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。     

用于波形反演的新目标函数

反演是搜索参数的值以使目标函数（本文中称为处理算子）取这些值时达到最大或最小的一个过程。根据这种解释可以推演出三种新的地震处理算子，它们即不需要作前期反褶积也无需知道震源与接收器的子波。三种处理算子中最有效的是四元处理算子，它适用于多炮和多检波器的数据集，即使各炮的未知特征波形不同，各检波器的未知脉冲响应不同也能适应。比四元处理算子稍逊一点的是二元处理算子，它适用于未知子波相同但增益可能不相同的二     

差分进化算法在双侧向和双感应测井联合反演中的应用

针对线性反演算法在反演过程中易出现局部收敛等问题,采用差分进化算法对双侧向和双感应测井资料进行原状地层电阻率、冲洗带电阻率和冲洗带半径等参数反演。利用多层层状高侵、低侵模型对算法进行验证,在无噪声和5%随机噪声下反演结果比较接近真实值,表明差分进化算法具有较好的稳定性和抗噪性。实例资料应用表明,与原始含油饱和度相比,根据反演得到原状地层电阻率计算的含油饱和度更加接近于试油结果。     

三维声波全波形反演的实现与验证

全波形反演利用叠前地震波场的运动学和动力学信息重建地下地球物理参数,具有揭示复杂地质背景下构造细节及岩性的潜在能力.介绍了频率域反演联合时间域正演的优化算法的三维声波全波形反演方法及算法实现.该算法的正演实现使用了伪保守形式的一阶速度-压力场声波方程.应用三维SEG/EAGE模型反演实例验证了三维声波全波形反演方法的有效性.     

基于自适应差分进化算法的MT信号激电信息提取

从MT信号中提取激电信息的研究有助于提高大深度探测技术的勘探精度、深度和范围。针对MT信号激电信息提取中存在的非线性和非凸特征,通过改进混沌自适应差分进化算法中进化参数的自适应策略,提出了一种基于非均匀统计分布的自适应差分进化两阶段最小构造反演方法。一方面该方法利用柯西分布和高斯分布的统计特性自适应获取进化参数F和CR,提高算法的全局搜索能力, 通过记忆以往迭代过程中的优秀进化参数提高算法后期的稳定性;另一方面该方法通过引入第二阶段的反演过程强化极化率对观测数据的影响;通过将正则化参数引入差分进化算法的适应度函数解决反演的多解性问题。对含激电效应的MT一维模型的反演结果表明,本文算法能够较好地重构地电结构和提取激电信息并在加噪环境下具有较强的鲁棒性。与其他非线性算法(混沌自适应差分进化算法,标准差分进化算法和粒子群优化算法)的反演结果对比表明,本文算法具有更为优越的全局搜索能力和较高的反演精度,适于微弱激电信息的提取。     

基于L-BFGS算法的时间域全波形反演

全波形反演是大规模参数、强烈非线性的最小值问题, 在数学上利用无约束的非线性最优化方法求解。本文基于标量波动方程, 利用最小二乘法建立了无约束的目标函数, 推导了时间域目标函数的梯度算子表达式; 在迭代求解问题上利用有限内存L-BFGS算法, 结合最优化一维线搜索方法, 求解全波形反演的强非线性问题。通过复杂断块模型的理论测试验证了反演算法的稳定性和适应性, 实际资料的初步测试验证了反演算法的有效性。     

用遗传算法实现AVO数据的波形反演

本文把AVO数据的反演纳入贝叶斯统计学的框架。在这样的框架下,用模型参数和正演问题的物理过程就可生成合成数据。然后把合成数据和观测数据相匹配,得到模型空间的后验概率密度(PPD)函数。遗传算法(GA)是在控制搜索过程中,利用优胜劣汰这一自然相似法则的一种直接随机搜索技术。GA与初始模型的选择无关,因此很适合于AVO反演。 采用全部或部分叠前数据的AVO波形反演对速度、泊松比和密度绝对值的直接估计是非唯一的。但是,根据简化P波反射系数的近似结果,可以证明这种反演能够估计法向入射反射系数(R_0)、声阻抗差(ΔA)和反射系数的梯度(G)。根据GA估计出的R_0、ΔA和G值以及输入数据起始阶段得到的速度和泊松比的可靠估计值,可以制作转换模型。本文把这种方法用于海上资料且证明,由这样的转换模型计算出的合成数据与输入数据匹配得相当准确。与附近井中测井数据相比较证明,GA反演可得到P波声阻抗的高低频趋势(在地震分辨率的带宽内)。此外,GA还可估计泊松比,一个根据地震数据进行碳氢直接检测的极为重要的参数。     

常减压装置稳态数据协调的差分进化算法

基于差分进化算法的常减压装置稳态流量数据协调方法,是采用测量误差为污染正态分布的数据协调与过失误差同步检测的方法。结果表明,经处理后的数据不仅能更好地满足装置的物料平衡,还为进一步优化操作条件提供准确的数据基础。     

三维一阶速度-应力声波方程全波形反演

基于时间域三维一阶速度—应力声波方程,采用基于摄动理论的伴随状态法,推导出时间域三维一阶速度—应力声波方程的伴随方程及相应的纵波速度的梯度计算公式,并采用交错网格有限差分法计算正向传播波场及逆时外推的伴随波场,进而计算出纵波速度的梯度,在此基础上采用共轭梯度法更新纵波速度模型,实现了基于一阶速度—应力声波方程的三维全波形反演方法。由于基于一阶速度—应力声波方程,该方法能够方便地采用交错网格有限差分法求解。由于基于GPU在时间域实现,波场正向传播及逆时外推时较直接、快速。模型测试结果证明了方法的可行性和有效性。     

二维大地电磁资料的差分蚁群法反演

差分蚁群算法是一种有效的多维函数优化算法。它将每一维变量对应的连续取值的步长离散成有限多个差分步长; 然后将这些离散的差分步长和图顶点建立起对应关系; 进一步利用柯西分布在图顶点上分配信息素, 这样蚂蚁就可以按照信息素的浓度随机选择步长。将此算法应用到二维大地电磁资料的反演中, 理论和数值实验结果表明, 差分蚁群算法不受初始模型的限制, 不仅能够很好地处理无噪声下的反演问题, 用于实测资料的处理也取得了较好的效果。     

基于自适应震源子波提取与校正的瑞利波波形反演

近年来,基于瑞利波的全波形反演技术取得了较大进展,在接收点覆盖面积足够的情况下,该方法对横向不均匀复杂介质具有较高的分辨能力。影响波形反演精度的关键因素之一是震源子波,然而野外地震记录对应的地震子波是未知的,采用不正确的震源子波势必对反演结果产生负面影响,常规处理方法是利用合成数据进行子波校正,但子波校正需进行多次迭代,导致反演计算时间增加。为了解决这一问题,引入加窗自适应子波提取方法,从观测记录中提取与实际数据匹配较好的震源子波,将其作为初始子波进行子波校正,达到进一步优化反演结果的目的。分别采用真实子波、错误子波、错误子波联合子波校正、提取子波、提取子波联合子波校正五种子波对断层模型进行反演测试。测试结果表明：所提方法获得的子波对应的反演结果最好,错误的子波对应的结果最差;仅利用提取的子波也可以获得较好的反演效果,而采用子波提取与校正相结合的方法可以节省计算时间,进一步提高瑞利波波形反演的精度。最后通过实际数据测试进一步验证了该结论。     

用改进的遗传算法进行地震波阻抗反演研究

本文介绍的遗传算法是在自然界生物遗传过程优选和进化的基础上，针对地震波阻抗反演的实际问题，对传统的遗传算法进行改进，取消传统的二进制编程，解码过程，直接使用十进制实数进行运算，在对反演参数的约束方面，采用约束法，不仅大大简化了算法的过程，而且使收敛速度大大加快，使用改进的算法对地震波阻抗进行反演，可使目标函数达到１０＾－４数量级，这就使遗传算法的非线性化方法可应用于地震波阻抗反演中。     

基于并行回火技术优化的大地电磁数据贝叶斯变维反演

传统的梯度类线性化反演方法虽然广泛应用于大地电磁数据的处理,但此类方法存在结果依赖初始模型、无法对解进行不确定性分析等问题。为了解决上述问题,基于随机反演理论,将反演参数看成随机变量,利用贝叶斯变维反演方法对一维大地电磁数据进行反演,获得了解的后验分布,并给出了解的不确定性分析;为了加速反演收敛,引入并行回火技术,同时运行不同温度的马尔科夫链,使采样过程可以在不同温度的马尔科夫链之间进行交换;最后对含噪的理论模型进行反演,并与传统贝叶斯变维方法进行对比,验证了并行回火技术对算法的改进是有效的。     

主成分分析波场重构反演与全波形反演联合速度重构

全波形反演倚重低频成分,但地震资料中往往缺乏低频信息。为确保全波形反演在缺少低频信息时能稳定收敛,本文联合波场重构反演和全波形反演,利用波场重构反演在优化过程中拥有较大自由度的优势模拟低频部分,并以波场重构反演结果作为较高频部分的初始模型,进行全波形反演。实际应用过程中,低频部分的波场重构反演使用主成分分析法,通过降维缩短计算耗时;高频部分使用基于Curvelet变换的稀疏全波形反演和主成分分析,使得全波形反演在缺少低频成分时也能高效地收敛。二维Marmousi模型试算结果表明,本文方法在缺少低频信息条件下可得到高效稳定的全波形反演结果。     

换热单元协进化的微分进化算法优化换热网络的性能

采用微分进化算法应用于换热网络综合时,针对换热网络分级超结构模型中的整型变量即换热器有无问题,提出两种换热器协进化策略,分别利用差分进化原理与最小换热潜能约束实现换热单元协进化生成与消去,结合微分进化算法搜索合理的换热单元匹配。通过两个经典算例分析证明了算法的有效性,寻找到了更加符合实际生产的换热网络结构,优化结果较文献的年综合投资费用更低,用于工业生产过程中,可以稳定有效地节约成本。     

水力压裂微地震粒子群差分进化定位算法

为了提高微地震在初至时间不准确条件下的定位精度,通过研究理论模型下对初至施加不同程度的扰动时震源定位的影响,讨论了由于粒子群定位方法的发散性而导致的定位效果偏差问题。把粒子群算法全局搜索速度快的特点与差分进化方法相结合,将种群中任意两个个体差分变异后,进行杂交、贪婪选择操作,生成新的个体,从而增加了种群的多样性,改善了震源定位的发散性,提高了时差定位的精度,最终形成了微地震粒子群差分进化定位算法。通过理论模型测试,表明微地震粒子群差分进化定位算法针对有扰动的初至时间具有更高精度,且震源定位的发散性较传统粒子群定位得到了改善。实际微地震资料反演结果也进一步验证了微地震粒子群差分进化定位算法的应用效果。     

基于波场分离的层析波形反演方法

全波形反演是利用地震数据的所有信息对地下模型进行重建的重要方法。但是当采集地震数据缺失低频和远炮检距信息时,常规的全波形反演方法只能恢复地下模型的短波长成分。本文给出了一种利用梯度分解和重组增强波形反演中长波长更新量的方法,该方法将全波形反演梯度分解为层析项和偏移项,梯度的层析项主要更新模型参数的长波长分量,由传播方向相同的波场互相关得到,而偏移项更新模型参数的短波长分量,由传播方向相反的波场互相关得到。本文利用坡印廷矢量进行波场分离进而将梯度分解,在将两项重组后得到层析项加强的新梯度。数值测试结果表明,这种基于波场分离的层析波形反演方法在常规全波形反演方法难以收敛时能收敛到准确的结果。