快速共轭梯度法频率域声波全波形反演

针对全波形反演中Hessian矩阵庞大、共轭梯度法收敛速度慢的问题,提出了一种新的算法--快速共轭度梯度法(Fast Conjugate Gradient,FCG)。该方法通过引入新的变量对共轭梯度法进行改进,在加快收敛速度的同时使收敛更加稳定,额外的计算量是少许的点乘计算,计算量增加很少。将该法应用于频率域声波全波形反演中,并用简单的凹陷模型和抽稀的复杂Marmousi模型进行测试。测试结果表明：相对于传统的共轭梯度法,该方法能加快收敛速度,同时深部反演效果更好。     

应用线性程函方程和整形正则化的三维初至波旅行时层析

初至波旅行时层析成像是近地表速度结构建模的重要方法。传统的三维旅行时层析反演在应用中存在诸多问题:一是射线追踪技术固有的计算效率低、对复杂模型计算不稳定;二是对于大规模三维模型,Tikhonov正则化难以对零空间和欠定分量进行有效约束,造成迭代收敛速度缓慢,难以满足生产需求。基于线性程函方程,结合迎风有限差分算法提出了一种新的敏感核函数计算方法,并在此基础上引入整形正则化方法,通过共轭梯度法实现了初至波旅行时层析反演。三维理论模型实验表明,与传统射线旅行时层析方法相比该方法具有更高的反演精度与迭代收敛速度。     

混合超记忆梯度法多尺度全波形反演

超记忆梯度类优化算法具有全局收敛性和超线性收敛速度,计算内存需求小,适合求解大规模无约束优化问题。将超记忆梯度类优化算法应用到全波形反演中,结合超记忆梯度类方法优点,提出混合超记忆梯度法全波形反演策略,并给出详细的实施流程。数值试算结果表明,混合超记忆梯度法优于共轭梯度法。含不同强度噪声的地震数据及不同精度初始模型的反演结果表明,混合超记忆梯度法反演精度较高。反演效率分析结果表明,混合超记忆梯度法反演耗时较短,证明了该混合策略在全波形反演应用中有一定的优势。     

混合优化波阻抗反演方法研究

地震反演常用的线性算法具有较快的收敛速度，但是易陷入局部最优解。因此需要引进一些非线性优化算法求解全局最优解。近年来相继出现了模拟退火、遗传算法、禁忌搜索算法和混沌搜索算法等，虽然这些算法具有较强的全局优化性能，但是其计算速度慢，远远不能满足实际生产的要求。如何将上述两类算法结合起来实现优势互补成为了反演中的一个重要课题之一。文章提出的混合优化波阻抗反演方法综合了共轭梯度算法和模拟退火算法的优点，在模拟退火反演框架内加入共轭梯度迭代算法，即在模拟退火反演过程中，当目标函数值满足给定的条件时，进行一定次数的共轭梯度迭代反演，最终以模拟退火反演结果来判断其收敛性。实际计算表明，该方法不仅收敛速度快，而且抗干扰能力强，计算得到的波阻抗剖面能较好的反映地层地质特征。     

伴随状态法初至波走时层析

初至波走时层析成像方法通常被用来反演近地表速度结构。传统的射线层析成像方法计算效率低,且在复杂模型计算中存在不稳定性问题。为了快速、稳定地进行初至波走时层析,本文基于程函方程的有限差分形式,利用快速扫描算法实现初至波走时的快速计算。在此基础上,采用伴随状态法计算目标函数的梯度,进而实现伴随状态法初至波走时层析。将该方法与传统射线层析成像方法应用于理论模型实验和实际资料的处理,结果表明基于程函方程的伴随状态法初至波走时层析可以取得与传统射线层析近似的反演结果,但计算效率得到大幅提升。     

基于ω循环型预条件共轭梯度法正则化的偏移成像

本文在傅里叶有限差分法(FFD)的基础上,通过引入正则化方法对FFD中的差分校正项进行优化,然后应用ω循环型预条件共轭梯度法(PCG)对该差分校正项进行求解。引入PCG具有如下优点:1避免使用分裂法,不会产生人为的方向差异;2可以提高二阶差分的精度,即对于PCG而言,二阶差分项的高阶展开,既不增加算子的复杂度,又几乎不会增加计算量;3可以引入快速傅里叶变换(FFT)进行快速计算,较适用于大型数据处理。本文的主要工作是通过引入ω循环型边界条件,结合正则化方法,有利于克服傅里叶变换处理中的边界效应,利用有限增加的计算量实现反演计算的快速收敛。数值计算验证了基于FFD的ω循环型PCG正则化叠前深度偏移方法的正确性及有效性。     

地震波阻抗反演的预条件共轭梯度法

研究地震波阻抗线性反演求解方法。基于Cauchy准则,正则化稀疏反演问题,应用预条件共轭梯度法实现反射系数和子波同时迭代反演。在迭代求解正则化方程时,用共轭梯度法求解相应的原问题。给出初始子波估计的策略和波阻抗求解方法。用实际数据检验算法,表明预条件共轭梯度法反演的子波、反射系数和波阻抗要比直接稀疏反演精度高、收敛快、数值稳定。     

L-BFGS法时间域全波形反演中初始矩阵的选择方法

有限内存BFGS(Limited-memory Broyden-Fletcher-Goldfarb-Shanno,L-BFGS)方法是地震全波形反演(Full waveform inversion,FWI)中应用最广泛的优化方法之一。该方法需要提供Hessian逆矩阵的一个初始近似矩阵,初始近似矩阵可以在每次迭代中都进行更新,也可以固定不变。L-BFGS法的收敛性能与初始矩阵的选择以及更新方式紧密相关。在分析了全波形反演中Hessian逆矩阵的几种不同近似方式之后,分别将它们作为初始矩阵应用到了时间域L-BFGS法全波形反演中,详细比较了不同近似方式对反演精度和效率的影响,为LBFGS法全波形反演中初始矩阵的选择提供了依据。数值试验结果表明,在不同的初始矩阵选择以及不同更新方式下,L-BFGS法的收敛速度表现出明显差异。当初始矩阵固定不变时,以虚震源为基础的两种方式收敛最快,采用波场能量矩阵的两种方式要慢一些,其中包含有记录残差反传波场能量的方式收敛最慢。初始矩阵每次迭代更新时,各种方式的收敛速度都慢于固定不变时的情形。此外,同种方式分别作为L-BFGS法的初始矩阵和共轭梯度法的预条件矩阵时,L-BFGS法的性能要优于预条件共轭梯度法。     

基于优化时空域频散关系的声波方程有限差分最小二乘逆时偏移

相比常规逆时偏移,最小二乘逆时偏移（LSRTM）成像结果更趋真实,分辨率更高,其精确成像的关键之一是波动方程的精确、高效求解。为了提高LSRTM计算精度,本文通过优化时空域频散关系求取差分系数,进行有限差分正演模拟,频散分析和数值模拟结果表明采用该算法可提高数值模拟精度;利用混合吸收边界条件压制边界反射,可取得较好吸收效果;采用改进的共轭梯度法计算流程,能减少波动方程正演次数,提高计算效率。模型数据测试及分析表明,本文方法能有效提高LSRTM成像精度,精细刻画构造细节,提高迭代收敛速度。     

带地形频率域可控源电磁法三维反演研究

单一的地震勘探不能满足所有地质地形条件下的油气勘探开发需求,试验证明与非地震勘探方法尤其是电磁法的联合应用可以有效提高钻井成功率,而对带地形三维可控源电磁法的正反演研究可以有效克服地形对勘探结果的影响,进一步提高勘探精度。采用基于二次电场的有限差分方法进行三维正演,与前人有限元大地电磁计算的经典地质模型在远区卡尼吉亚视电阻率正演方法相比,结果基本一致,证明该正演算法的可靠性和准确性;应用非线性共轭梯度（NLCG）方法进行三维反演,提出并使用初值优化方法,能减少每次反演迭代所需时间,从而提高反演效率。带地形的地质模型反演结果表明：反演的地下电阻率模型能够较好地还原异常体的形态和位置;初值优化方法能够明显缩短反演时间,为三维反演的实用化带来可能。     

局部平面波模型约束下的迭代加权最小二乘反演三维地震数据规则化

数据规则化是地震数据处理中一项十分重要的内容,本文提出一种基于迭代加权最小二乘反演的数据规则化方法。该方法的思路是:在Cauchy模意义下引入与模型有关的加权算子对数据拟合剩余量进行加权,可有效避免野值对插值结果的影响;采用平面波解构滤波器估计的局部倾角信息作为约束条件,不仅可保证反演过程稳定,而且能对假频数据有效插值;通过预条件共轭梯度法迭代求解,提高收敛速度;采用分时间切片并行化处理,可进一步提高三维地震数据规则化处理的效率。理论模型和实际地震数据的插值试验结果验证,本文提出的地震数据规则化处理方法速度快,效果好,具有较高实用价值和广泛应用前景。     

用一种简明的共轭梯度算法对局部地层进行波阻抗反演

经典的共轭梯度迭代方法对线性反演问题是有效的。但是地球物理反演一般是非线性的，那未经典的方法得到的反演解法往往是无法控制的，又不能产生最大似然反演，更不会得到可重复的反演结果。本文提出了一种简明的反演算法，该算法在迭代过程中只需计算误差函数对各个反射系数变元的一阶梯度值，而无需进行复杂的矩阵运算和求逆，是一种简单明了且易于实现的快速算法。理论记录和实际记录处理表明，本文提供的方法具有可重复性和较快的收敛速度。     

自动识别油藏边界水侵量微分方程反演算法

针对水驱油数值模拟,提出一种基于微分方程反演的自动历史拟合算法,解决了单相微可压缩流体渗流中油藏边界水侵量自动识别问题。利用生产井的动态观测资料识别油藏边界上的水侵量,在数学上称为边界控制反问题。基于微分方程反演理论,将其转化为一个非线性优化问题,利用共轭梯度法求解。共轭梯度法是通过引入相应的伴随问题和敏感性问题,分别确定每次迭代的搜索方向和搜索步长,解决了时空域中一般反演方法的不稳定性、收敛速度慢和依赖于初值等一系列问题。理论模型和实际资料检验表明,该方法不仅丰富了微分方程反演理论,而且具有生产实用价值。     

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。     

广义非线性反演及其应用

在非线性最优化理论的基础上结合地理物理反演问题,提出广义非线性反演方法,并对该方法的稳定性和快速算法进行了探讨。结合ＡＶＯ反演和地震道速度反演等问题,推导出了反演所需的梯度向量和海色解析表达式。理论模型和实际资料的反演结果表明,本方法是求解地球物理反问题的一种有效手段。     

基于贪婪—快速迭代收缩阈值的Radon变换及其在多次波压制中的应用

多次波的存在严重影响了地震资料的解释精度，有效压制多次波是地震资料处理过程中的重要环节。目前，抛物线Radon变换是压制多次波的常用方法。针对抛物线Radon变换这一逆问题的求解，目前行业内应用最多的是迭代收缩阈值算法(Iterative Shrinkage Thresholding Algorithm，ISTA)。该方法在计算精度和计算效率方面优势明显，但对庞大的地震数据而言，处理效率仍需进一步提高。为提高抛物线Radon变换收敛速率，将贪婪的快速迭代收缩阈值算法(Greedy Fast ISTA，Greedy FISTA) 引入到Radon变换压制多次波的逆问题求解中，构建了一种基于贪婪的快速迭代收缩的混合域快速稀疏时不变Radon变换。与ISTA相比，该方法将前两次的迭代结果加权求和作为当前的迭代起点，通过引入重启条件和收敛条件，使迭代过程中振荡周期减小、计算速度提高。合成数据和实际数据的多次波压制实验表明，相比于ISTA与快速迭代收缩阈值算法(FISTA)，该算法收敛效率有很大提高、精度也略有提升。     

基于波场计算的最优化速度反演

本文提出了一种适用于声学近似的地震反演方法，这种方法是基于混合法波场计算和最优化方法而建立的一种迭代速度反演。在波场计算中，采用了非均匀离散网格的混合算法使反演的计算速度有所提高。通过对长波长速度信息的恢复和合理使用最优化方法，加快了迭代反演的收敛。文中给出了这种反演方法用于地震反射资料的理论计算实例，表明方法是有效的，同时也说明了初始模型、噪音和信噪比对选代反演结果的影响。     

Seismic fluid identification using a nonlinear elastic impedance inversion method based on a fast Markov chain Monte Carlo method

Elastic impedance inversion with high efficiency and high stability has become one of the main directions of seismic pre-stack inversion. The nonlinear elastic impedance inversion method based on a fast Markov chain Monte Carlo (MCMC) method is proposed in this paper, combining conventional MCMC method based on global optimization with a preconditioned conjugate gradient (PCG) algorithm based on local optimization, so this method does not depend strongly on the initial model. It converges to the global optimum quickly and efficiently on the condition that efficiency and stability of inversion are both taken into consideration at the same time. The test data verify the feasibility and robustness of the method, and based on this method, we extract the effective pore-fluid bulk modulus, which is applied to reservoir fluid identification and detection, and consequently, a better result has been achieved.