各种速度分析与反演方法的对比研究

速度估计与建模是勘探地震学的核心技术。速度估计问题是一个标准的反演问题。原则上,反演问题应该在贝叶斯框架下进行,但是石油工业界根据生产实际形成了一套速度分析与建模的技术系列。针对目前速度估计与速度建模技术研究及应用现状,试图把各种速度估计方法都纳入贝叶斯估计框架下进行审视。该框架的基本逻辑是建立2种目标泛函：成像空间中的相关最佳泛函（或聚焦最佳泛函）和数据空间中的逼近误差的方差最小泛函。在此目标泛函的基础上,利用梯度导引类的优化算法或Monte Carlo类的全局寻优算法,甚至扫描（枚举）算法实现各种尺度下的速度估计及模型建立。在上述理论框架下,系统地分析目前典型方法技术的共同特征,可以指出新的速度估计方法的发展方向。     

基于差分进化算法的瞬变电磁一维反演

实际采集的瞬变电磁数据包含电磁感应和激发极化效应,如何准确提取电阻率和极化率信息是电性源瞬变电磁数据处理的关键。首先,基于Cole-Cole复电阻率模型实现有限长电性源瞬变电磁法一维正演,在此基础上提出一种基于差分进化算法的电性源瞬变电磁一维反演方法。然后,在传统差分进化算法的基础上引入反向学习策略及控制参数自适应调节,加快反演的收敛速度,同时在目标函数中引入约束条件,构成最小构造反演,降低反演的多解性。最后,基于典型的三层地电模型和复杂多层模型进行理论模型测试,反演结果可有效恢复模型的电阻率和极化率。利用实测资料进行反演,反演得到的电阻率与OCCAM反演电阻率基本一致。在此电阻率约束的基础上,进一步反演得到极化率信息。反演结果准确地提取了实测数据中的电阻率信息,得到了地下介质的极化率分布,证明了算法的准确性和适用性。     

基于混合快速共轭梯度法的有限差分对比源反演

有限差分对比源反演（FDCSI）是一种解决逆散射问题的方法,该方法在反演中背景模型保持不变,只进行一次全正演计算,减少了计算量。FDCSI将逆散射问题转化为优化问题,采用常规共轭梯度法优化目标泛函,但收敛速度较慢,影响反演效率。为此,在研究频率域声波方程有限差分对比源反演方法的基础上,提出了基于混合快速共轭梯度法的有限差分对比源反演方法,提高了反演效率。混合快速共轭梯度法是在快速迭代收缩阈值算法基础上改进得到的优化方法,该方法适用于有限差分对比源反演,在不增加单次迭代计算量的基础上加速目标泛函收敛,保证了对比源反演算法的快速稳定收敛。     

基于差分进化算法的叠前AVO反演

针对传统的线性化迭代反演算法对初始模型依赖程度较高、反演过程容易陷入局部最优的问题,本文研究了一种基于差分进化算法的叠前反演方法。该方法利用差分的简单变异操作和一对一的竞争生存策略,对初始模型的依赖程度较低,全局收敛能力较强,且具有操作简单、运算速度快的特点,是解决复杂优化问题的一种有效方法。针对叠前地震反演问题,本文以贝叶斯理论为基础,结合似然函数与先验约束信息,建立反演目标函数,然后利用差分进化算法对初始模型进行优化,直至目标函数取得全局最优值。模型试算验证了该方法是可行的,且对初始模型的依赖程度较弱,具有较好的全局收敛能力;将该方法应用于实际叠前道集数据,得到了分辨率较高的反演结果。     

基于拟牛顿法的随钻方位电磁波电阻率仪器响应实时反演与现场试验

为了利用随钻方位电磁波电阻率仪器的测量数据确定地层界面方位和距离,给地质导向提供决策依据,须采用准确可靠的反演方法。针对随钻方位电磁波电阻率仪器,建立了地质导向应用模型并模拟了其响应特征,研究了拟牛顿反演算法和流程,反演过程中只需要较小的计算量就可以得到Jacobian矩阵,大大提高了反演速度;并利用单界面和双界面地层的反演理论模型,验证了该算法的正确性和准确度。在胜利油田草XX井的现场试验结果表明,实时反演结果与方位电磁波电阻率成像显示及后期完井录井结果一致。该反演方法能满足利用方位电磁波电阻率进行地质导向的要求,为方位电磁波电阻率实时地质导向提供了一种高效、准确的计算方法。      

基于正交匹配追踪算法的叠前地震反演方法

为了给地质解释提供更为有利的反演数据,本文提出一种基于正交匹配追踪算法的叠前稀疏反演方法.采用正交匹配追踪算法先搜索稀疏的反射系数位置再计算大小,利用L₀范数对反射系数的稀疏性进行约束,构建基于正交匹配追踪算法的叠前地震反演目标函数,并加入模型约束以增强反演的稳定性.由于L₀范数具有较强的稀疏性,反演结果界面块化,地层界面清晰.反演得到的反射系数可通过积分的方式转化为地层弹性信息.模型测试表明该方法稳定可靠,抗噪能力强.实际地震数据反演的井旁道与测井资料匹配较好,与常规反演方法相比,提升了反演结果对地层的分辨能力.     

瑞雷面波频散曲线的粒子群蚁群混合优化反演

应用瑞雷面波频散曲线反演地下介质的横波速度剖面是面波勘探的重要步骤之一。传统线性反演方法已不能满足物探工程的要求,非线性的反演方法成为研究热点。文中将基于粒子群优化算法和蚁群优化算法的非线性混合优化算法应用于瑞雷面波频散曲线反演,获得横波速度剖面。该算法利用信息素引导机制更新粒子的早期位置,充分结合了粒子群优化算法对全局最优解的引导策略和蚁群优化算法的局部搜索能力,克服了粒子群算法在群体处于平衡状态时粒子群更新停滞不前和蚁群算法对多极值函数求解时收敛早熟的缺点。通过对多种理论模型频散曲线的反演,检验了该算法的有效性和稳定性;与单独的蚁群算法、粒子群算法反演结果的对比验证了该算法的优越性;实测数据反演结果检验了算法的实用性。     

利用粒子群优化算法快速、稳定反演瑞雷波频散曲线

反演瑞雷波频散曲线能有效地获取横波速度和地层厚度,但基于局部线性化的瑞雷波频散曲线反演方法很难适应反演目标函数的非线性、多参数、多极值的特点。为此,提出并测试了一种新的基于全局优化策略的粒子群优化（PSO）算法的瑞雷波频散曲线反演方法。首先反演了三个理论模型的无噪声和含噪声数据,验证了PSO对瑞雷波数据反演的有效性与稳定性;然后将PSO与模拟退火法（SA）进行对比,说明PSO相对于SA具有全局收敛性强、收敛速度快、求解精度高的特点;最后,反演了来自美国怀俄明地区的实测数据,检验了PSO对瑞雷波数据反演的适用性。理论模型试算和实测资料分析表明,PSO可以用于瑞雷波频散曲线的定量解释。     

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。     

二维大地电磁数据的聚焦反演算法探讨

 文中简要分析了当前地球物理反演中几种常用的模型目标函数，并根据聚焦反演成像方法的基本理论，在大地电磁反演目标函数中引入了一个新的稳定泛函，以代替传统最小构造或最大平滑准则下的模型目标函数。通过对自适应正则化共轭梯度法解最优化问题过程的研究，以及对几个典型模型的试算，并将其结果与传统反演算法结果进行对比分析，表明了本文方法的正确性和较高的计算精度。最后对雷—琼拗陷一条实测的测线的MT资料进行聚焦反演成像处理，并与同一测线的地震资料进行对比表明,聚焦反演结果具有很高的准确性。     

混合智能优化地震反演

传统非线性反演方法存在着收敛效率低,有时会陷入局部极值的问题。为此,研究开发了融合粒子群优化算法和郭涛算法的混合智能优化地震非线性反演技术。粒子群优化算法对解的更新更具有目的性,收敛速度快;郭涛算法构造了多父体交叉重组算子并采用群体爬山策略,求解精度高;混合智能优化算法以粒子群优化算法为主体框架,融入郭涛算法的寻优机制。函数优化测试、理论模型试算和实际资料反演处理结果表明,混合智能优化算法具有求解效率高、全局寻优能力强的优点,适合解决复杂的地震反演问题。     

改进的布谷鸟MT反演算法

由于大地电磁（MT）数据的反演是高度非线性的,传统的全局优化算法收敛速度慢,且易陷入局部极值。为此,提出一种结合单纯形法的全局布谷鸟算法（ICS）反演MT数据。针对布谷鸟算法（CS）精于探索、疏于开发的特点,引入粒子群算法中的全局最优解,加强算法的局部搜索能力;同时结合单纯形法对较差鸟巢进行改进,进一步提高寻优精度。理论和实测数据反演结果表明,改进后的算法反演结果更稳定,收敛速度更快,求解精度更高。     

碳酸盐岩储层地震相控非线性反演技术及应用

针对碳酸盐岩储层普遍存在的非均质性特征,采用地震相控非线性反演技术进行储层预测,以进一步提高地震预测精度。考虑到非线性最优化理论综合了约束反演与模型反演的优点,因此,首先将标准化或重构之后的测井资料与地震信息相结合,构建地震道与波阻抗关系的目标函数,然后在精确的层序地层格架和地震相模型控制下,从井旁道出发逐道外推,最后将每次得到的结果作为下一道反演的初始模型,展开迭代反演。其核心思想是将地质研究成果与地震反演相结合,使地震反演结果具有明确的地质意义和较高的可靠性。地震相控非线性反演技术在南大西洋S盆地的L油田盐下微生物灰岩储层地震预测的应用结果表明,该技术提高了复杂碳酸盐岩储层的地震预测精度,为盐下碳酸盐岩油气藏的勘探开发提供了可靠的依据。     

应用修正正交有限内存拟牛顿算法的全波形反演

全波形反演(FWI)通过最小化观测数据与计算数据之间的误差,得到高分辨率的地下模型参数。正则化技术常用来克服FWI的不适定性。复杂地质模型可能同时具有平滑特征及锐利边界,单一的正则化方法往往不能得到令人满意的反演结果。为此,针对带有混合正则化的目标泛函不可微性,提出一种修正正交有限内存拟牛顿方法,求解相应的正则化目标泛函。在具有复杂构造的修正Marmousi模型以及BG Compass模型上进行数值模拟试验,且与不带有正则化的全波形反演及邻近有限内存拟牛顿方法进行比较,结果表明所提修正正交有限内存拟牛顿算法在计算效率及定量分析上具有明显的优越性。     

叠后地震道反演的随机爬山法

本文在Ｈｕａｎｇ等人提出的随机爬山法基础上，使用Ｉｎｇｂｅｒ给出的依赖于温度的似Ｃａｕｃｈｙ分布产生的新模型，构造一种叠后地震道反演的新随机爬山法。此法的基本思路是将目标函数定义为归一化的相似系数Ｅ，通过ＳＨＣ法反演得到一个波阻抗模型使Ｅ达到极大值。     

同伦神经优化理论及其在地震反演中的应用

地震数据反演是一个典型的非线性逆问题，其目标函数都是多极值的函数。因此，传统的迭代优化方法常常会遇到局部收敛性的限制。本文提出的同伦神经优化理论（ＨＮＯＴ）及其算法（ＨＮＯＡ）能将非线性多极值目标函数较快地收敛于全局极值。是一种有效的反演方法。本文将该反演方法与相邻道互相关技术和层位信息约束有机地结合起来，实现了地震数据控制下的井资料高分辨率岩性参数联合反演。理论模型与实际资料的处理结果表明，本文     

基于数据空间反演的油藏实时生产优化方法

油藏开发实时优化调控技术是智能油藏研究的核心内容。提出了基于数据空间反演的油藏实时生产优化新方法,仅需若干油藏模型先验生产动态,基于贝叶斯理论构建代理模型,根据随机极大似然原理拟合历史观测数据进行模型训练,反演得到符合实际观测数据的生产动态后验估计。采用同步扰动随机逼近算法建立生产优化数学模型,实现注采参数实时优化,提高经济开发效益。该方法基于代理模型在拟合阶段避免了重复数值模拟计算,得到正确生产动态后验估计同时兼顾了油藏模型实际地质特征,优化所得方案考虑了目标油藏的不确定性,降低了实际生产开发风险。油藏实例应用表明:该方法能得到与常规多模型数据同化方法相一致的生产动态预测结果,拟合过程计算效率提高了5倍,且注采优化方案能取得良好的驱油效果。提出的油藏开发生产优化设计方法为油田实时生产优化提供了新的思路。     

基于数据空间反演的油藏实时生产优化方法

油藏开发实时优化调控技术是智能油藏研究的核心内容。提出了基于数据空间反演的油藏实时生产优化新方法,仅需若干油藏模型先验生产动态,基于贝叶斯理论构建代理模型,根据随机极大似然原理拟合历史观测数据进行模型训练,反演得到符合实际观测数据的生产动态后验估计。采用同步扰动随机逼近算法建立生产优化数学模型,实现注采参数实时优化,提高经济开发效益。该方法基于代理模型在拟合阶段避免了重复数值模拟计算,得到正确生产动态后验估计同时兼顾了油藏模型实际地质特征,优化所得方案考虑了目标油藏的不确定性,降低了实际生产开发风险。油藏实例应用表明:该方法能得到与常规多模型数据同化方法相一致的生产动态预测结果,拟合过程计算效率提高了5倍,且注采优化方案能取得良好的驱油效果。提出的油藏开发生产优化设计方法为油田实时生产优化提供了新的思路。