基于均匀设计的自动剩余静校正方法

基于均匀试验设计方法,提出了一种具有较高计算效率的自动剩余静校正算法。该算法利用均匀试验设计方法在庞大的解空间中确定候选解,利用模拟退火规则来选择候选解,从而用少量的计算就能使候选解在模型空间分布更加均匀,提高搜寻全局最优解的速度。同时采用模型的不同分量的温度参数和退火过程的选取方法,使退火过程具有自适应的特点。该方法克服了常规模拟退火方法所具有的寻优空间不均匀以及不同模型分量的退火过程完全相同的缺陷。通过实际地震资料的计算证明,该方法是合理、有效的。     

大地电磁并行模拟退火约束反演及应用

 模拟退火方法广泛应用于地球物理数据处理,但基于串行算法存在着效率较低的缺陷。本文对非常快速模拟退火法中的退火方案进行改进,给出并实现了一种并行大地电磁非常快速模拟退火约束反演方法。改进方案的核心在于,计算的退火温度在迭代开始时下降较快,之后温度下降速率比较缓慢,从而减小在多次迭代后因温度过低使反演结果陷入局部极小的可能性。理论数据测试表明,改进的退火方案明显优于传统方法,可以提高模拟退火反演的计算效率。将此法应用于匈牙利的地热勘探资料处理、解释中,取得了较好的地质效果。     

用退火遗传算法进行地震波阻抗反演

退火遗传算法是模拟退火算法(SA)和遗传算法(GA)相结合的优化算法。其主要思想是利用模拟退火算法中的热槽法(概率分布函数)产生GA的群体初值，这样可以避免产生一些无用的群体，其结果既节省计算机空间，又节省计算时间，并且最终容易得到最优解。SA和GA交替运行，对GA的每一演化代，用SA对其进行局部搜索来改进GA的性能。利用退火遗传算法对地震波阻抗进行反演，目标函数可以达到10^-5数量级，这就使退火遗传算法的非线性方法能够应用于地震波阻抗反演中。     

基于改进SADE算法的神经网络预测储层物性

为准确计算孔隙度、渗透率等储层物性参数,结合模拟退火和差分进化算法的主要优点,提出一种改进的模拟退火差分进化(SADE)算法,将复杂储层物性预测过程中神经网络权值的训练转化为无约束优化问题,并建立新目标函数,进而利用改进的SADE算法进行求解,并与传统方法计算结果进行比较.新目标函数使得神经网络权值的调整不受样本期望输出大小的影响,更适用于变化范围较大的样本数据训练;改进的SADE算法利用退火温度控制差分进化的选择过程和差分策略的选用,前期具有很好的多样性,后期有较好的收敛能力,克服了经典算法早熟的缺点,提高了全局搜索能力和鲁棒性.利用该算法对现场实际资料进行计算,取得了很好的效果.     

基于模拟退火算法的地震资料谱反演技术

对于厚度小于地震调谐厚度的薄储层, 受地震分辨率极限的限制, 从地震资料上无法识别。为此,文中基于模拟退火算法的谱反演技术, 采用薄层陷频理论, 首先对地震资料进行短时傅里叶变换以求取谱反演的输入数据, 再利用模拟退火算法进行反演。该法依赖温度的柯西分布状态产生函数, 在高温状态下可进行大范围的搜索, 在低温状态下只对当前模型附近进行搜索, 改进了退火过程及抽样过程, 并在改进过程中增加了记忆功能, 提高了模拟退火算法的效率与精度。该方法能够突破Widess模型分辨率的极限, 拓宽地震频带, 清晰刻画微小目标地质体及其内部特征。通过理论模型及实际地震资料的试算, 验证了本文方法的可行性。     

基于模拟退火的AVO反演方法

模拟退火算法是近年发展起来的全局最优化算法,是通过把最优化问题与统计力学热平衡问题进行类比得来的。其主要优点是:不用求目标函数的偏导数及解大型矩阵方程组,即能找到一个全局最优解,而且易于加入约束条件,编写程序简单。这种方法避免了线性化反演方法结果强烈依赖于初始模型的选取而导致解落入局部极值的情况。利用模拟退火算法进行AVO反演,充分发挥二者的优点,在计算的过程发现并解决问题,为岩性预测以及储层预测找到既快速又能达到一定精度的方法。本文采用改进的快速模拟退火算法进行AVO反演,对理论模型和实际资料进行了试算,取得了较好的效果。     

用SA算法选址海外石油工程应急物流仓库

模拟退火算法(Simulated Annealing,简称SA)的核心思想是:通过模拟固体退火过程,以对冷却进度进行控制,进而来调和算法,在控制参数T逐渐降温并趋于零后,得到组合优化问题相对于全局的最优解。模拟退火算法参数控制问题基本分为以下四点:选取初始温度,控制退火速度,解的迭代策略,设置终止条件。油田应急物流仓库选址问题对于海外油田地面工程建设具有显著的重要性,其选址模型的优化求解方案需要模拟退火算法的支撑。     

模拟退火PSO优化算法在油水两相流产出剖面解释中的应用

提出了用模拟退火POS优化算法进行油水两相流产出剖面解释的方法.建立了含等式约束和不等式约束的优化目标函数,导出了流体流量、流体平均密度和持水率的理论响应方程.借助优化算法求出非相关函数达到最小值的解.该算法综合了粒子群优化算法和模拟退火优化算法的特点,在计算过程中自动生成迭代初始值,减少人为误差;不但接受好的解,还以一定的概率接受差的解,保证搜索过程中求出全局最优解.编写了产出剖面优化处理程序.对文×井的实际数据处理结果表明该方法效果良好.     

基于SAAGA的剩余静校正方法研究及应用

复杂地表地区地震勘探的剩余静校正问题是一个非线性的、多参数、多极值的全局优化难题。当剩余静校正量大于分析时窗内子波周期的一半时,用传统的线性剩余静校正方法容易陷入局部极值而出现“周波跳跃“现象。为此,首先设计了剩余静校正的目标函数(对于炮记录模型,选用超长道集的互相关作为目标函数),借鉴模拟退火算法的思想,对遗传算法的目标函数进行尺度变换,详细分析了退火遗传算法的实现及参数选择方案,并用理论模型及实际地震资料对退火遗传剩余静校正算法进行了检验。模型和实际资料的处理结果表明,该算法提高了模拟退火和遗传算法的收敛能力和计算效率,能很好地解决低信噪比、大剩余静校正量的校正问题。     

基于改进模拟退火算法的横波速度求取

模拟退火算法能够较好地实现全局最优化求解。基于非均匀变异思想,文中给出了一个新的模拟退火算法扰动模型,该模型具有一定的灵活性,通过选取合适的扰动模型参数,可以达到减少迭代次数、提高收敛速度的目的。在模拟退火算法退温前,增加最优解附近小范围内寻优,以减少对扰动模型的依赖,通过改进,模拟退火算法得到了优化。数值实例分析表明,改进后的模拟退火算法比常规模拟退火算法在迭代次数和扰动次数上有一定的优势。采用该算法,利用DEM模型进行横波速度求取后,与测井横波比较,误差较小,从而验证了新模拟退火算法的实用性和有效性。