[发明专利]一种混合全局优化算法的叠前地震多参数反演方法

权利要求书

1.一种混合全局优化算法的叠前地震多参数反演方法，其特征在于，包括如下步骤：

步骤1，确定粒子待反演参数的取值范围，设定粒子的数量、最大迭代次数、模拟退火冷却进度表、模拟退火学习项加权系数和多维学习项加权系数；

步骤2，设置各个粒子的初始位置和初始速度，位置包括四个维度：纵波速度、横波速度、密度以及前述三个参数的联合概率密度；

步骤3，反演第k次迭代时，根据粒子的位置计算粒子适应度，其中粒子适应度由观测地震记录与合成地震记录的误差和步骤2所述三个参数的先验约束项构成；所述粒子适应度的表达式为：

其中，为第i个粒子适应度，P_i为第i个粒子位置，E(P_i)为P_i的期望，L为观测数据采样长度，θ为入射角，t为地震记录采样时间，W为震源子波，R为纵波反射系数，D为观测地震记录，σ为纵波速度V_Pi、横波速度V_Si和密度ρ_i这三个参数的协方差矩阵，λ₁、λ₂均为预设定系数，上标T表示矩阵的转置；

步骤4，根据步骤3的粒子适应度，计算各粒子被选择作为模拟退火学习项引导粒子的接收概率，并基于各粒子的接收概率，通过轮盘选择法则确定模拟退火学习项引导粒子；

步骤5，固定每个粒子的横波速度和密度，用所有粒子的纵波速度依次替换每个粒子的纵波速度，并利用联合概率密度公式计算所有粒子的纵波速度对应的联合概率密度，并找出最大联合概率密度；从每个粒子对应的最大联合概率密度中找出最大值及最大值所对应的纵波速度V_Pmax；按同样的方法，找到每个粒子对应的最大联合概率密度中最大值对应的横波速度V_Smax、密度ρ_max；根据V_Pmax、V_Smax和ρ_max，得到多维学习项引导粒子；

步骤6，根据模拟退火学习项引导粒子和多维学习项引导粒子更新各粒子的速度和位置；

步骤7，进行第k+1次迭代，重复步骤3至步骤6，直至达到模拟退火冷却进度表中的终止退火温度和最大迭代次数后，输出粒子适应度最优的粒子。

2.根据权利要求1所述混合全局优化算法的叠前地震多参数反演方法，其特征在于，步骤1所述待反演参数包括纵波速度、横波速度和密度。

3.根据权利要求1所述混合全局优化算法的叠前地震多参数反演方法，其特征在于，步骤1所述模拟退火冷却进度表包括初始退火温度、终止退火温度，温度从初始退火温度开始逐渐降低直至终止退火温度，所有退火温度的个数与最大迭代次数相同，且一次迭代对应一个退火温度。

4.根据权利要求1所述混合全局优化算法的叠前地震多参数反演方法，其特征在于，步骤2所述联合概率密度的表达式为：

其中，f_i为第i个粒子纵波速度V_Pi、横波速度V_Si和密度ρ_i这三个参数的联合概率密度，σ为纵波速度V_Pi、横波速度V_Si和密度ρ_i这三个参数的协方差矩阵，P_i为第i个粒子位置，E(P_i)为P_i的期望，上标T表示矩阵的转置。

5.根据权利要求1所述混合全局优化算法的叠前地震多参数反演方法，其特征在于，步骤4所述接收概率的表达式为：

其中，P_iaccept为第i个粒子的接收概率，为第i个粒子适应度，N为粒子的数量，T_k为第k次迭代的退火温度。

6.根据权利要求1所述混合全局优化算法的叠前地震多参数反演方法，其特征在于，所述步骤6更新公式为：

粒子速度更新公式：

粒子位置更新公式：

其中，d表示粒子的维度，v_i为第i个粒子的速度，k、k-1分别为第k、k-1次迭代，c₁、c₂分别为模拟退火学习项加权系数、多维学习项加权系数，rand₁、rand₂均为[0,1]的随机函数，P_min为模拟退火学习项引导粒子，P_max为多维学习项引导粒子，P_i为第i个粒子位置。