多波叠前AVA反演中的混沌遗传优化方法研究

论文摘要

在叠前地震数据中根据振幅特征变化的关系提取地层岩性参数,对于岩性识别及油气检测的研究有着重要的意义。由于这种关系是非线性的,人们解决非线性问题的数学方法通常利用梯度信息求解,或在已知模型空间内进行随机搜索找到最理想的模型。随着非线性科学的发展及应用,越来越多的非线性优化算法被引入到地球物理领域中,这里围绕遗传优化方法在多波AVA反演中的应用进行了研究。用于AVA反演的数据是以振幅随着入射角变化而变化的角道集记录,因此通过理论模型用Zoeppritz精确公式与典型的近似公式正演出P-P波、P-SV波的AVA曲线,并分别分析了精确公式与近似公式的误差关系,然后正演出这两种类型波的AVA角道集记录。基本遗传算法采用二进制编码的形式,而AVA反演可看成是一个最优化的问题,所以这里使用对于函数优化有较高精度的实数制编码方案。为使算法的初始群体更加均匀地分布在解的空间里,因此引入混沌系统,以Logistic模型为例验证了混沌系统的初值敏感性、随机性、遍历性等特点,从均匀性的角度说明,使用An混沌映射机制来初始化群体分布更加均匀。遗传算法通过设定的概率进行交叉和变异产生新的个体,为避免群体在进化过程中出现早熟收敛现象,这里使用动态的自适应交叉和变异方法产生新个体。由AVA反演的基础公式Zoeppritz方程可知,包含有大量的参数,为此引入了适应高维函数优化的多智能体遗传算法。它们与混沌系统相结合设计了自适应混沌遗传算法和混沌多智能体遗传算法,然后用五个标准测试函数来测试这两种算法的计算性能,并与基本遗传算法的计算性能进行了比较分析。将这两种算法分别用于两层模型的单一P-P波和P-SV波及两种波的联合反演,结果均表明使用联合反演一定程度上可以提高反演的精度,然后用多层模型进行联合反演,实验结果说明,当层数增多时,同步反演的参数也相应增加,混沌多智能体遗传算法针对层数较多时的反演具有较好的优势,从不同的搜索范围说明给定的初始搜索范围对算法的寻优精度具有一定的影响,给模型依次加入一定的噪音,反演试算结果说明混沌多智能体遗传算法具有一定的抗噪能力,然后对一个样点模型进行了联合反演,最后将该算法应用于实际地震资料的处理。

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 AVO 技术的研究历程与现状
• 1.3 叠前地震资料非线性反演方法研究进展
• 1.4 研究的路线及主要内容
• 第2章 多波叠前AVA 技术基本原理及实现
• 2.1 Zoeppritz 方程及其近似
• 2.2 AVA 正演模拟
• 2.2.1 精确Zoeppritz 方程与近似公式多波AVA 曲线比较
• 2.2.2 正演AVA 角道集
• 第3章 混沌遗传优化方法研究
• 3.1 地球物理反演中的最优化方法基础
• 3.2 基本遗传算法
• 3.2.1 编码方案选取
• 3.2.2 初始化种群
• 3.2.3 遗传进化操作
• 3.3 自适应混沌遗传算法
• 3.3.1 混沌映射产生随机数
• 3.3.2 自适应的交叉和变异
• 3.3.3 自适应混沌遗传算法的步骤
• 3.4 混沌多智能体遗传算法
• 3.4.1 智能体的简介
• 3.4.2 多智能体遗传进化设计
• 3.4.3 混沌多智能体遗传算法流程
• 第4章 数值实验仿真测试
• 4.1 测试函数
• 4.2 数值测试结果及分析
• 第5章 多波AVA 理论模型与实际资料反演
• 5.1 AVA 反演方法
• 5.2 理论模型反演
• 5.2.1 两层模型的AVA 反演及分析
• 5.2.2 多层模型的AVA 联合反演
• 5.2.3 算法的初始值依赖性分析
• 5.2.4 算法的抗噪性能试算
• 5.2.5 多层样点模型反演
• 5.3 实际地震资料的反演
• 结论
• 致谢
• 参考文献