条件后输出适应度最小的青蛙对应的模型参数，并将所述模型参数作为反演最优解，得到的各层极化率为提取的所述激电信息。

各个步骤的具体实现过程请参照前述方法的阐述。

其中，存储器可能包含高速RAM存储器，也可能还包括非易失性除颤器，例如至少一个磁盘存储器。

如果存储器、处理器独立实现，则存储器、处理器和通信接口可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构总线，外部设备互联总线或扩展工业标准体系结构总线等。所述总线可以分为地址总线、数据总线、控制总线等。

可选的，在具体实现上，如果存储器、处理器集成在一块芯片上，则存储器、处理器可以通过内部接口完成相互之间的通信。

应当理解，在本发明实施例中，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。

实施例4：本发明提供一种计算机可读存储介质，其存储了计算机程序，所述计算机程序被处理器调用以实现：

一种瞬变电磁数据的激电信息的提取方法的步骤。

具体的，所述计算机程序被处理器调用以实现：

步骤1：获取探测区域对应的地电模型的参数搜索范围，基于所述参数搜索范围形成混合蛙跳算法的初始青蛙种群；

步骤2：将青蛙种群中每只青蛙对应的各层电阻率分别转换为各层复电阻率。

步骤3：将每只青蛙对应的各层复电阻率代入瞬变电磁TEM正演计算得到每只青蛙对应的垂直磁场。

步骤4：计算所述青蛙种群中每只青蛙的适应度，所述适应度是依据正演的垂直磁场与所述探测区域的垂直磁场观测数据之间的误差构建的。

步骤5：以最小化适应度为优化目标进行混合蛙跳算法的分组算子、局部搜索和全局混洗的迭代搜索操作，直至满足迭代终止条件后输出适应度最小的青蛙对应的模型参数，并将所述模型参数作为反演最优解，得到的各层极化率为提取的所述激电信息。

各个步骤的具体实现过程请参照前述方法的阐述。

所述可读存储介质为计算机可读存储介质，其可以是前述任一实施例所述的控制器的内部存储单元，例如控制器的硬盘或内存。所述可读存储介质也可以是所述控制器的外部存储设备，例如所述控制器上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述可读存储介质还可以既包括所述控制器的内部存储单元也包括外部存储设备。所述可读存储介质用于存储所述计算机程序以及所述控制器所需的其他程序和数据。所述可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。

基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的可读存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

仿真试验：

试验1：(用于两个激电模型反演效果比较)

以三层A型地电模型为例，研究不同极化模型下，本发明所述方法的反演性能。其中，地电模型参数设置为ρ

表1给出了当极化层位于中间层时，本发明采用Dias模型和Cole-Cole模型时的反演结果评价指标。由评价指标结果表明，Dias模型的反演结果优于Cole-Cole模型的反演结果。此外，图3进一步给出了本发明所述方法在Dias和Cole-Cole模型下的反演结果，垂直磁场H

表1三层A型地电模型激电信息提取反演结果

试验2：

为了进一步验证算法的有效性，设计了四层KH型地电模型。研究本发明改进SFLA后的所述方法(WTSFLA)与粒子群优化PSO算法、DE算法(Differential Evolution)、ABC算法(Artificial Bee Colony algorithm)、标准SFLA算法的反演性能比对。其中，地电模型参数设置为ρ

表3给出了采用Dias模型，中间层极化时，不同非线性反演算法的性能和计算时间，由表3可知，相比于PSO算法、DE算法和ABC算法的性能，SFLA类算法(标准SFLA与改进后的WTSFLA)取得的效果更优，这是由于激电信息提取的反演过程对非线性反演算法的全局搜索能力提出了更高的要求，基于模因组进化的SFLA类算法在全局搜索性能上优于基于个体进化的PSO算法、DE算法和ABC算法。而改进后的WTSFLA算法的反演性能明显优于标准SFLA算法，这是因为WTSFLA利用Tent混沌分布算子生成初始种群，随机增加了青蛙的搜索范围，增强了算法的优化能力；然后将自适应移动步长应用于搜索过程中控制局部开发和全球勘探之间的关系。这两项措施增强了全球搜索能力，改善了在IP信息搜索优化中的收敛性能，并在很大程度上避免了过早收敛。同时这两种更新策略的引入也增加了算法的计算时间。此外，图4进一步给出了本文算法在Dias模型下的反演结果和垂直磁场H

表2四层KH型地电模型的仿真参数设置

表3不同非线性反演方法的反演性能

试验3：

由于野外采集的数据均含有一定的噪声，本发明以五层HKH型地电模型(Dias模型)为例，研究本文提出算法在加入不同噪声情况下的反演稳定性和鲁棒性。其中，地电模型参数设置为ρ

表4给出了采用Dias模型，中间层极化时，加入不同程度噪声时本文算法的反演性能.图5给出了本文算法在不同程度噪声下的反演结果和和垂直磁场H

表4五层加噪地电模型激电信息提取反演结果

由理论模型的仿真结果表明，本发明所述方法反演结果稳定，能够较好地重构地电结构和提取激电信息，在加噪环境下具有较强的鲁棒性。同其他非线性反演算法相比，本发明所述方法具有优越的收敛性能和反演精度，能够对TEM信号中的激电信息进行有效提取。同时，3个地电模型试验例子结果表明提出方法能够对地下模型参数进行了比较高分辨率的重构，对找矿或找地下水等具有重要作用。

需要强调的是，本发明所述的实例是说明性的，而不是限定性的，因此本发明不限于具体实施方式中所述的实例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，不脱离本发明宗旨和范围的，不论是修改还是替换，同样属于本发明的保护范围。