請用此 Handle URI 來引用此文件：
http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/28517完整後設資料紀錄
| DC 欄位 | 值 | 語言 |
|---|---|---|
| dc.contributor.advisor | 喬凌雲(Ling-Yun Chiao) | |
| dc.contributor.author | Shang-Hsueh Yu | en |
| dc.contributor.author | 余尚學 | zh_TW |
| dc.date.accessioned | 2021-06-13T00:10:38Z | - |
| dc.date.available | 2008-08-03 | |
| dc.date.copyright | 2007-08-03 | |
| dc.date.issued | 2007 | |
| dc.date.submitted | 2007-07-26 | |
| dc.identifier.citation | Basokur A. T., Akca I. and Siyan W. A. N., 2007. Hybrid genetic algorithms in view of the evolution theories with application for the electrical sounding method. Geophysical Prospecting 55, p393–p406
Bradley P. P. ,1999. Genetic algorithms and their use in geophysical problems (nonlinear, inverse problem). Thesis (PH.D.), University of California, Berkeley. Dissertation Abstracts International, Volume: 60-05, Section: B, page: 2272. Ceollo C. A. C. and Pulido G. T. A., 2001. A micro-genetic algorithm for multiobjective optimization. Proc. First Int. Conf. Evolutionary Multi-Criterion Optimization, Zurich, Switzerland, March 7–9, p126-p140. Chen P. F., Chiao L. Y., Huang P. H., Yang Y. J. and Liu L.G.,2006. Elasticity of magnesite and dolomite from a genetic algorithm for inverting Brillouin spectroscopy measurements, Phys. Earth Planet. Inter., 155, p73-p86. Chevrot, S. , 2002. Optimal measurements of relative and absolute delay times by simulated annealing, Geophys. J. Int. 151, p164-p171. Goldberg D. E.,1989. Genetic Algorithm in Search, Optimization and Machine Learning. Addison-Wesley. Holland J. H. ,1975. Adaptation in Nature and Artificial Systems. Ann Arbor, MI: University of Michigan. Houck C., Joines J. and Kay M. G., 1995. A genetic algorithm for function optimization: a matlab implementation. NSCU-IE, p95-p09. Krishnakumar K. 1989. Micro-Genetic Algorithm for Stationary and Non-stationary Function Optimization. SPIE: Intelligent Control and Adaptive Systems, 1196, p289-p296. Kirkpatrick S., Gelatt C. D. and Vecchi M. V.,1983. Optimization by simulated Annealing, Seience , Volume 220, number 4598, p671-p672 Rawlinson N. and Kennett B.L.N. ,2004. Rapid estimation of relative and absolute delay times across a network by adaptive stacking, Geophys. J. Int.,157, p332–p340. Senecal P. K.,2000. Numerical optimization using the gen4 micro-genetic algorithm code. Engine research Center, University of Wisvonsin-Madison.Draft Mauscript, august. Sadeghi H. , Suzuki S. and Takenaka H. ,1999. A two-point, three-dimensional seismic ray tracing using genetic algorithms, Phys. Earth Planet. Int.,113, p355-p365. VanDecar J. C., Crosson R.S.,1990. Determination of teleseismic relative phase arrival times using multi-channel cross-correlation and least squares, Bull. seism. Soc. Am., 80, p150–p169. Krahenbuhl R. A. and Li Y. ,2006. Inversion of gravity data using a binary formulation, Geophys. J. Int. ,167, p543–p556 李世炳，鄒忠毅，2002。 簡介導引模擬退火法及其應用， 物 雙月刊（廿四卷二期）, p309-p310 蘇木春與張孝德，民國89年3月。機器學習：類神經網路、模糊系統以及基因演算法則，全華圖書。 林豐澤(Feng-Tse Lin)，民國89年3月。演化式計算上篇：演化式演算法的三種理論模式，智慧科技與應用統計學報 3卷1期，p1-p28。 林豐澤(Feng-Tse Lin)，民國89年3月。演化式計算下篇：演化式演算法的三種理論模式，智慧科技與應用統計學報，3卷1期，p29-p56 曹加瑞，民國89年6月。物流業配送系統之車輛指派與路程規畫，台北科技大學生產系統工程與管理研究所碩士學位論文，p17。 | |
| dc.identifier.uri | http://tdr.lib.ntu.edu.tw/jspui/handle/123456789/28517 | - |
| dc.description.abstract | 地震波抵達區域地震網後各站的相對到時是決定地下速度構造的重要依據，如何取得正確的相對時間是非常重要的工作。
以往處理地震相對到時的問題時，是將地震相對到時認為是超定的（overdetermined）線性情況下求出一組相對到時最近似解；而本研究則是將基因演算法(genetic algorithm)具處理非線性的問題的能力，應用於地震相對到時問題。 本研究以IndepthIII與海底地震儀資料進行實驗。在實驗的同時，也同時將傳統基因演算法與微型基因演算法在相同的參數下進行實驗，來比較何者效能較優。 在海底地震儀的實際應用實驗中，主要以P波與S波兩種波相作為相對時間的測試對象；資料處理時，將地震資料事先經過歸一化（normalization）、濾波（filter）與排列（alignment）後，對於基因演算法運算的速度與實驗結果會有明顯正面的幫助。 從實驗的結果發現，基本上只要能夠定義出波相的範圍與位置，基因演算法即能標定地震網內各站的正確相對時間。 | zh_TW |
| dc.description.abstract | Abstract
Seismic relative arrival times among a local network provide important information for the regional velocity structure. To map the precise velocity structure, we need to find precise relative arrival times. In the past, determining seismic relative arrival times is posed as an overdetermined and linear inverse problem to find an approximate solution. In our method, it is formulated in terms of a non-linear problem and is dealt with using the genetic algorithms. We experiment with data from IndepthIII and an Ocean Bottom Seismometer array. We compare the efficiency between the genetic algorithm and the micro-genetic algorithm. It is shown that after proper normalization、filter and alignment. GA is very efficient in determining the relative arrival times. | en |
| dc.description.provenance | Made available in DSpace on 2021-06-13T00:10:38Z (GMT). No. of bitstreams: 1 ntu-96-R93241314-1.pdf: 1375323 bytes, checksum: 3cc821d8e587d0ef842e7e494d3b9804 (MD5) Previous issue date: 2007 | en |
| dc.description.tableofcontents | 目錄
誌謝 i 中文摘要 ii Abstract iii 目錄 v 圖目 v 表目 v 第一章 緒論 1 1.1研究動機 1 1.2多重頻道互對比 1 1.3非線性問題之局部搜尋與全域搜尋 2 1.4 研究目的 2 第二章 基因演算法(Genetic Algorithm)基本原理 3 2.1基因演算法 3 2.2基因演算法之流程與運算 4 2.2.1族群(Population)&個體(Individual) 5 2.2.2編碼與解碼(Encode & Decode) 7 2.2.3適應度函數(Fitness function)與適應值（Fitness） 8 2.2.4選擇(Selection) 9 2.2.5交配(Crossover) 9 2.2.6突變(Mutation) 11 2.2.7終止條件(Terminal) 12 2.3 微型基因演算法(Micro-Genetic Algorithms) 13 2.4基因演算法的特色 16 2.5 混合算法（Hybrid Schemes） 17 第三章地震資料選取與實驗過程 18 3.1 實驗概述 18 3.2第一筆測試實驗 19 3.3 基因演算法於不同族群大小變化的觀察與比較 24 3.4第二筆測試實驗 29 3.5相對到時的最佳解隨著世代演算的改進 31 3.6放大族群對基因演算法的影響 33 3.7 適當的適應值方程式 35 3.8 小結 38 第四章 海底地震儀的實際資料應用 39 4.1使用資料 39 4.2資料背景、挑選與處理 39 4.3 P波測試(低通濾波（lowpass）2Hz) 41 4.4 P波測試(低通濾波0.5Hz) 46 4.5 S波測試 49 4.6小結 58 第五章 結果與討論 60 參考文獻 62 圖目 圖2- 1基因演算法的流程圖 4 圖2- 2起始個體模型示意圖 6 圖2- 3編碼與解碼示意圖 7 圖2- 4交配(Crossover)方式之示意圖 10 圖2- 5突變之示意圖 11 圖2- 6微型基因演算法之流程圖 圖3- 1 此為測試資料的原始地震紀錄 19 圖3- 2傳統基因演算法與微型基因演算法起始個體表示圖 21 圖3- 3傳統基因演算法與微型基因演算法的結果 23 圖3- 4表示傳統基因演算法固定世代下不同族群的平均適應值 25 圖3- 5表示微型基因演算法固定世代下不同族群的平均適應值 26 圖3- 6比較兩種基因演算法在不同族群的效果 28 圖3- 7 此為測試資料的原始地震紀錄 29 圖3- 8 第二筆測試資料的相對到時解 30 圖3- 9此二圖為模型所求相對到時解隨世代的改進圖 32 圖3- 10比較大族群與小族群對基因演算法的影響 34 圖3- 11使用不同適應值方程式的實驗結果 36 圖3- 12比較不同適應值方程式的相對到時圖 37 圖4- 1海底地震儀測試資料 39 圖4- 2歸一化後的結果圖 40 圖4- 3選取演算範圍的資料 42 圖4- 4濾波的結果 43 圖4- 5標定低通濾波2Hz以下的P波相對到時實驗結果 45 圖4- 6濾波的結果 46 圖4- 7標定低通濾波0.5Hz以下的P波相對到時實驗結果 48 圖4- 8 S波的大概位置 50 圖4- 9 S波選取示意圖 51 圖4- 10標定帶通濾波0.5Hz~2Hz的S波相對到時實驗結果 54 圖4- 11 S波測試實驗 54 圖4- 12標定帶通濾波0.5Hz~1Hz的S波相對到時實驗結果 57 圖4- 13 說明實際在處理海底地震儀資料的每個步驟 59 表目 表3-1第一筆地震測試資料的相關訊息…………………………………18 表3-2第二筆地震測試資料的相關訊息…………………………………28 | |
| dc.language.iso | zh-TW | |
| dc.subject | 相對到時 | zh_TW |
| dc.subject | 基因演算法 | zh_TW |
| dc.subject | relative arrival time | en |
| dc.subject | micro-GA | en |
| dc.subject | genetic algorithm | en |
| dc.title | 利用基因演算法標定地震波相相對到時的探討 | zh_TW |
| dc.title | Relative seismic travel time determined by the genetic algorithm and the micro genetic algorithm | en |
| dc.type | Thesis | |
| dc.date.schoolyear | 95-2 | |
| dc.description.degree | 碩士 | |
| dc.contributor.oralexamcommittee | 黃柏壽(Bor-Shouh Huang),陳伯飛(Po-Fei Chen),龔源成(Yuan-cheng Gung),洪淑蕙(Shu-Huei Hung) | |
| dc.subject.keyword | 基因演算法,相對到時, | zh_TW |
| dc.subject.keyword | genetic algorithm,micro-GA,relative arrival time, | en |
| dc.relation.page | 63 | |
| dc.rights.note | 有償授權 | |
| dc.date.accepted | 2007-07-30 | |
| dc.contributor.author-college | 理學院 | zh_TW |
| dc.contributor.author-dept | 海洋研究所 | zh_TW |
| 顯示於系所單位： | 海洋研究所 | |
文件中的檔案：
| 檔案 | 大小 | 格式 | |
|---|---|---|---|
| ntu-96-1.pdf 未授權公開取用 | 1.34 MB | Adobe PDF |
系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。