地下溶洞识别方法及装置

1.本发明涉及地下溶洞探测技术领域，具体涉及一种地下溶洞识别方法及装置。


背景技术：

2.地下溶洞会对房屋建筑、地铁等建造产生一定危害，及时探测出地下溶洞并加以处理，对结构施工、使用等中的安全有重要意义。


技术实现要素：

3.本发明提供一种地下溶洞识别方法及装置，能够准确地检测出各种溶洞的位置。
4.为此，本发明提供如下技术方案：
5.一种地下溶洞识别方法，所述方法包括：
6.将探测区域划分为多个单元，并确定所述单元中的所有测量节点；
7.利用电极桩测量得到各测量节点的电势，并记为测量数据；
8.生成随机数集合x,并将所述随机数集合x中各随机数对应的单元作为溶洞位置；
9.根据所述溶洞位置计算得到各测量节点的电势，并记为计算数据；
10.根据所述测量数据和所述计算数据计算目标函数值；
11.根据所述目标函数值确定是否满足停止准则；
12.如果是，则输出所述溶洞位置；
13.否则，基于蜜獾搜索算法更新所述随机数集合x并计算所述目标函数，直至满足所述停止准则。
14.可选地，所述根据所述测量数据和所述计算数据计算目标函数值包括：
15.按以下公式计算目标函数值：
[0016][0017]
其中，表示测量的电势数据，表示计算的电势数据，‖(.)‖表示向量的2范数。
[0018]
可选地，所述根据所述目标函数确定是否满足停止准则包括：
[0019]
确定所述目标函数是否达到了收敛；
[0020]
如果是，则确定满足停止准则；否则，确定不满足停止准则。
[0021]
可选地，所述基于蜜獾搜索算法更新所述随机数集合x包括：
[0022]
计算所述随机数集合x中每个随机数xi对应的单元强度ii，并确定时变影响因子α；
[0023]
根据所述单元强度ii及所述时变影响因子α确定对应所述随机数集合中各随机数的新随机数，得到新随机数集合；
[0024]
判断所述新随机数集合对应的目标函数值是否优于所述随机数集合x对应的目标函数值；
[0025]
如果是，则将所述随机数集合x更新为所述新随机数集合；
[0026]
否则，保持所述随机数集合x。
[0027]
可选地，所述计算所述随机数集合x中每个随机数xi对应的单元强度ii包括：
[0028]
按照以下公式计算每个随机数xi对应的单元强度ii：
[0029][0030]
其中，s＝(x
i-x
i+1
)2，di＝x
prey-xi，x
prey
表示目前为止的最佳溶洞位置，r2是介于0和1之间的随机数。
[0031]
可选地，所述确定时变影响因子α包括：
[0032]
按照以下公式计算时变影响因子α：
[0033][0034]
其中，t表示当前迭代次数，t
max
表示最大迭代次数，c是一个常数，c≥1。
[0035]
可选地，所述根据所述单元强度ii及所述时变影响因子α确定对应所述随机数集合中各随机数x
prey
的新随机数x
new
包括：
[0036]
按照以下公式计算新随机数x
new
：
[0037]
x
new
＝x
prey
+f
×
β
×i×
x
prey
+f
×
r3×
α
×di
×
|cos(2πr4)
×
[1-cos(2πr5)]|；或者
[0038]
x
new
＝x
prey
+f
×
r7×
α
×di
；
[0039]
其中，x
prey
表示目前为止的最佳溶洞位置，β是一个常数，β≥1，r3、r4、r5、r6、r7是介于0和1之间的三个不同的均匀分布随机数。
[0040]
一种地下溶洞识别装置，所述装置包括：区域划分模块、测量模块、随机数生成模块、迭代处理模块、判断模块；所述迭代处理模块包括：计算单元、目标函数值确定；
[0041]
所述区域划分模块，用于将探测区域划分为多个单元，并确定所述单元中的所有测量节点；
[0042]
所述测量模块，用于利用电极桩测量得到各测量节点的电势，并记为测量数据；
[0043]
所述随机数生成模块，用于生成随机数集合x,并将所述随机数集合x中各随机数对应的单元作为溶洞位置；
[0044]
所述计算单元，用于根据所述溶洞位置计算得到各测量节点的电势，并记为计算数据；
[0045]
所述目标函数值确定单元，用于根据所述测量数据和所述计算数据计算目标函数值；
[0046]
所述判断模块，用于根据所述目标函数值确定是否满足停止准则；如果是，则输出所述溶洞位置；否则，触发所述随机数生成模块基于蜜獾搜索算法更新所述随机数集合x，以使所述迭代处理模块重新计算目标函数值，直至满足所述停止准则。
[0047]
可选地，所述随机数生成模块包括:
[0048]
强度计算单元，用于计算所述随机数集合x中每个随机数xi对应的单元强度ii；
[0049]
时变影响因子确定单元，用于确定时变影响因子α；
[0050]
新随机数确定单元，用于根据所述单元强度ii及所述时变影响因子α确定对应所述随机数集合中各随机数的新随机数，得到新随机数集合；
[0051]
更新单元，用于在所述新随机数集合对应的目标函数值优于所述随机数集合x对应的目标函数值的情况下，将所述随机数集合x更新为所述新随机数集合。
[0052]
可选地，所述新随机数确定单元，具体用于按照以下公式计算新随机数x
new
：
[0053]
x
new
＝x
prey
+f
×
β
×i×
x
prey
+f
×
r3×
α
×di
×
|cos(2πr4)
×
[1-cos(2πr5)]|；或者
[0054]
x
new
＝x
prey
+f
×
r7×
α
×di
；
[0055]
其中，x
prey
表示目前为止的最佳溶洞位置，β是一个常数，β≥1，r3、r4、r5、r6、r7是介于0和1之间的三个不同的均匀分布随机数。
[0056]
本发明实施例提供的地下溶洞识别方法及装置，提出了一种新的元启发的优化算法，即蜜獾搜索算法，模仿了蜜獾的动态觅食行为，用数学模型描述这种行为，提出一种求解优化问题的有效搜索策略。基于该搜索策略，可以准确地检测出各种溶洞的位置。而且，该方案具有较好的鲁棒性。
附图说明
[0057]
图1是本发明实施例中蜜獾搜索算法中猎物气味强度和猎物的距离关系示意图；
[0058]
图2是本发明实施例中蜜獾搜索算法的实现流程图；
[0059]
图3是本发明实施例中电阻抗成像探测地下溶洞的原理示意图；
[0060]
图4是本发明实施例地下溶洞识别方法的流程图；
[0061]
图5是本发明实施例中采用的两种地下溶洞有限元模型示意图；
[0062]
图6是本发明实施例1的小溶洞探测结果示意图；
[0063]
图7是本发明实施例1的小溶洞的算法收敛曲线对比图；
[0064]
图8是本发明实施例2的大溶洞探测结果示意图；
[0065]
图9是本发明实施例2的大溶洞的算法收敛曲线对比图；
[0066]
图10是本发明实施例地下溶洞识别装置的结构示意图。
具体实施方式
[0067]
为了使本技术领域的人员更好地理解本发明实施例的方案，下面结合附图和实施方式对本发明实施例作进一步的详细说明。
[0068]
本发明实施例提供一种地下溶洞识别方法及装置，基于一种新的元启发的优化算法，即蜜獾搜索算法，模仿了蜜獾的动态觅食行为，用数学模型描述这种行为，提供有效的搜索策略。基于该搜索策略，准确地检测出各种溶洞的位置。
[0069]
下面首先对本发明实施例提供的蜜獾搜索算法进行详细说明。
[0070]
本发明实施例提供的蜜獾搜索算法模拟了蜜獾的觅食行为，即为了找到猎物，蜜獾要么嗅、挖，要么跟着导蜜鸟。第一种模式可以称之为挖掘模式，而第二种模式可以称之为蜂蜜模式。在第一种模式中，当蜜獾利用自己的嗅觉能力近似猎物的位置后，它会绕着猎物移动，以选择合适的地点挖掘和捕捉猎物。在第二种模式中，蜜獾利用导蜜鸟直接定位蜂巢。蜜獾搜索算法可以分为以下6个阶段：
[0071]
阶段1：随机初始化
[0072]
假设总共有n只蜜獾，第i只蜜獾的位置可以用向量表示。所有蜜獾的位置可用以下矩阵表示：
[0073][0074]
其中x
i.j
表示第i只蜜獾的第j维数。采用均匀分布(式(2))分配每只蜜獾的初始位置：
[0075]
xi＝lbi+r1×
(ub
i-lbi)
ꢀꢀꢀꢀꢀꢀꢀ
(2)
[0076]
其中，lbi和ubi分别为第i只蜜獾在第j维的下界限和上界限，r1为取值范围[0,1]内的均匀分布随机数。
[0077]
阶段2：适应度评估
[0078]
将决策变量(解向量)的值放入用户定义的适应度函数中，计算每只蜜獾的位置适应度，并将对应的值存储在如下数组中：
[0079][0080]
每个蜜獾的位置的适应度值描述了它所搜索的猎物的质量。
[0081]
阶段3：定义猎物气味浓度
[0082]
猎物气味浓度和猎物的集中度、强度以及它和每只蜜獾之间的距离相关，根据平方反比定律定义，如果气味浓度高(如图1所示，当蜂鸟与猎物的距离为r、2r、3r时，气味浓度分别为i、i/4、i/9)，则运动蜜獾速度快，猎物气味浓度ii可用以下公式计算：
[0083][0084]
s＝(x
i-x
i+1
)2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0085]di
＝x
prey-xiꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0086]
其中，s表示猎物的位置，di表示猎物和第i只蜜獾的距离，r2是介于0和1之间的随机数，x
prey
表示目前为止的最佳猎物的位置，根据位置适应度值来确定。
[0087]
阶段4：更新时变影响因子
[0088]
时变影响因子α用于控制时变的随机化，以确保从全局搜索到局部搜索的平稳过渡。具体地，可用以下公式更新随迭代次数减少的递减因子，以随时间减少随机化：
[0089][0090]
其中，t表示迭代次数，t
max
表示最大迭代次数，c是一个常数，c≥1，比如，c的值可取2。
[0091]
需要说明的是，在实际应用中，最大迭代次数t
max
大于目标函数收敛的次数即可，可通过试计算判断函数大致的收敛次数位置，进而选取最大迭代次数。
[0092]
阶段5：更新蜜獾位置
[0093]
蜜獾位置的更新可采用两种模式，即“挖掘模式”和“蜂蜜模式”。
[0094]
1)挖掘模式：蜜獾执行类似于心形的运动，心形运动可用以下公式进行模拟：
[0095][0096]
其中，x
new
是蜜獾的新位置，x
prey
表示目前为止的最佳猎物的位置，即全局适应度值最好的位置，f表示搜索方向。β是一个常数，表示蜜獾获取食物的能力，β≥1，比如，β的值取6。di是猎物和第i只蜜獾之间的距离，r3，r4和r5是介于0和1之间的三个不同的均匀分布随机数。
[0097]
需要说明的是，每只蜜獾对应一个适应度值，即根据公式(3)计算得到，x
prey
即为适应度值最佳的位置。
[0098]
搜索方向f可用以下公式表示：
[0099][0100]
其中，r6是介于0和1之间的随机数，在挖掘模式，蜜獾在很大程度上依赖于猎物的气味强度ii、蜜獾与猎物之间的距离di以及时变影响因子α。此外，在挖掘模式中，蜜獾会受到搜索方向f影响，有利于它们搜寻到更好的猎物位置。
[0101]
2)蜂蜜模式：蜜獾跟随导蜜鸟到达蜂巢的行为可用以下公式模拟：
[0102]
x
new
＝x
prey
+f
×
r7×
α
×di
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0103]
与公式(9)中的参数相同，其中，x
new
是蜜獾的新位置，x
prey
表示目前为止的最佳猎物的位置，即全局适应度值最好的位置，f表示搜索方向。r7是介于0和1之间的随机数。
[0104]
从上式可以观察到，蜜獾根据其与猎物之间的距离di在目前发现的猎物位置x
prey
附近进行搜索。
[0105]
在迭代过程中，每只蜜獾可以随机选取挖掘模式和蜂蜜模式中一种更新位置。
[0106]
阶段6：停止准则
[0107]
函数容差是一种常用的收敛准则，在此准则中，在最后两个连续结果之间定义一个允许的小阈值；当然也可使用最大执行时间或者最大迭代次数作为停止条件。
[0108]
蜜獾搜索算法的流程如图2所示，包括以下步骤：
[0109]
首先，在步骤201，初始化种群。
[0110]
在步骤202，计算每只蜜獾的适应度值。
[0111]
具体地，可以利用前面公式(3)计算每只蜜獾的适应度值。
[0112]
在步骤203，计算猎物气味浓度。
[0113]
具体地，可以利用前面公式(4)计算猎物气味浓度。
[0114]
在步骤204，计算时变影响因子。
[0115]
具体地，可以利用前面公式(7)计算时变影响因子。
[0116]
在步骤205，产生随机数s，并判断随机数s是否小于设定值。如果是，则执行步骤
206；否则执行步骤207。
[0117]
所述设定值可以任意设定，比如可以是0.5，对此本发明实施例不做限定。
[0118]
在步骤206中，采用挖掘模式更新蜜獾的位置，具体可利用上述公式(8)来计算蜜獾的新位置。
[0119]
在步骤207中，采用蜂蜜模式更新蜜獾的位置，具体可利用上述公式(8)来计算蜜獾的新位置。
[0120]
在计算得到蜜獾的新位置后，执行步骤208，判断新位置是否优于原来的位置。具体地，可以根据前面公式(3)计算得到的每只蜜獾的适应度值来确定其新位置是否优于原来的位置。因为所述适应度值描述了蜜獾所搜索的猎物的质量，因此如果新位置对应的适应度值大于原来的位置对应的适应度值，则说明新位置优于原来的位置。
[0121]
如果新位置优于原来的位置，则执行步骤209，即用新位置替代原来的位置。否则，执行步骤210，保留原来的位置。
[0122]
然后，执行步骤211，判断是否满足停止准则。具体可采用函数容差、最大执行时间、最大迭代次数这三个条件中的任一个或多个组合来确定是否满足停止准则。其中多个组合是指同时满足其中多个条件，才能确定满足停止准则。
[0123]
如果是，则结束，输出猎物位置x
prey
；否则，执行步骤203，进行下一次迭代过程。
[0124]
基于上述蜜獾搜索算法，本发明实施例提供的地下溶洞识别方法及装置，将蜜獾搜索算法的目标函数替换为电阻抗法的目标函数，并将蜜獾搜索算法中每个个体的位置替换为各区域单元的电阻率，即用蜜獾搜索算法识别地下溶洞。
[0125]
下面首先对电阻抗法的正反问题进行说明：
[0126]
1)正问题控制方程
[0127]
考虑一个空间区域ω及其边界电阻抗成像的正问题是在已知材料电阻抗率ρ(x)，x∈ω(或其倒数，视电阻率c(x)＝1/ρ(x))的情况下，求解区域内的电势u(x)(或电压)分布。考虑边界上的输入输出电流，正问题的控制方程为：
[0128][0129]
2)边界条件
[0130][0131][0132]
其中，n为外法向向量，si为所有边界电流点(或电极)的集合，考虑电流几乎为单点输入输出，e
l
表示包含电流点l的微小区域，i
l
是点l处的电流量。i
l
》0表示电流输入，i
l
《0则为电流输出。
[0133]
如果某个电极方案只有点1输入单位电流，而点2输出单位电流，则有i1＝1，i2＝-1，i
l
＝0，l∈{1,2}/si。
[0134]
此外，还可测量一系列边界点的电势，这些测量的电势点的集合记为su；电势点su与电流点si可以有部分重合。以上问题是典型的neumann边值问题，为确保解的存在性，需
要满足所有输入输出电流总和为0，即：
[0135][0136]
而为了确保解的唯一性，可以额外添加约束，即：
[0137][0138]
其中，uk表示点k上的电势。
[0139]
如图3所示，利用电极桩测量区域内各节点的电势和电流，问题所属区域可简化为右侧的矩形区域。电流点与电势点不一致，但数目相等。
[0140]
通常可以使用有限元进行正问题求解，得到如下方程：
[0141][0142]
其中，ku即矩阵k与矩阵u相乘，u＝[u1；u2；
…
；un]包含了所有节点电势，f＝[f1；f2；
…
；fn]表征电流向量，不同的电极方案，f不同。
[0143]
考虑如式(13)中的情形。可以得到点l处的电流向量：
[0144][0145]
k为刚度阵，与各单元的视电阻率c＝[c1；c2；
…
；cm]线性相关，即：
[0146][0147]
其中，kj为单位电阻率时的单元刚度矩阵。
[0148]
上述公式(15)给出了正问题的求解过程。
[0149]
在反问题中，可以根据s组电极方案测量得到的s组电势数据反推识别区域的视电阻率c。其中，下标su表示测量电势点集合上的数据。根据正问题(15)，给定视电阻率c，可以直接计算测量点上的电势结果，记为按照一般反问题的思路，电阻抗成像的数学描述为：寻找c计算数据与测量数据尽可能地接近，即求解如下优化问题：
[0150][0151]
其中，g(c)为电阻抗法的目标函数，
‖(.)‖表示向量的2范数，即
[0152]
基于上述分析，可以利用电阻抗法的正反问题，求解得到目标函数g(c)。
[0153]
为此，本发明实施例提供的地下溶洞识别方法的流程图如图4所示，包括以下步骤：
[0154]
在步骤401，将探测区域划分为多个单元，并确定所述单元中的所有测量节点。
[0155]
需要说明的是，所述测量节点的个数可以小于等于所述单元的个数。
[0156]
在步骤402，利用电极桩测量得到各测量节点的电势，并记为测量数据。
[0157]
在步骤403，生成随机位置x，将所述随机位置x作为待测溶洞位置。
[0158]
所述随机位置x可以按照前面公式(1)的方式表示，并按照公式(2)采用均匀分布的方式来确定，当然，也可以采用其他随机分配方式来确定，对此本发明实施例不做限定。
[0159]
在步骤404，根据所述溶洞位置计算得到各测量节点的电势，并记为计算数据。
[0160]
具体地，可以按照前面公式(15)计算各测量节点的电势。
[0161]
在步骤405，根据所述测量数据和所述计算数据计算目标函数值。
[0162]
具体地，可以按照前面公式(18)计算目标函数值。
[0163]
在步骤406，根据所述目标函数值确定是否满足停止准则；如果是，则执行步骤407；否则，执行步骤408。
[0164]
具体地，确定所述目标函数是否达到了收敛；如果是，则确定满足停止准则；否则，确定不满足停止准则。
[0165]
当然，在实际应用中，还可以综合考虑迭代时间和/或迭代次数来确定是否满足停止准则，对此本发明实施例不做限定。
[0166]
步骤407，输出所述溶洞位置。
[0167]
步骤408，基于蜜獾搜索算法更新所述随机数集合x。然后，返回步骤404，进行下一次迭代过程，直至满足所述停止准则。
[0168]
在基于蜜獾搜索算法更新所述随机数集合x时，需要计算所述随机数集合x中每个随机数xi对应的单元强度ii，并确定时变影响因子α；根据所述单元强度ii及所述时变影响因子α确定对应所述随机数集合中各随机数的新随机数，得到新随机数集合；判断所述新随机数集合对应的目标函数值是否优于所述随机数集合x对应的目标函数值；如果是，则将所述随机数集合x更新为所述新随机数集合；否则，保持所述随机数集合x。
[0169]
在计算新随机数时，可以随机选用前面公式(8)所示的挖掘模式或公式(10)所示的蜂蜜模式来计算新，对此本发明实施例不做限定。
[0170]
本发明实施例提供的地下溶洞识别方法，提出了一种新的元启发的优化算法，即蜜獾搜索算法，模仿了蜜獾的动态觅食行为，用数学模型描述这种行为，提出一种求解优化问题的有效搜索策略。基于该搜索策略，可以准确地检测出各种溶洞的位置。而且，该方案具有较好的鲁棒性。
[0171]
需要说明的是，利用本发明方案，不论是对大溶洞，还是小溶洞，均可进行有效探测，下面分别举例说明。
[0172]
实施例1：小溶洞探测
[0173]
假设采用64个单元的地下溶洞模型进行检测，如图5(a)所示，矩形区域的长宽均
为4m*4m，每边均匀划分为8个单元。假设初始区域的视电阻率是均匀的，取值为c0＝10。出现溶洞的单元视电阻率等效为3，相对于土体的视电阻率10，有较大折减，即出现溶洞。
[0174]
在这种情况下，假设溶洞的出现导致视电阻率的降低，即cj≡3(j＝1,2,3,
…
,m)。
[0175]
检测结果如图6所示。假设28、29、36和37号单元视电阻率等效为3，算法中的参数设置：迭代最大次数t
max
、种群大小数n、决策变量数d(每只蜜獾的维度，对应溶洞的问题则为划分的单元数)分别为200，250和64。其噪声水平分别为0％和0.1％。
[0176]
分别用蜜獾算法和粒子群算法探测例1的小溶洞，图6为探测结果示意图，从图中可以看出，蜜獾搜索算法可以检测到溶洞的位置，而粒子群算法给出了很多错误的识别。溶洞位置可由经验学习算法准确识别，实际数据与识别数据的相对误差极小。即使在人工噪声的影响下，相对误差也在1.5％以内。
[0177]
图7为例1小溶洞的测量数据在0.1％噪声影响下探测收敛曲线图，从图中可以看出，蜜獾算法的收敛效果明显优于粒子群算法。结果表明，蜜獾方法对溶洞位置检测有效、准确，对噪声不敏感。
[0178]
实施例2：大溶洞探测
[0179]
与前面的例子相似，假设溶洞的出现导致视电阻率的降低。假设的溶洞位置如图5(b)所示。假定27、28、29、30、35、36、37和38号单元的视电阻率等效为3，算法中的参数设置：迭代最大次数t
max
、种群大小数n、决策变量数d分别为200，250和64。其噪声水平分别为0％和0.1％。
[0180]
分别用蜜獾算法和粒子群算法探测例2的大溶洞，图8为探测结果示意图，由图可知，无噪声下，蜜獾搜索算法能够准确识别溶洞位置。相反，粒子群算法不能有效地进行检测。
[0181]
图9为例2大溶洞的测量数据在0.1％噪声影响下探测收敛曲线图，从图中可以看出，虽然识别单元的数量更多，但蜜獾搜索算法在溶洞检测方面仍然是可行的、准确的，对噪声不敏感，具有更高的收敛速度和更精确的解。
[0182]
可见，与粒子群算法相比，蜜獾搜索算法具有更好的实用性、有效性和准确性。本发明实施例提供的地下溶洞识别方法，基于蜜獾搜索算法，可以在地下结构中准确地检测出各种溶洞的位置。而且，该方案对噪声不敏感，具有良好的工程应用能力。
[0183]
相应地，本发明实施例还提供一种地下溶洞识别装置，如图10所示，是该装置的一种结构示意图。
[0184]
在该实施例中，所述装置包括：区域划分模块101、测量模块102、随机数生成模块103、迭代处理模块104、判断模块105。其中，迭代处理模块104包括：计算单元141、目标函数值确定142。
[0185]
所述区域划分模块101用于将探测区域划分为多个单元，并确定所述单元中的所有测量节点；
[0186]
所述测量模块102用于利用电极桩测量得到各测量节点的电势，并记为测量数据；
[0187]
所述随机数生成模块103用于生成随机数集合x,并将所述随机数集合x中各随机数对应的单元作为溶洞位置；
[0188]
所述计算单元141用于根据所述溶洞位置计算得到各测量节点的电势，并记为计算数据；
[0189]
所述目标函数值确定单元142用于根据所述测量数据和所述计算数据计算目标函数值；
[0190]
所述判断模块105用于根据所述目标函数值确定是否满足停止准则；如果是，则输出所述溶洞位置；否则，触发所述随机数生成模块103基于蜜獾搜索算法更新所述随机数集合x，以使所述迭代处理模块104重新计算目标函数值，直至满足所述停止准则。
[0191]
所述随机数生成模块103包括以下各单元:
[0192]
强度计算单元，用于计算所述随机数集合x中每个随机数xi对应的单元强度ii；
[0193]
时变影响因子确定单元，用于确定时变影响因子α；
[0194]
新随机数确定单元，用于根据所述单元强度ii及所述时变影响因子α确定对应所述随机数集合中各随机数的新随机数，得到新随机数集合；
[0195]
更新单元，用于在所述新随机数集合对应的目标函数值优于所述随机数集合x对应的目标函数值的情况下，将所述随机数集合x更新为所述新随机数集合。
[0196]
其中，所述新随机数确定单元，具体可按照前面公式(8)或公式(10)来计算各随机数的新随机数，对此本发明实施例不做限定。
[0197]
本发明实施例提供的地下溶洞识别方法及装置，使用电阻抗成像探测地下溶洞，具有一定的优势，如设备相对简单，数据获取比较方便，对材料的非均匀性不敏感等，具有较强的鲁棒性。
[0198]
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0199]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。而且，以上所描述的系统实施例仅仅是示意性的，其中作为分离部件说明的模块和单元可以是或者也可以不是物理上分开的，即可以位于一个网络单元上，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
[0200]
以上对本发明实施例进行了详细介绍，本文中应用了具体实施方式对本发明进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及装置，其仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围，本说明书内容不应理解为对本发明的限制。因此，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围内。