蚁群算法在断层自动检测中的应用研究

蚁群算法在断层自动检测中的应用研究

论文摘要

随着经济技术的不断发展,人类对能源的需求与日俱增,需要大量开发能源,增加产能。石油和天然气对于国家有着非常重要的战略意义,是保证国家能源安全的最重要基础,所以油气勘探在各种能源开发中占有非常重要的地位。断层的检测和识别在油气勘探中是最重要的基础工作之一。断层有可能对油气起保存的作用,形成圈闭储藏油气,也有可能断裂对油气起调整作用,甚至破坏油气藏,所以断层在油气成藏中具有非常重要的地位。常规的断层解释方法是在地震剖面和水平切片上进行的,然后在平面上进行组合分析。解释结果受到解释人员知识与经验的主观影响比较大。如果解释人员主观认识不足或者断层系统比较复杂,都可能影响解释的可靠性和精度,导致工作效率比较低。如果要提高断层解释的效率和可靠性,那么就要有效的增强地震数据的不连续性。蚁群算法中所有的蚂蚁个体都能独立的完成任务、而且是在有限制的随机条件下同时搜索问题空间中的所有节点,这些特性从本质上来说其实就是高效和稳定的并行算法具有的特性,所以蚁群算法还具有很强的并行分布式的计算能力,这使得蚁群算法能够应用于现代计算机技术中,从而使得其具有解决大量计算量问题的能力。蚁群算法在选择路径时使用的是随机概率,可以使蚁群算法避免过早收敛而造成局部最优,这也是最优化算法较难避免的问题,所以蚁群算法也具有很强的全空间的搜索能力。蚁群算法本质上是一个复杂的智能系统,具有较强的鲁棒性。由于蚁群算法具有的优点,充分与断层检测问题结合,可以有效的抑制噪音,提高效率和检测可靠性。本文通过改进蚁群算法的研究,对三维地震数据进行相干计算,突出断层响应,再对相干数据体进行蚁群追踪,得到断层追踪结果。围绕断层检测技术中的问题,改进了基于蚁群算法的断层检测方法,主要从以下两方面作了研究:1.深入研究了蚁群算法的发展及其应用,总结了基本蚁群算法的原理、实现过程以及研究了适用于断层检测算法的蚁群算法,改进了区块方向场的估计方法;2.使用相干体,作为断层属性体。应用改进蚁群算法对其进行处理,得到了断层地震数据,并且对该算法进行了详细的分析。论文的创新点:论文改进了算法追踪区块的方向场估计方法,采用基于块的连续方向场估计方法,能得到更好的追踪效果,提高了算法的抗噪性能和运行效率。

论文目录

  • 摘要
  • Abstract
  • 第1章 引言
  • 1.1 选题依据及研究意义
  • 1.2 国内外研究现状
  • 1.3 主要研究内容及创新点
  • 第2章 断层与断层相干增强属性体
  • 2.1 断层的定义
  • 2.2 断层相干增强属性体
  • 第3章 蚁群算法基本原理
  • 3.1 算法简介
  • 3.1.1 蚂蚁的社会形态
  • 3.1.2 蚂蚁的群体行为
  • 3.1.3 蚁群算法的思想起源
  • 3.1.4 蚁群算法模型的建立
  • 3.2 蚁群算法的原理
  • 3.2.1 基本蚁群算法的机制原理
  • 3.2.2 蚁群算法的特点
  • 3.2.3 蚁群算法的数学模型
  • 3.2.4 基本蚁群算法的实现
  • 3.3 本章小结
  • 第4章 基于块的连续方向场的蚁群算法
  • 4.1 参数的设置
  • 4.2 区块方向场的计算
  • 4.3 断层追踪
  • 4.4 信息素的更新
  • 4.5 本章小结
  • 第5章 实际资料的处理与断层自动追踪
  • 5.1 区域地质背景
  • 5.1.1 区域构造演化
  • 5.1.2 中生界地层特征
  • 5.1.3 中生界断裂发育特征
  • 5.2 实际地震资料处理流程
  • 5.3 实际资料的断层自动检测
  • 5.4 重要参数对结果的影响
  • 5.5 与基本区块方向场估计算法的结果对比
  • 5.6 本章小结
  • 结论
  • 致谢
  • 参考文献
  • 攻读学位期间取得学术成果
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].新闻算法分发对隐私权的冲击及规制[J]. 青年记者 2020(27)
    • [24].算法如何平等:算法歧视审查机制的建立[J]. 南海法学 2020(02)
    • [25].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [26].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [27].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [28].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [29].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [30].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)

    标签:;  ;  ;  ;  ;  

    蚁群算法在断层自动检测中的应用研究
    下载Doc文档

    猜你喜欢