神经网络在地震反演中的研究与应用

论文摘要

地震反演是地震勘探的根本问题,其目的是提取地震波所蕴含的地下岩层速度结构和物性参数空间分布信息,为地质结构与资源勘探开发提供重要依据。由于大部分地球物理反演属于多极值的目标函数优化,线性反演方法会导致反演结果陷入局部最优。为了找寻地球物理反演全局最优解,本文提出了基于粒子群优化的神经网络训练算法(PSO_BP),并将算法应用于非线性地震反演计算,不仅改善了BP神经网络的搜索性能,还提高了其在地震反演中的运算效率和反演精度,从而为地震波阻抗的反演提供了一个新的高效的方法。论文所做工作及取得研究成果如下：(1)围绕地震反演技术中存在的问题,讨论了地震反演和神经网络的应用现状和原理技术,在研究BP算法应用、学习方式及改进方法的基础上,针对BP神经网络在地震反演预测中存在的网络结构设计不灵活、权值获取规则单一、易陷入局部最优等局限性,提出了粒子群优化算法优化神经网络的连接权值和阈值的方法,并设计出了两种算法相互渗透、相互配合的PSO_BP算法。(2)深入研究并总结了PSO_BP算法的原理、基本结构和实现模式等,并且通过标准测试函数实验,进一步讨论了粒子群优化算法的运行参数取值范围、可行性和稳定性,重点对PSO算法的收敛性进行了较为细致的研究,总结出了一些指导性规律。(3)在地震反演仿真实验中选用PSO_BP算法与BP算法进行了综合比较,结合优化的油田实际地震数据,进行实际测井数据和地震波阻抗的反演。证实了PSO_BP算法具有收敛速度快、误差率小、全局寻优能力强的特点,在地震反演预测应用中能够取得较好的效果。文章结尾对PSO_BP算法进行了总结,并对该算法用于地震波阻抗反演的下一步研究进行了展望。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的目的和意义
• 1.2 课题研究的历史和现状
• 1.2.1 地震反演技术发展状况
• 1.2.2 神经网络的研究现状
• 1.2.3 神经网络应用于地震反演的研究现状
• 1.3 论文主要研究内容
• 第二章 地震反演方法研究
• 2.1 地震、测井联合反演的必要性
• 2.1.1 人工地震的概念和特点
• 2.1.2 测井的概念和特点
• 2.1.3 地震数据与测井数据的关系
• 2.2 地震反演方法的原理与技术
• 2.2.1 地震反演方法的基本类别
• 2.2.2 地震反演方法的基本原理
• 2.2.3 地震反演方法的关键技术分析
• 2.3 非线性地震反演的可行性分析
• 第三章 神经网络原理及应用
• 3.1 神经网络相关知识
• 3.1.1 神经网络的特征
• 3.1.2 神经网络的分类
• 3.1.3 神经网络的常用模型
• 3.2 BP神经网络的设计与优化
• 3.2.1 BP神经网络基本原理
• 3.2.2 BP神经网络基本流程
• 3.2.3 BP神经网络优缺点
• 3.2.4 BP算法的优化措施
• 3.3 神经网络在地震反演中的模型设计
• 3.3.1 神经网络在地震反演中的模型结构设计
• 3.3.2 神经网络在地震反演中的软件设计
• 第四章 粒子群优化算法在神经网络中的应用
• 4.1 粒子群优化算法
• 4.1.1 粒子群优化算法原理和流程
• 4.1.2 粒子群优化算法参数选取
• 4.1.3 粒子群优化算法收敛性分析和仿真实验
• 4.1.4 粒子群算法的改进和应用
• BP）'>4.2 基于粒子群优化的神经网络训练算法（PSO_BP）
• BP算法的设计原理'>4.2.1 PSO_BP算法的设计原理
• BP算法的实现流程'>4.2.2 PSO_BP算法的实现流程
• BP算法与BP算法的性能比较'>4.2.3 PSO_BP算法与BP算法的性能比较
• 第五章 基于神经网络的地震反演应用实例
• 5.1 样本的获取和预处理
• 5.1.1 地质特征及勘探概况
• 5.1.2 训练与验证数据的挑选
• 5.1.3 数据归一化
• 5.2 地震反演模型实例分析
• 5.2.1 基于BP神经网络的地震反演模型建立
• 5.2.2 基于BP神经网络的地震反演模型结果分析
• BP与BP神经网络的地震反演模型对比分析'>5.2.3 基于PSO_BP与BP神经网络的地震反演模型对比分析
• 5.2.4 地震反演仿真实验结果分析
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文
• 详细摘要