一种改进的遗传算法及其在剩余静校正中的应用

本文综合利用模拟退火和遗传算法的特点，给出一种改进的遗传算法，即根据模拟退火的概率分布函数提供群体的初值，然后使用遗传算法的选择算子和杂交算子进行搜索，在此基础上，再降低温度提供新的初值，进行反复迭代，从而搜索到全局最优解，通过估计剩余静校正的模拟试验表明，该方法只需要较小的群体规律，与常规的遗传算法相比，没有其它更多的控制参数，且全局收敛的效率有了很大的提高。     

非线性反演方法在剩余静校正中的应用

估算剩余静校正量本质上是一个非线性反演问题。当地震资料的剩余静校正量大、信噪比低时,利用线性反演方法不能有效地拾取静校正量。文中分别采用最大能量法和模拟退火法两种非线性的反演方法来估算炮点和检波点的剩余静校正量。这两种方法是将负叠加能量作为目标函数,静校正量作为模型参数。估算最佳的剩余静校正量需要确定多维目标函数的全局极小值。最大能量法的结果受初始静校正量的影响,它的解容易陷入目标函数的局部极小值。模拟退火法不受初值的影响,可以求得目标函数的全局极小值或其近似值。     

静校正中剩余时差的拾取

剩余时差的求取是余静校正工作中的首要环节，文章在对互相关拾取时差方法进行探讨的基础上，着重讨论了形成最佳模型道的问题，并阐述了一种能够改善互相运算拾取时差效果的算法。这种方法有助于在低信噪比记录段时提高剩余时差拾取的精度，从而可避免低信噪比记录段时使用常规互相关法会导致严重误差的问题。参5     

优化模型道剩余静校正

将模型道的建立与时差拾取合二而一作为一个优化过程处理，在优化模型道建立的同时，时差也拾取完毕，优化过程采用以时差为状态矢量，叠加能量为目标函数，单采样间隔摄动直接寻优。为了拾取超过地震道视周期一半的较大时差，采用了目标函数局部凸域扩展的方法，另外，还设计了双时窗，双道集算法，增加时差拾取的冗余度，以提高校正的精度。     

快速模拟退火法自动剩余静校正方法研究

针对Ｒｏｔｈｍａｎ的热槽法，通过理论推导以及大量的试算，提出了一些改进措施，使模拟退火方法在地震处理的自动剩余静校正中，效率得到了较大的提高。通过实际资料的处理，证明了该方法的有效性。     

混合优化自动剩余静校正方法研究

剩余静校正量计算本质上是一个非线性优化问题。针对单独运用遗传算法或模拟退火算法求解剩余静校正计算效率低、精度不高等缺点，本文提出了混合全局优化的自动剩余静校正方法，即利用两者的优点（遗传算法具有较强的把握搜索过程总体的能力，模拟退火法具有较强的局部搜索能力）开发的一种优化算法。文中对混合全局优化自动剩余静校正的处理流程和实现技术作了深入研究。从模型数据试算和我国西部某地区实际资料的处理结果可以看到，混合优化技术无论在运算速度还是在求解精度上都优于其他方法。     

剩余静校正的Radon变换处理方法

对剩余静校正的Ｒａｄｏｎ变换方法作为简要介绍，当用二维可积函数统一定义剩科静校正量项、构造项和剩科动校正量项的各项分时，可以把广义剩余静校正方程同Ｒａｄｏｎ变换联系起来，因而应用Ｒａｄｏｎ逆变换就可以反演出剩余静校正量项。用Ｒａｄｏｎ变换方法对几组理论数据进行处理，并与广义线性反演剩余静校正方法比较，结果表明应用Ｒａｄｏｎ变换在一般的剩余静校正问题中可以得到精度更高的剩余静校正量。     

高效模拟退火剩余静校正

模拟退火是一个Ｍｏｎｔｅ Ｃａｒｌｏ优化过程，它摹仿了退火的物理过程，能较好地克服低信噪比，大静校正值引起的周期跳跃问题，使获得的解近于真实的情况。但由于其计算机运行时间长、温度难确定而使其应用受到限制。本文在模拟退火剩余静校正中阐述了后验概率的求取方法，利用求取后验概率的公式自动确定起始温度，并根据退火原理实现温度的自动控制和门槛自动转换。利用这些方法能有效地提高收敛速度，减少迭代次数。     

改进的郭涛算法在剩余静校正中的应用

在低信噪比地震资料处理中,剩余静校正是其中的关键处理环节。传统的剩余静校正方法容易陷入局部极值,难以实现全局寻优,从而造成叠加剖面成像效果不佳。为此,提出了一种高精度的非线性剩余静校正方法,该方法以互相关值最大为目标函数,采用了逐步缩小范围的郭涛算法进行剩余静校正量的全局寻优。通过理论模型和低信噪比资料的测试表明,该方法优于传统的剩余静校正方法,能够快速逼近全局最优解,并且能够有效改善低信噪比地震资料的成像效果。     

高密度地震资料剩余静校正

高密度地震资料具有高信噪比、高分辨率和高保真度的明显优势,也对静校正的精度提出了更高的要求。基于高密度地震资料波场信息丰富和初至波信息清晰的特点,本文提出了一套适合高密度地震资料且能够满足高精度处理要求的剩余静校正方法。通过依次应用多域迭代折射波剩余静校正、分频模型迭代剩余静校正和非地表一致性剩余静校正方法,有序地计算高密度资料的剩余静校正量,进一步解决中、短波长静校正问题。实际资料的应用表明,该方法能够有效地解决高密度地震资料的剩余静校正问题。     

多尺度地震剩余静校正方法及应用

对常规的剩余静校正反演方法进行了分析,找出了大静校正量使剩余静校正反演产生“周波跳跃”的原因,发现模型道的质量与地震波的视周期有关,大静校正量是一个相对量,当静校正量大于地震波视周期的一半以上时,模型道质量变差,线性反演方法会出现“周波跳跃”现象,据此建立了合理的基于模型道的多尺度剩余静校正方法,该方法通过尺度变换,把小尺度下的大静校正量问题转变为大尺度下的小静校正量问题,从而避免“周波跳跃”的产生,同时考虑大尺度的静校正精度低的问题,采用多尺度逐步校正方法实现大静校正量的计算。实际资料的试算表明该方法是有效的,具有线性反演方法的较高计算效率特点,便于处理人员使用。     

油田地面注水管网布局优化中的遗传算法

在油田地面工程投资中,注水管网投资占有很大比重.为了节约投资,本文给出了油田地面注水系统管网布局数学模型,根据模型特点,采用遗传算法求解,简述了遗传算法的基本原理和求解步骤.实例计算表明,遗传算法优于传统优化方法.     

转换波自动剩余静校正方法的实用研究

转换波具有与纵波不同的特点 ,因此对地震转换波数据的处理也必然有其不同之处 ,而转换波剩余静校正是其中的主要困难之一。Cary等在 1 993年提出 :在地表一致性假设下 ,在地下构造不很复杂且接收点静校正量很大的情况下 ,剩余静校正量可以近似等于接收点的静校正量。因而 ,可以在共接收点 (CRP)叠加剖面上 ,使模型道与CRP叠加道的相关值达到最大来实现叠加能量最大 ,从而拾取最大相关值所对应的该CRP点的静校正量。文章用此方法对我国的实际地震转换波数据进行系统的试验和实用 ,取得了良好的地质效果 ,通过与常规算法的对比 ,验证了这一算法无论在精确性还是在稳定性上都优于常规算法。     

�Ľ��ۻ�����ʣ�ྲУ���е�Ӧ���о�

最大能量法的剩余静校正由于采用互相关函数计算时间延迟，在处理复杂近地表条件下得到的低信噪比或含有相关高斯噪声以及大剩余静校正量的地震资料时，往往得不到很好的效果。文章提出了采用地震信号的高阶（四阶）累积量估计子函数代替互相关函数来进行时间延迟估计，针对高阶统计量对高斯噪声的盲目性特点，对常规的最大能量法剩余静校正进行了一定的改进，得到了一种新的基于四阶累积量时间延迟估计的剩余静校正处理方法。该计算法可以通过FFT变换实现其快速算法，与互相关函数时间延迟估计算法计算速度相当。试验结果表明，该方法不仅可以很好地抑制地震资料剩余静校正处理中的相关高斯噪声的影响，而且还可以处理复杂近地表资料中相对较大的剩余静校正量。     

利用遗传算法解释试井参数

将遗传算法用于试井解释，正问题采用数值的方法求出，并对整段压力曲线进行拟合。采用多次循环搜索的办法，有效避免了局部极小问题；采用隐性二进制编码法，有效提高了速度，减小了存储。该算法迭代次数较少，收敛较快，精度较高，解释结果可直接满足需要，也可作为线化反演的可靠初值，具有很强的实用性。     

利用遗传-粒子群优化混合算法求取剩余静校正量

剩余静校正是一个具有多参数、多极值的全局优化问题,当大量未知参数存在时,常规的遗传算法（GA）几乎无法避免早熟现象,难以保证收敛于全局最优。结合粒子群优化算法（PSO）和遗传算法的优势,提出了一种新颖的粒子群优化-遗传混合算法。混合算法利用了粒子群优化算法的速度和位置的更新规则,并引入遗传算法里的交叉变异思想。用混合算法和遗传算法分别对两个理论模型进行试处理,处理结果表明,混合算法比遗传算法具有更好的性能,是一种求取复杂地形条件下剩余静校正量的实用方法。     

基于GA的神经网络设计及其应用

传统的神经网络,如ＢＰ网络设计,不仅工作效率降低,网络性能低下,而且会因非线性多极值目标函数而陷于局部最优解。本文采用全局寻优的遗传算法（ＧＡ）来辅助网络设计,实现网络结构、连接权及学习规则的自适应演化。通过利用测井资源与孔隙度参数的学习建模,表明该方法可以克服传统方法的不足,具有一定的推广应用价值。     

小生境遗传算法AVOA反演

采用具有水平对称轴的横向各向同性(HTI)模型研究裂缝性油气藏,P波振幅随炮检距和方位角变化(AVOA),表现出较强的方位各向异性特征。本文基于Ruger提出的HTI介质模型的P波反射系数公式,利用由基准测线和另外两条与之呈45°、90°测线的P波反射系数的相对差异估算裂缝方位;同时引入小生境遗传算法,对基准测线和与之呈90°测线的P波反射系数差进行反演,得到了较高精度的纵、横波波速比和Thomsen各向异性参数。