遗传和模拟退火混合寻优一步法三维CRS叠加

共反射面元（Common Reflection Surface,CRS）叠加充分利用了菲涅耳带半径内的地震信息,在不降低分辨率的前提下最大程度地提高了信噪比,是低信噪比地震资料成像的有力手段。同时,CRS叠加考虑了地下反射层的倾角和局部曲率,具有更高的成像精度。常规的三维CRS叠加,多步依次求取的八参数精度较低,影响了最终叠加效果。为此,提出了一步法三维CRS叠加的实现策略。结合遗传算法快速搜索的优势和模拟退火算法的全局收敛特性,采用两种算法混合的多种群分层式并行寻优算法,即顶层采用遗传算法中的热槽法产生初始种群,中层执行并行的遗传迭代算法实现种群进化,底层采用模拟退火算法实现全局寻优。该CRS叠加方法及混合算法的设计方案明显降低了参数的优化成本并提高了精度。实际资料的测试验证了混合寻优一步法三维CRS叠加的实用性。     

基于广义Radon变换的共反射面元叠加方法

传统共反射面元（CRS）叠加方法是通过数据驱动的策略，在超共中心点道集（或称为CRS道集）内通过相关分析搜索得到初始属性参数组，然后对这组参数进行优化处理实现得到实现的。但是上述实现策略导致了传统方法中计算效率比较低的问题。基于共偏移距剖面，并结合广义Radon变换与倾角分解共反射点（CRP）叠加方法，得到了一种实用的基于广义Radon变换的共反射面元（GRT）CRS叠加实现方法。基于理论数据的测试表明，GRTCRS方法有效地提高了CRS叠加的计算效率和计算精度，在理论数据上的试验证实了该方法的有效性     

共反射面元叠加技术及其在偏移成像中的应用

共反射面元（CRS）叠加技术通过描述本征波波前的运动学参数来生成叠加算子，能够提高叠后数据的信噪比，改善深层反射成像的质量。但对CRS叠后数据的偏移处理，往往不能取得满意的效果。为此，对CRS常规流程进行了改进，借助于CRS运动学参数同时实现数据的叠加和偏移。由于CRS参数剖面与成像射线相对应，因此有助于速度模型的建立和偏移孔径的估算。模型数据试算结果表明：由改进的CRS流程得到的参数谱质量更高，相干剖面上的同相轴连续性更好。因此，利用改进后的CRS流程进行参数分析可以得到更好的成像结果。     

复杂地表共反射面元叠加技术应用与发展前景

复杂地表共反射面元(CRS)叠加技术可以直接应用于未作静校正的数据。在基准面重建时，利用CRS运动学波场参数可将CRS叠加剖面校正到某一选定的水平面上。在复杂地表CRS叠加中，波场三参数的耦合需要用到组合参数优化策略，因此实际处理过程中采用模拟退火算法来实现。地震数据的试算表明，复杂地表CRS叠加得出的剖面比常规处理剖面有较高信噪比和同相轴连续性。另外，对CRS叠加技术的几个发展方向和研究热点进行了总结。     

CRS叠加的研究现状及发展趋势

在常规处理中，复杂地质条件下的时间域成像和叠后偏移的效果不是很理想。为此，提出了一些新的时间域成像技术和叠前偏移方法，CRS（common reflection surface，共反射面元）叠加便是其中的一种。CRS叠加是一种可以直接由多次覆盖反射数据得到零炮检距（ZO）剖面而不依赖于速度信息的叠加方法。二维和三维CRS叠加不仅能够改进模拟ZO剖面，提高深层的信噪比，而且给出了可用于反演速度场的多参数剖面。模型数据的试算和实际资料的处理验证了方法的有效性和实用性。基于起伏地表的CRS叠加不需要先对原始数据做静校正，而且得到叠加结果后可以很容易地实现基准面重建。另外，利用CRS得出的出射角及波前曲率信息可以更好地实现偏移速度建模，这也是今后CRS研究的一个重点。     

CRS叠加优化方法的改进

共反射面元(CRS)叠加可以直接由多次覆盖反射数据得到零炮检距(ZO)剖面,不依赖于速度信息。对确定CRS叠加面的三个参数(ZO射线的出射角α,以及与ZO射线有关的两个波前曲率半径RN和RNIP)进行优化,可使CRS走时面最好地拟合反射同相轴。通过对CRS叠加优化方法进行改进,大大提高了CRS三参数分析的精度。不同的是,在新优化方法中,波场三参数耦合在一起,难以通过简化CRS道集的方法将它们分离出来逐个优化。引入模拟退火算法后,有效地解决了这一组合优化的难题。而模拟退火算法的应用效果很大程度上依赖于三函数两准则的设计,这就需要对具体的优化问题有深入的理解和认识,还要通过大量反复的试验。模型数据的试算和实际资料的处理验证了新优化方法的有效性和实用性。     

共反射面叠加法

共反射面（CRS）叠加提供一种从多次覆盖反射数据进行零偏移距（ZO）模拟的方法,它不依赖于速度信息。而常规成像方法（如NMO／DMO叠加、叠前深度偏移）都需要一个准确的宏观速度模型。我们把CRS叠加应用于2D合成地震数据,得到1个高质量的模拟ZO剖面以及3个重要的运动学波场属性剖面。波场属性可用来建立－2D宏观速度模型。我们用正演模拟对多次覆盖数据给出的属性与模型属性作比较,验了CRS叠加理论和所得属性的正确性。对2D资料应用CRS叠加,可产生CRS叠加面,它依赖于3个参数,它们是ZO射线的出射角α,以及与ZO有关的两上波前曲率半径RN和RNIP,即法向波和法向入射点波的波前曲率半径。对第五ZO样点可确定一组最佳参数,这组参数能使CRS走时面最好地拟合反射同相轴。兼顾CRS流程的实现,使用CRS叠加面的双曲二阶泰勤展式,因为这一表达式不仅适合于处理不规则的采集观测系统,而且更有利3 数的寻优。此外,双曲走时展式在特定道集（如CMP道集和ZO剖面）上可简化,因而能够给出不同的观测方案。     

一种改进的共反射面元叠加方法

共反射面元(Common Reflection Surface,CRS)叠加算子包含多个属性参数,具体实现时常采用多级优化策略,然而传统的参数搜索算法并未考虑叠加剖面中同一目标成像点处存在多个有贡献同相轴的情况。针对传统算法的局限性改进参数搜索策略,通过引入相干阈值方法求得目标点处的全局和局部最大值,有效解决了零偏移距剖面中同相轴相交的问题。模型试算和实际资料处理结果表明,与传统的共反射面元叠加方法相比,改进的共反射面元叠加方法考虑了同相轴相交的情况,模拟的零偏移距剖面更加真实可靠,成像效果更好。     

实现最佳零炮检距地震照明成像——CRS叠加之几何阐述

零炮检距剖面是地震反射成像过程中重要的中间成果，常规处理中的共中心点（CMP）叠加的目的正在于此。当地层倾斜时，CMP道集发生反射点弥散，CMP叠加无法得到正确的零炮检距(ZO)剖面。在这种情形下，只有实施NMO/DMO叠加或沿着共反射点（CRP）轨迹进行叠加才能达到偏移到零炮检距（MZO）的目的。根据共反射面元（CRS）叠加理论，CRS叠加面是反射点附近一个邻域内CRP轨迹的集合，所以沿CRS叠加面应能得到最好的零炮检距剖面。以几何描述的方式，在常速介质假设下通过图示定性描述CRP与CRS叠加之间，NMO/DMO叠加、叠前深度偏移（PreSDM）与CRS叠加之间的区别与联系。     

共反射面叠加法

共反射面(CRS)叠加提供一种从多次覆盖反射数据进行零偏移距(ZO)模拟的方法,它不依赖于速度信息。而常规成像方法(如NMO/DMO叠加、叠前深度偏移)都需要一个准确的宏观速度模型。 我们把CRS叠加应用于2D合成地震数据,得到1个高质量的模拟ZO剖面以及3个重要的运动学波场属性剖面。波场属性可用来建立一2D宏观速度模型。我们用正演模拟对多次覆盖数据给出的属性与模型属性作比较,验证了CRS叠加理论和所得属性的正确性。 对2D资料应用CRS叠加,可产生CRS叠加面,它依赖于3个参数,它们是ZO射线的出射角α,以及与ZO有关的两个波前曲率半径R_N和R_(NIP),即法向波和法向入射点波的波前曲率半径。对每一ZO样点可确定一组最佳参数,这组参数能使CRS走时面最好地拟合反射同相轴。 兼顾CRS叠加的效果和效率,采用最优化方法求取所有零炮检距样点的全部最佳参数。对于CRS流程的实现,使用CRS叠加面的双曲二阶泰勒展式,因为这一表达式不仅适合于处理不规则的采集观测系统,而且更有利于3参数的寻优。此外,双曲走时展式在特定道集(如CMP道集和ZO剖面)上可简化,因而能够给出不同的观测方案。     

基于参数多级优化的共反射面叠加方法及其应用

基于Hubral共反射面叠加的思想，考虑到计算效率和成像精度，本文提出了参数多级优化的共反射面叠加方法。这是一种不依赖于宏观速度场，仅需已知近地表速度和依赖于波场三参数的地震成像方法。它不仅能够改进模拟零炮检距剖面，提高深层的信噪比，而且可以给出用于反演速度场的地震三参数剖面。通过凹陷模型和Marmousi模型的试算以及胜利油田实际资料的试处理，验证了本文方法的有效性和实用性。     

随钻扩眼钻具组合与钻井参数优化研究

鉴于国内现有随钻扩眼系统钻具组合与钻井参数优化研究缺乏,同时考虑领眼钻头及扩眼器几何结构、地层岩石强度及钻井参数等3种影响因素的计算模型少有报道,以及扩眼系统扭矩分配比计算方法缺失等现状,通过建立模型分析了领眼钻头钻压和扭矩分配比随钻具组合、钻柱转速及地层强度的变化规律,进行了钻前不同扩眼钻具组合对比与优选以及随转扩眼钻进实例分析。基于破岩机械比能、切削深度以及切削工具摩擦因数计算模型,提出扩眼系统有效切削面积及有效切削半径概念,形成了随钻扩眼过程中领眼钻头钻压和扭矩分配比计算模型;提出了随钻扩眼系统钻井参数优化流程,建立了随钻扩眼系统输出钻压和扭矩计算模型。研究结果可以为随钻扩眼过程中钻井参数优化及自动化钻井提供理论支撑。     

系泊缆初始配重参数优化方法

当前系泊缆大多为组合缆的形式，需要加装配重块，配重位置和重量通常根据经验进行设计。为减少计算量，尽快找到最优配重参数，借助粒子群优化反向传播(Particle Swarm Optimization-Back Propagation, PSO-BP)神经网络，采用正交试验设计法确定神经网络的样本数据，利用神经网络的泛化能力以尽可能地减小有限元计算工作量，然后将神经网络预测结果应用到遗传算法中。以所有系泊缆张力之和的最小值为优化目标，在给定范围内搜索最优解。优化后8根系泊缆安全因数之和提高36.07,且高于随机选择的配重方案的安全因数，该方法可为大计算量的优化问题提供思路。     

蚱蜢算法在瑞雷波频散曲线反演中的应用

蚱蜢算法是一种新型的群智能优化算法,其灵感来源于蚱蜢在不同阶段表现出的独特觅食行为。该算法将蚱蜢算子的移动分为局部搜索与全局搜查两个阶段,算子每次移动均受其余所有算子的共同影响,以保证收敛到精确解。将蚱蜢算法引入面波频散曲线反演,以获得近地表横波速度。基于理论数据和实测瑞雷波数据,分析了利用蚱蜢算法计算近地表横波速度的有效性和适用性。目标函数解在反演迭代过程中能够快速收敛到全局最优;模型参数的分布概率高,即在寻找到全局最优解的同时,能够确保解中每个参数同时达到最优,保证了反演结果的可靠性。     

多道瞬变电磁法中m序列抗噪性定量评估及编码参数优选

多道瞬变电磁法（multi-transient electromagnetic，MTEM）通过使用m序列对发射源进行编码，提高了电磁探测的抗噪能力，但不同编码参数的m序列的抗噪能力不尽相同。本文首先对比了不同编码参数m序列的辨识效果，分析其抗噪性能的差异；然后将辨识过程建模为辨识系统，该系统的输入设为大地响应信号，输出设为大地电磁冲激响应；之后通过分析特定频点的辨识系统频响特性，实现不同编码参数m序列抗噪性能的定量评估；在此基础上，通过数值模拟分析了各编码参数对抗噪性能的影响，进而给出m序列编码参数的优选方案；最后对野外试验数据进行处理，结果验证了本文所述编码参数优选方案的可行性。