基于线性化岩石物理反演的物性参数预测方法

针对制约岩石物理反演精度的两个关键问题:岩石物理模型和反演算法,提出了一种线性化岩石物理反演方法。首先,对复杂岩石物理模型进行泰勒展开,得到岩石物理反演问题的一阶近似表达式;然后,利用阻尼最小二乘算法直接求解线性化的岩石物理反演问题,获得岩石物理反演问题的解析解。该方法不需要全局寻优或者随机抽样,而是直接求逆运算,计算效率高。理论模型分析表明,线性化岩石物理模型可以用来近似表示复杂岩石物理模型。实际测井数据和地震数据应用表明,线性化岩石物理反演方法可以获得较为准确的物性参数。该方法适用于线性或轻微非线性的岩石物理模型,对于高度非线性岩石物理模型可能不适应。图8参31     

各向异性弹性参数的广义非线性反演方法

在非线性最优化理论的基础上结合地球物理反演问题,提出各向异性弹性参数的广义非线性反演方法。结合各向异性弹性参数反演,推导出反演所需的梯度向量,梯度向量中Jacobi矩阵各个元素的求取是利用与正演完全相同的方法,并构造了一个公式,从单位阵开始来修改函数的海色矩阵的逆矩阵,这样,不用求海色矩阵及其逆阵就能求函数的极小值,减少了计算量,给出了实际的反演结果。地质模型的反演结果证明，该方法是可行的，且反演精度高，具有较好的发展前景。     

扩散蒙特卡罗反演方法及应用

扩散蒙特卡罗方法是量子力学中研究多体系统的一种有效数值计算方法,具有较强非线性搜索能力,能够更好地求得全局最优解。本文将该方法从量子力学范畴引入到地震反演这样的经典系统,通过数值模拟试验验证了该方法的可行性。在此基础上,进行了实际地震资料的反演,获得了较好的反演结果,表明把扩散蒙特卡罗方法应用于地球物理反问题的求解是成功的,它适合于非线性、多极值的地球物理反演问题,在避免陷入局部极小等方面有着一定的优势。     

基于免疫算法的地球物理反演研究

 免疫系统是一种高度进化的生物信息系统，能够识别和消除病原体，具有学习、记忆和模式识别能力。本文基于免疫系统原理，首次将免疫算法用于地球物理问题反演。文中将生物免疫过程与地球物理问题反演的基本概念进行了相应的对比，并给出了免疫算法的流程。免疫算法采用基于亲和性的概率选择和浓度控制策略，以及记忆库功能，能够很好地改善传统非线性反演方法易早熟、难收敛的弊端。通过对大地电磁理论模型和实测数据比较，表明该方法是一种较为精确、稳定收敛,能够成功应用于地球物理反演问题的实用方法。     

应用人工神经网络算法的地震面波非线性反演

利用瑞雷波频散曲线反演地下介质的横波速度是一种有效可靠的地球物理方法,且已被广泛应用于近地表地质调查和勘测。传统线性反演方法已不能满足日益复杂的目标或任务的需求,而非线性反演方法因其反演速度快、原理直观易懂而倍受关注。非线性反演方法中的人工神经网络具有自组织、自学习能力、联想记忆能力、高度容错性和抗干扰性,对不同反演问题能（通过相应网络训练后）反演出相应的目标参数。鉴于此,引入BP人工神经网络对地震面波进行反演,通过网络设计、训练和学习,求得最优解而不是精确解,以此避免了其他非线性反演方法易陷入局部极小值的问题。通过选取BP神经网络对多种典型地质模型在无噪和含噪情形下得到的频散曲线分别进行反演,并对比反演结果与真实数据,验证了此方法反演频散曲线的有效性和稳定性。最后,对实际数据进行反演,并与其他方法反演结果进行对比、分析,检验了该反演方法的实用性。     

地震波阻抗反演技术的现状和发展

地球物理反演是利用观测数据恢复地下地质结构和岩石性质的方法。介绍了地震反演技术从直接反演到模型反演，从线性反演到非线性反演，以及从叠后反演到叠前反演的发展过程，弹性波阻抗反演的出现将成为反演进一步发展的方向之一，地震反演正走向声波波阻抗与弹性波阻抗相结合的道路。     

地震相控非线性随机反演研究与应用

 在地震相模型控制下，通过原始数据将各个单一反演问题转化为一个联合反演问题，可降低反演在描述参数几何形态时的单个反演问题的自由度，从本质上提高地球物理反演的效果。本文在计算过程中采用了非线性随机反演算法，能有效提高地震资料的分辨率，并充分考虑地质条件的随机特性，使反演结果更符合实际地质情况。在胜利、中原油田等地区的储层预测中，应用本文方法均取得了良好的效果，为岩性油气藏勘探提供了可靠基础数据。     

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。     

岩性-物性高分辨率非线性联合反演技术及其应用

在沉积环境复杂和钻井资料少的勘探地区,有效地进行地震反演和储层预测是油气勘探和开发中的关键。针对我国近海岩性和物性高度非均质复杂隐蔽岩性储层的勘探实际,提出了基于非线性统计地震褶积模型和非线性储层岩性物性统计褶积模型的联合反演技术,实现了确定性反演、统计性反演和非线性理论三者的有机结合。南黄海盆地北部坳陷北凹陷A构造、辽东湾渤中251勘探区和旅大勘探区的目的层是以曲流河与辫状河为主的河流相沉积和以三角洲前缘与浅湖为主的湖泊相沉积,储层的岩性和物性高度非均质,岩石物理关系复杂。将岩性—物性高分辨率非线性联合反演技术应用于这些地区,反演结果刻画了储层岩性和物性的横向变化细节。     

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。     

非线性地球物理反演讲座之四──非线性地震反演方法的补充及比较

与上一讲接续，本文首先介绍以法国学者Tarantola为代表发展的一种结合波动方程逆散射与最小二乘准则的地震反演方法，其理论分析还导致了共轭梯度下降算法的迭代格式；其后介绍非线性优化的另一种常用算法──仿真退火；最后，从原理、计算成本及对计算机的要求、应用可能性等方面，对本讲座中介绍过的五种非线性地球物理反演方法作了比较，以此作为对当前非线性地球物理反演的发展作一总结。     

波动方程的逆散射与迭代线性化反演

本文讨论的是非线性地球物理反演中目前最重要的方法．即逆散射与线性化这代算法相结合而形成的解析类反演方法。首先应用标量波动方程的逆散射理论推导出反射波场与波慢平方扰动之间满足的非线性积分方程，并阐明波慢平方扰动与反射体之间的关系。然后介绍迭代线性化反演算法的理论和具体计算公式，并专门对泛函求导的公式进行详细的推导。最后，讨论了这一类反演方法的计算技术及参数选择问题。     

波动方程的逆散射与迭代线性化反演

本文讨论的是非线性地球物理反演中目前重要的方法，即逆散射与线性化迭代算法相结合而形成的解析类反演方法。首先应用标量波动方程的逆散射理论推导反射波场与波慢平方扰动之间满足的非线性积分方程，并阐明波慢平方扰动与反射体之间的关系。     

碳酸盐岩储层半定量评价技术

勘探实践表明 ,碳酸盐岩是油气的重要储层 ,但由于碳酸盐岩沉积时代久远 ,经历多次构造运动 ,遭受强烈的风化、剥蚀和淋滤作用 ,地层的非均质性极强 ,导致碳酸盐岩储集岩的定量评价成为困扰该类油气藏勘探的主要技术难题之一。目前对碳酸盐岩储层的评价仍停留在定性—半定量的水平 ,常用的方法可以分为三类 :即地质预测法、地球物理法和地质 -地球物理综合计算法。地质预测法主要有曲率法、构造应力场模拟法、断层应力强度因子计算法 ;地球物理法主要包括多分量地震法、Seislog反演技术、时频分析法、相关分析裂缝预测等 ;地质 -地球物理综合计算法包括非线性大变形数值模拟法及有限变形转动场法等。这些方法在国内外很多油区得到广泛的应用 ,并取得了较好的效果     

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。     

大地电磁测深阶段式自适应正则化反演

如何合理确定正则化因子一直是地球物理反演的研究热点和难点。从提高反演稳定性的角度对正则化因子的选择进行考量,是确定正则化因子取值的新思路。此外,以往的正则化反演研究对非线性优化算法的随机性考虑不足。基于此,以Zhdanov提出的自适应算法为框架,提出了一种新的自适应正则化算法,即阶段式自适应算法,按照“阶段”自适应地调整正则化因子。将此方法分别应用于大地电磁测深（MT）的共轭梯度和差分进化算法（DE）反演。模型试验表明该算法可以提高反演的稳定性,在一定程度上降低衰减因子的影响,而且该算法具有同时适用于线性和非线性优化算法的特点。