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。     

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、     

自适应混合反演剩余静校正

本文针对剩余静校正问题的非线性特点，分析了已有的线性反演及非线性反演方法的优缺点，在此基础上提出了一种计算效率较高、搜寻全局最优解的混合反演方法；即在求解过程中每次扰动采用线性寻优方法搜寻局部最优解，在迭代过程中采用模拟退火法随机搜寻，就可以用较少的迭代次数搜寻全局最优解。此文中还提出了反演参数的选取方法，使得该法具有自适应的特点。理论分析和数值计算表明，该法不仅解决了剩余静校正较强的非线性全局优化问题，而且提高了计算效率，是一种切实可行的自适应剩余静校正方法。     

基于混合快速共轭梯度法的有限差分对比源反演

有限差分对比源反演（FDCSI）是一种解决逆散射问题的方法,该方法在反演中背景模型保持不变,只进行一次全正演计算,减少了计算量。FDCSI将逆散射问题转化为优化问题,采用常规共轭梯度法优化目标泛函,但收敛速度较慢,影响反演效率。为此,在研究频率域声波方程有限差分对比源反演方法的基础上,提出了基于混合快速共轭梯度法的有限差分对比源反演方法,提高了反演效率。混合快速共轭梯度法是在快速迭代收缩阈值算法基础上改进得到的优化方法,该方法适用于有限差分对比源反演,在不增加单次迭代计算量的基础上加速目标泛函收敛,保证了对比源反演算法的快速稳定收敛。     

模拟退火波阻抗反演及其应用

地震反演技术在油气地质储量研究及井位部署等方面的应用广泛。由于地震资料的带限性，使得反演时的目标函数在多处存在极小值，需通过在模型空间的广泛搜索寻求全局最优解。模拟退火波阻抗反演方法是寻找全局最优解的较好方法之一，它与约束稀疏脉冲反演及宽带反演方法不同，通过使全局最优对地震资料进行波阻抗反演。该方法综合利用石油地质、地球物理等进行约束反演，最终得到详细的储层模型，其波阻抗反演剖面的分辨率明显高于目前广泛使用的约束稀疏脉冲反演结果。     

大地电磁非线性共轭梯度一维反演

非线性共轭梯度(nonlinear conjugate gradient,NLCG)反演法具有较好的稳定性和反演精度,在二维反演中得到了广泛的应用,但是正则化因子选取困难以及计算量较大等问题限制了其在一维反演中的应用。针对上述问题,结合一维反演实际,提出了一种改进的NLCG优化算法。该算法以Bostick反演结果为初始模型,采用正则化因子自适应迭代调整方案,每次迭代时根据目标函数自动调整正则化因子,无需再对正则化因子进行不断尝试反演;简化了预处理因子和最优步长的计算,用单步线性搜索法代替迭代法求最优步长;对反演结果进行优化并做二次NLCG反演,进一步提高了反演精度,使非线性共轭梯度一维反演算法更高效。通过几个模型算例分析了优化算法的有效性。实际大地电磁数据NLCG反演结果与钻井资料吻合好、精度高;与Occam反演结果相比分层更加清晰,未出现异常高阻层,对地下电性结构的划分更加可靠。     

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。     

解非线性反演问题的新策略

本文提出一种解非线性反演问题的新策略。它首先利用贝叶斯反演理论中的ＭＡＰ方法建立非线性反演问题的线性化迭代格式,然后运用模拟退火算法中有关全局收敛的思想来指导迭代的收敛过程。     

基于稀疏约束贝叶斯估计的相对波阻抗反演

地震道积分是一种利用地震资料进行的无约束反演技术,可以方便地得到地层的相对波阻抗,但采用稀疏反演的反射系数递推反演相对波阻抗,横向连续性差、可用性低。给出了一种基于稀疏约束贝叶斯估计的地震相对波阻抗反演算法,即在反射系数Cauchy概率分布稀疏约束下,基于贝叶斯最大后验概率估计,采用预条件共轭梯度法估计地震子波和反射系数,从而得到高分辨率的反褶积结果,进而得到高分辨率的相对波阻抗剖面。利用理论模型和实际数据对算法进行了验证,结果表明:基于稀疏约束贝叶斯估计的相对波阻抗反演方法可行;与直接法稀疏反演相比,预条件共轭梯度法稀疏反演精度高、收敛快、数值计算稳定。     

改进的粒子群波阻抗反演方法与应用

针对常规粒子群优化算法在波阻抗反演中普遍出现的收敛速度慢、反演效率不高等缺点,提出了层状模型约束下的粒子群波阻抗反演方法。该方法通过迭代反演每层的样点数和对应的波阻抗值,并利用对模型层数的扫描实现波阻抗反演。模型试算结果表明,与常规粒子群算法比较,该方法收敛速度和反演精度均显著提高。实际资料的反演证明了该方法的有效性。     

一维大地电磁测深几种反演算法的比较研究

大地电磁反演算法主要分为线性与非线性两类。马奎特法、遗传算法以及模拟退火是其中具有代表性的算法。本文将三种方法的反演过程、结果及理论进行了对比研究，指出各自的优点与局限性，以及使用时应注意的相应条件。研究表明，马奎特法寻找目标函数全局最优的能力较差，只能局部寻优，但运算速度快；模拟退火法和遗传算法寻找目标函数全局最优的能力较强，但运算速度较慢。当对地下地电参数预先有一定程度了解，又可以选取比较合理的初始解时，可选择马奎特法，否则宜选用其他非线性全局寻优能力强的反演方法。     

基于遗传算法的波阻抗混合反演

文章提出采用二进制字符串编码、遗传操作为最优保存策略选择、多点交叉和非均匀变异的遗传算法，将线性反演与遗传优化算法组合用于地震资料波阻抗反演。即在获得了线性反演的输出序列后，由它作为选择遗传算法初始种群的产生依据，大大缩小了遗传算法的搜索范围。再由遗传算法的寻优操作，得到满足遗传算法反演目标函数的波阻抗序列，用Ackley实验函数，证明了文章中遗传算法的有效性和收敛性，实现了线性反演算法和遗传算法的波阻抗混合反演。通过理论模型与井旁道的试算处理，表明了基于遗传算法波阻抗混合反演的可行性。     

多参数优化的模拟退火法波阻抗反演

多参数优化的模拟退火法波阻抗反演是通过调整地震资料信噪比、相邻道的相关性、初始模型偏差、反射系数门槛值等约束条件进行地震资料反演的。该方法可以把对地质、物探和测井资料的认识结合到反演中，从而有效地监控反演的结果，得到能真正反映地层岩性的波阻抗。介绍了方法的基本原理，给出了方法实现的具体步骤，包括高分辨率处理、合成记录及层位标定、子波提取、初始模型建立、模拟退火反演和多参数约束条件的调整等。实际资料应用表明：①与常规波阻抗反演相比，该方法可以提高地震资料反演的分辨率；②原始地震数据相干体切片和波阻抗相干体切片的断层位置均与构造图的断层位置一致，与原始地震数据相干体切片相比，波阻抗相干体切片可为断层解释提供更好的依据。     

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.     

用改进的模拟退火算法进行叠后时移地震数据反演

本文以广义Boltzmann—Gibbs统计理论为基础，采用依赖于温度的似Cauchy分布产生新的扰动模型，选用改进的接收概率公式，并在实际计算中设置记忆器，记忆搜索到的最好结果，得到适合时移地震反演的模拟退火算法。通过分析地震数据和模型之间的关系，选择了合适的目标函数和流程进行时移地震数据反演，经理论模型试算，取得了较好的效果。新的反演算法有较好的抗噪能力，反演结果稳定性好、精度高，较好地实现了时移地震中较小波阻抗变化的反演。     

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。     

应用改进的神经网络学习方法预测储层参数

人工神经网络理论在石油科学的研究中具有重要的理论和现实意义。文章在分析了模拟退火算法和变尺度法各自的优势和原理基础上，针对前向网络反向传播算法（BP）收敛速度缓慢和易陷入局部极值点的缺点，将有全局寻优特性的模拟退火算法（SA）和快速收敛的局部寻优变尺度算法（BFGS）有效地结合，提出了一种快速、高效的前向网络混合学习策略，即SA-BFGS混合算法来训练网络。用它代替传统BP网络中的梯度下降法，通过训练网络权值，使网络具有较快的收敛速度和较高的逼近精度。在测井资料计算储层参数的实际应用中，该法能极大地改进前向网络的收敛速度与收敛性能，处理速度快、稳定性好、可信度高，具有较好的应用前景。     

遗传和模拟退火混合寻优一步法三维CRS叠加

共反射面元(Common Reflection Surface,CRS)叠加充分利用了菲涅耳带半径内的地震信息,在不降低分辨率的前提下最大程度地提高了信噪比,是低信噪比地震资料成像的有力手段.同时,CRS叠加考虑了地下反射层的倾角和局部曲率,具有更高的成像精度.常规的三维CRS叠加,多步依次求取的八参数精度较低,影响了...