基于改进蜣螂优化算法的瑞雷波频散曲线反演方法

瑞雷波勘探方法是一种常用的近地表勘探技术，频散曲线反演是瑞雷波勘探数据处理流程中的关键步骤之一。作为一个典型的多参数、多极值、高度非线性的地球物理优化问题，频散曲线的准确、高效反演对计算近地表横波速度场，进而获取地层结构信息具有重要意义。提出一种基于改进的蜣螂优化算法的瑞雷波频散曲线反演方法，使用Halton序列初始化种群个体的位置，更好地控制初始化种群的空间分布；通过种群划分，对不同的子种群采用不同的搜索策略，一方面避免反演搜索陷入局部最优，同时实现算法的快速收敛。使用3个理论地质模型和实际资料，对改进蜣螂优化算法应用于频散曲线反演以获取地下横波速度分布的有效性进行验证。结果表明，与使用当前较为主流的改进自适应遗传算法进行频散曲线反演相比，新方法有效、稳定且能够快速收敛得到最优解。     

基于FOA的叠前反演方法

本文提出一种基于果蝇优化算法的非线性叠前反演方法,利用Schaffer函数F6进行算法性能测试,并对不同加噪百分比的模型数据利用果蝇优化算法(FOA)进行EI反演,提取相应的弹性参数,反演能够收敛到全局最优解。将此法应用于鄂尔多斯SLG地区实际二维数据,能够快速得到较稳定可靠的弹性反演参数,表明文中方法能够用于指示气层的横向变化。     

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。     

利用多分量地震数据反演近地表横波速度

在陆上多波地震资料处理中,转换波资料静校正需要获得准确的近地表横波速度。文中从分析多分量地震记录波场出发,提出利用多波资料中的X与Z分量数据进行近地表横波速度反演的方法。利用X、Z分量上折射波信息,获取水平慢度和偏振角度,进而反演近地表的横波速度。通过数学模型与实际资料的应用,表明反演的近地表横波速度较为准确,可以准确地反映近地表的横波速度变化。     

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。     

地面微地震资料震源定位的贝叶斯反演方法

针对地面微地震资料信噪比低、初至拾取不准、速度模型难以准确建立等问题,以及地面微地震资料多条测线测量和浅地表地层速度变化复杂特点,研究了地面微地震资料震源定位的贝叶斯反演方法,把所有测线反演结果设定为一个全概率事件,每条测线反演问题设定为一个划分,讨论利用贝叶斯最大后验方法反演震源位置。在反演时浅部采用横向变速模型,中深部采用水平横向均匀速度模型模型。对目标函数的后验概率密度函数、加权函数后验密度函数、速度参数方差的后验概率密度函数进行理论模型拟合,并取拟合后结果作为估计概率密度。采用极快速模拟退火方法加网格法的混合算法作为搜索方法,以网格算法为先导使搜索落入最优解所在的凸区间,再利用极快速模拟退火算法搜索最优解,这样既可以防止算法收敛于局部极值点,又极大地提高了算法的收敛速度。通过理论模型和实际资料验证了该方法的应用效果,即对随机跳动误差较大初至反演能够保证反演结果的精度。     

量子行为的粒子群算法在叠前AVO反演中的应用

 量子行为的粒子群优化算法突破了粒子群优化算法所遵循的牛顿随机搜寻,在搜索过程中加入了量子运动,既改善了全局优化的能力和收敛速度,又减少了算法中需要控制的参数,有效地解决了传统粒子群优化算法无法收敛到全局最优解的问题。基于量子行为的粒子群优化算法原理简单,需要控制的参数很少,易于实现,可以进一步用于多参数、多极值地球物理反演。本文使用基于量子行为的粒子群优化算法进行叠前AVO弹性参数反演,无噪声和加噪声模型的反演结果说明了算法的有效性和稳定性,以及良好的抗噪性。     

三维多波地震双反演储层预测技术在苏里格气田的应用

三维多波地震双反演储层预测技术基于AVO原理,其输入数据是PP波和PS波的角度道集(或者叠加数据),反演结果综合了时间域和振幅域的信息。通过在反演过程中使用一个初始模型约束反演,使结果吻合低频初始纵、横波速度比的趋势。具体步骤如下:①选择目的层反演层段进行PP/PS层位匹配,求出目的层段纵、横波速度比,并将PS波数据压缩至PP波时间域;②通过一系列的模拟退火运算以及参数控制,让约束条件方程不断收敛,不断逼近一个最小值,直至得到一个全局最优反演的纵、横波速度比;③利用得到的纵、横波速度比,进一步反演得到纵、横波速度和密度;④最终由纵、横波速度和密度信息计算出泊松比、拉梅系数和流体因子等弹性参数。本文通过对鄂尔多斯苏里格气田多波三维地震转换波静校正、波场分离、速度分析、振幅恢复等处理技术进行深入研究,得到了品质较高的地震多分量资料,在此基础上,利用双反演方法进行纵、横波联合解释,细化了储层的非均质性,找出了相对含气富集区。     

随机共轭梯度反演法

本文提出一种新的非线性反演方法－随机共轭梯度法。该方法采用非启发式反演方法,快速收敛到某一极值;再用启发式反演方法跳出局部极值;然后使用非启发式反演方法收敛到另一局部极值,反复进行此过程;并在解空间范围内搜索,保留所有的局部极值,最终确定最优解。它继承了随机爬山法能够全局寻优、共轭梯度法计算速度快和精度高的优点,能快速搜索到全局最优解。试验证明,这种方法是一种高效的反演算法,特别适用于求解晨线性、     

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。     

MT资料的遗传法反演

在简述遗传优化算法的基本原理,分析大地理电测深资料反演的特点和滩点的基础上,提出了将遗传算法引入ＭＴ数据反演的思路,针对ＭＴ资料反 特殊性,对常用的遗传算法进行改进。取消二进制编码和解码过程。     

一种用于波形反演的改进差分进化算法

当波形反演中待求参数维数较高时,传统的全局优化方法逐渐失去其有效性和优点。本文在差分进化算法的选择算子中借鉴协同进化法分解—协调的思想,将复杂问题分解为若干子问题,并为每个子问题引入局部适应度的概念,提出一种改进的差分进化算法(DE-CCS)。此方法首先根据局部适应度选择出准下一代;考虑到子问题之间的协调优化,最终的下一代则仍根据全局适应度选取。改进差分进化算法同时利用局部适应度和全局适应度引导进化方向,提高了收敛速度,且对高维问题更加有效。将该方法应用于正演速度慢、局部极值多的高维波形反演,模型和实际数据算例结果证明了该方法的有效性。     

Permeability Estimation of the Reservoir Based on Particle Swarm Optimization Coupled with Artificial Neural Networks

Abstract

In this work we investigate how the integration of back-propagation (BP) with particle swarm optimization (PSO) improves the reliability and prediction capability of PSO. This strategy is applied to predict permeability in Mansuri Bangestan reservoir located in Ahwaz, Iran, utilizing available geophysical well log data. Our methodology utilizes a hybrid PSO–BP. The particle swarm optimization algorithm was shown to converge rapidly during the initial stages of a global search, but around global optimum, the search process will become very slow. On the contrary, the gradient descending method can achieve faster convergence speed around global optimum and with greater accuracy. The proposed algorithm combines the local search ability of the gradient-based BP strategy with the global search ability of particle swarm optimization. PSO is used to decide the initial weights of the gradient decent methods so that all of the initial weights can be searched intelligently. The experimental results show that the proposed hybrid PSO–BP algorithm is better than the PSO algorithm in convergence speed and accuracy.     

多分支水平井参数智能优化技术

多分支水平井参数优化设计是一个多目标最优化问题,采用传统的优化方法求解复杂程度依赖于优化对象数目,且容易产生局部收敛。基于多分支水平井的油藏数值模拟技术,以生产净现值为目标函数,应用遗传算法建立了多分支水平井参数智能优化设计方法,并编程实现了优化设计的全程自动化。优化过程中,利用正交设计原理生成种群初值,避免了初始种群的随机盲目性;根据个体适应值大小选择交叉和变异概率,保证了种群的多样性和算法的全局收敛能力。以珠江口盆地某海上低渗透油藏为例进行了多分支水平井参数优化设计,结果表明:遗传算法优化具有全局智能搜索寻优的特点,优化结果比传统优化算法有较大提高,具有较强的优越性和实用性。     

双种群人工蜂群算法及其在MT和重力联合反演中的应用

基于非线性优化算法的联合反演具有全局寻优、无需求偏导数、便于先验信息融入等优点。人工蜂群（ABC）算法是一种较新颖的非线性优化算法,具有独特的角色转换机制,在求解优化问题上有较强的寻优性能,但该算法也存在着搜索效率不高、局部搜索能力弱等问题。基于双种群架构可有效提高优化算法全局寻优能力。基于此,笔者提出一种双种群架构ABC算法,将交叉变异操作和最优解邻域搜索融入不同种群,选择典型的测试函数验证了改进ABC算法的有效性,并将其应用于大地电磁测深（MT）和重力数据的联合反演。模型试验和实测数据处理结果表明,双种群ABC算法具有较高的寻优能力和一定的实用性。     

地震波阻抗反演的蚁群算法实现

波阻抗反演属于求解最优化问题,其优化目标函数可能包含多个在一定范围上的连续变量,传统的优化手段存在有些函数难以优化,容易陷入局部解,收敛速度较慢等问题.蚁群算法具有正反馈性、分布式计算和贪婪式启发搜索的特点,克服了传统优化算法的缺陷.通过分析蚁群算法的原理,提出了地震道非线性反演中蚁群算法的实现方法.利用模型对该方法进行了检验,在无噪情况下,反演结果与模型一致;在加入5%,10%和30%噪声的情况下,反演结果与模型的相似系数分别为98.76%,97.85%和86.42%.     

An optimization methodology of alkaline–surfactant–polymer flooding processes using field scale numerical simulation and multiple surrogates

After conventional waterflood processes the residual oil in the reservoir remains as a discontinuous phase in the form of oil drops trapped by capillary forces and is likely to be around 70% of the original oil in place (OOIP). The EOR method so-called alkaline–surfactant–polymer (ASP) flooding has proved to be effective in reducing the oil residual saturation in laboratory experiments and field projects through the reduction of interfacial tension and mobility ratio between oil and water phases.A critical step to make ASP floodings more effective is to find the optimal values of design variables that will maximize a given performance measure (e.g., net present value, cumulative oil recovery) considering a heterogeneous and multiphase petroleum reservoir. Previously reported works using reservoir numerical simulation have been limited to sensitivity analyses at core and field scale levels because the formal optimization problem includes computationally expensive objective function evaluations (field scale numerical simulations). This work presents a surrogate-based optimization methodology to overcome this shortcoming.The proposed approach estimates the optimal values for a set of design variables (e.g., slug size and concentration of the chemical agents) to maximize the cumulative oil recovery from a heterogeneous and multiphase petroleum reservoir subject to an ASP flooding. The surrogate-based optimization approach has been shown to be useful in the optimization of computationally expensive simulation-based models in the aerospace, automotive, and oil industries. In this work, we improve upon this approach along two directions: (i) using multiple surrogates for optimization, and (ii) incorporating an adaptive weighted average model of the individual surrogates.The cited approach involves the coupled execution of a global optimization algorithm and fast surrogates (i.e., based on Polynomial Regression, Kriging, Radial Basis Functions and a Weighted Average Model) constructed from field scale numerical simulation data. The global optimization program implements the DIRECT algorithm and the reservoir numerical simulations are conducted using the UTCHEM program from the University of Texas at Austin.The effectiveness and efficiency of the proposed methodology is demonstrated using a field scale case study.     

慢度-时间相关法与遗传算法结合提取阵列声波时差

基于遗传算法的全局寻优特点和慢度-时间相关法提取时差的原理,提出了慢度-时间相关法与遗传算法结合的阵列声波测井资料处理方法.详细阐述了慢度-时间相关法与遗传算法结合求取声波时差方法的实现过程与关键操作步骤.慢度-时间相关法与遗传算法结合可将慢度-时间相关法中反映波形相似程度的相关函数作为遗传算法的目标函数,应用遗传算法寻找其最大值,得到与最大目标函数值对应的首波到达时间和慢度值.该方法不受首波到达时间步长与慢度步长大小的影响,并且只需要做部分计算就可以获得给定的时差、首波到达时间范围内的全局最优解.用该方法处理了大庆油田地区2口交叉式多极子阵列声波测井资料,并将处理结果与商业化软件eXpress处理结果进行了对比,两者具有较好的一致性,满足现场解释精度要求.     

基于Kriging代理模型的复杂精馏系统操作参数优化

优化常减压装置的操作参数可有效提升炼化企业的经济效益,但基于其严格机理模型进行迭代寻优将十分耗时。为降低计算成本,提出了一种基于Kriging代理模型的常压精馏系统操作参数智能优化方法。该方法采用Kriging元建模技术构造精馏过程中关键操作参数与主要输出变量间的关系模型,并以此关系模型代理复杂精馏系统的MESH方程组（包括物料守恒方程M、气液平衡方程E、归一方程S、焓守恒方程H）,在设计空间中采用粒子群优化（PSO）算法进行操作参数的全局智能搜索。所提方法不仅能够保证寻找到的操作参数全局最优,而且可以大幅度地减少求解的时间,具有十分明显的工程实用性。基于Aspen HYSYS的仿真试验表明了本文所提方法的有效性和优越性。