基于SAAGA的剩余静校正方法研究及应用

复杂地表地区地震勘探的剩余静校正问题是一个非线性的、多参数、多极值的全局优化难题。当剩余静校正量大于分析时窗内子波周期的一半时,用传统的线性剩余静校正方法容易陷入局部极值而出现“周波跳跃“现象。为此,首先设计了剩余静校正的目标函数(对于炮记录模型,选用超长道集的互相关作为目标函数),借鉴模拟退火算法的思想,对遗传算法的目标函数进行尺度变换,详细分析了退火遗传算法的实现及参数选择方案,并用理论模型及实际地震资料对退火遗传剩余静校正算法进行了检验。模型和实际资料的处理结果表明,该算法提高了模拟退火和遗传算法的收敛能力和计算效率,能很好地解决低信噪比、大剩余静校正量的校正问题。     

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。     

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。     

随机油价下油田产量构成优化模型的混合遗传算法求解

建立随机油价下油田产量构成优化模型，在此基础上将Powell方法作为一个与选择、交叉和变异平行的算子嵌入到标准遗传算法中，并利用模拟退火精确罚函数法处理约束条件，构成了遗传算法、Powell方法与模拟退火算法相结合的Powell遗传退火精确罚函数算法。结合实例分析，将算法应用到随机油价下油田产量构成优化模型中并得到了最优解。     

静校正方法在黄土塬地区的联合应用

黄土塬地区静校正问题严重,一直是地震资料处理中的难题。针对黄土塬地区的近地表特征,基于地震资料分析,提出了联合应用多种静校正方法解决静校正问题的思路。首先应用模型初至反演静校正方法建立低、降速带结构,进行长波长静校正;然后利用折射初至交互迭代静校正方法求取中、短波长剩余静校正量;最后应用最大能量法、模拟退火法和遗传算法相结合的综合寻优方法,利用连续稳定强反射层的反射信息,求取短波长剩余静校正量。3种静校正方法的联合使用,有效地解决了黄土塬地区的静校正问题,剖面质量得到了较大改善,信噪比和振幅保真度均得到大幅度提高。     

海洋石油平台自动化管路布局优化算法设计

目前管路布局多依靠人工设计完成,工作量大、设计周期长。为提高设计效率,设计了一套自动化管路布局遗传模拟退火算法。其针对遗传算法易早熟、收敛速度慢等问题,引入模拟退火思想,对遗传算子进行Metropolis规则改进,提高初期进化时种群多样性,增强算法全局搜索能力;设置等温和退温内、外2层循环,提高算法收敛速度和性能。利用遗传算法和遗传模拟退火算法进行管路布局仿真试验计算并进行对比,对比结果表明,在相同初始条件和计算精度下,后者全局搜索能力强,不易陷入局部最优解,且收敛迅速、稳定,运算结果优于前者。     

基于改进的遗传算法的天然气管网系统运行优化

在天然气管网系统安全稳定运行的基础上,为了实现节能减排,充分合理地利用管道的输配能力,将目标函数定义为天然气的最大流量,同时考虑管道内天然气稳定流动、各节点流量平衡、节点及管段压力等约束条件,建立了天然气管网系统优化数学模型。采用整数编码来进行管径编码,用模拟退火罚函数转化约束条件,并合理地将遗传算法的全局寻优能力和模拟退火的局部搜索能力互补融合起来,实现算法的改进和优化。将改进的遗传算法应用到某大型天然气管网优化设计的实例中,计算结果表明,改进的遗传算法在解的质量上和收敛的速度上都优于基本遗传算法,验证了所建立的优化模型是高效可行的。     

海洋石油平台自动化管路布局优化算法设计

目前管路布局多依靠人工设计完成,工作量大、设计周期长。为提高设计效率,设计了一套自动化管路布局遗传模拟退火算法。其针对遗传算法易早熟、收敛速度慢等问题,引入模拟退火思想,对遗传算子进行Metropolis规则改进,提高初期进化时种群多样性,增强算法全局搜索能力;设置等温和退温内、外2层循环,提高算法收敛速度和性能。利用遗传算法和遗传模拟退火算法进行管路布局仿真试验计算并进行对比,对比结果表明,在相同初始条件和计算精度下,后者全局搜索能力强,不易陷入局部最优解,且收敛迅速、稳定,运算结果优于前者。     

全局寻优分频静校正方法及在焉耆盆地复杂地区的应用

焉耆盆地复杂地区表层结构多样、岩性纵横向变化大、无稳定界面,导致静校正问题严重,地震资料成像精度不高,难以满足构造解释需要。综合利用最大能量法、模拟退火与遗传算法的各自优势,提出一种全局寻优分频静校正方法,分析了影响全局寻优分频静校正的关键参数,建立了全局寻优分频静校正处理流程。利用该方法较好地解决了复杂地区地震资料处理中存在的大剩余静校正量难以求取的技术难题。     

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。     

用退火遗传算法进行地震波阻抗反演

退火遗传算法是模拟退火算法(SA)和遗传算法(GA)相结合的优化算法。其主要思想是利用模拟退火算法中的热槽法(概率分布函数)产生GA的群体初值，这样可以避免产生一些无用的群体，其结果既节省计算机空间，又节省计算时间，并且最终容易得到最优解。SA和GA交替运行，对GA的每一演化代，用SA对其进行局部搜索来改进GA的性能。利用退火遗传算法对地震波阻抗进行反演，目标函数可以达到10^-5数量级，这就使退火遗传算法的非线性方法能够应用于地震波阻抗反演中。     

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。     

模拟退火静校正

模拟退火静校正技术摆脱了常规静校正方法的框架,它采用非线性反演技术——模拟退火,求解地表一致性静校正问题,能较好地克服低信噪比、大静校正量引起的周期跳跃。分析了常规剩余静校正方法的欠缺,阐述了模拟退火静校正技术的方法原理和在现有计算机运行速度条件下,求取全局最优解的可能性,并通过理论模型验证了该方法的可靠性。经实例分析证实,此方法在解决复杂地表结构引起的大静校正问题时,优于常规静校正方法。     

层析静校正和闭合相位剩余静校正在Saudi Aramco陆上数据中的应用

在沙特阿拉伯—美国石油公司陆上起伏地形的数据成像中应用了层析静校正和闭合相位剩余静校正。层析静校正后的叠加剖面质量显著提高;闭合相位剩余静校正进一步改善了剖面的成像效果。闭合相位静校正法不需要解庞大的方程组,因此比模拟退火法或基于梯度的方法更快速。     

混合遗传算法在天然气管网优化运行中的应用

随着天然气的广泛应用和天然气输配管网规模的大型化,天然气经营部门为了增加经济效益和增大管网的利用率,需要对天然气管网系统的运行进行优化。文章分别以天然气管网系统的最大收益和最大流量为目标函数,同时考虑了管道强度、阀门和压缩机的影响等八种约束条件,建立了天然气管网运行优化的两种数学模型。在研究遗传算法和模拟退火算法的基础上,根据两种算法的特点,介绍了一种由模拟退火算法和遗传算法结合构成的混合遗传算法。结合实例,对混合遗传算法在天然气管网运行优化中的应用进行了研究,求解了天然气管网运行优化的数学模型。结果表明,混合遗传算法的优化结果比复合形算法提高了1.968%,证明混合遗传算法具有全域搜索、快速收敛的特点,更具有效性和实用性。     

模拟退火静校正技术在低信噪比地区的应用

地震资料常规处理中,在剩余静校正量较小的情况下,采用线性方法求解能够较好地解决静校正问 题。对于复杂地表结构地区,地震资料信噪比低,经常规静校正后仍然存在很大的剩余静校正量,传统的反 射波剩余静校正容易陷入局部极值,出现“周期跳跃”现象。快速模拟退火静校正技术能够解决大的剩余 静校正量问题,特别适用于表层构造复杂地区及低信噪比地区。     

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。     

基于双重编码遗传算法的注水系统运行优化

以耗电量最小为目标函数，建立注水系统优化数学模型。根据运行优化要解决最优开泵方案及排量2个问题，遗传算法采用了二进制编码和实数编码相结合的双重编码。针对遗传算法的局限性，对适应函数进行了调整，改进交叉和变异操作，结合模拟退火算法，该算法能够有效地提高收敛速度，避免早熟收敛。同时在遗传算法操作过程中，给出了泵排量的处理方法，使排量约束得到满足，系统水量保持平衡。算例说明了该方法的有效性。     

混合遗传算法和最陡斜坡自动剩余静校正

针对以往剩余静校正方法对大静校正量,低信噪比资料,不能准确提取静校正量的问题。提出了使用混合遗传算法和最陡斜坡法求取剩余静校正量的方法,遗传算法是模拟生物基因的遗传和变异有效地达到一种稳定的优化状态的繁殖和选择过程,并建立一种简单而有效的搜索方法。但是遗传法逼近最优值容易达到最优值较难,为此我们利用最陡斜坡法加速遗传算法的收敛速度。这种方法应用于实际资料上,取得了较好的效果。     

运用遗传算法进行油藏描述

油藏描述是根据数模参数来描述油藏、以便对其进行动态预测的一种方法。我们介绍了一种采用专用设计的遗传算法来搜索最有可能与油藏的测量结果拟合的油藏描述方法。该遗传算法使用六个染色体来代表不同类型的油藏参数。其中三个染色体具有多维实数结构，而另外三个染色体则为一维二进制数组。创造了专门设计的交换和变异算子与非标准的基因组结构一同使用。该方法在真实、复杂的人造油藏模型上进行了试验，并与模拟退火（SA）算法进行了比较。我们证明，遗传算法能获得比模拟退火算法更好的结果，可与人工计算所能得到的结果相媲美。此外我们还证明，对于算法建立的详细过程而言，遗传算法的性能是稳健的。因为该算法易于进行并行处理，对于被丢失和被破坏的解具有稳健性，且能返回一组良好的解，因此它是自动油藏描述算法中的一种理想方法。