[发明专利]基于量子退火算法的地质统计学随机反演方法及系统

说明书

公开了一种基于量子退火算法的地质统计学随机反演方法及系统。该方法可以包括：步骤1：针对测井数据进行空间结构分析，获得垂向变差函数；步骤2：根据垂向变差函数对地层参数进行序贯高斯随机模拟，获得初始模型；步骤3：通过量子退火算法对初始模型进行优化。本发明将量子退火算法与随机模拟相结合，在提高初始模型质量的同时可加快收敛进程，从而提高收敛速度，使随机反演结果与真实数据相吻合，加大反演结果的可靠性与真实性。

技术领域

本发明涉及地球物理反演领域，更具体地，涉及一种基于量子退火算法的地质统计学随机反演方法及系统。

背景技术

随机反演是地质统计学随机模拟与地震反演的有机结合，常规模拟方法以测井数据作为硬数据，虽然保证了纵向分辨率高的特点，但计算效率低，故往往将地质统计学方法与非线性寻优相结合，以进一步提高计算效率。

一般来说，经典的非线性寻优算法包含模拟退火、遗传算法等。模拟退火算法通过模拟处于熔融状态的物体缓慢降温直至结晶的过程，使得物体最终达到相对平衡的状态，它利用寻找反问题的最小值与获得能量最低的结晶粒子的相似性来进行寻优，具有局部搜索能力强，能快速搜索找到局部极值的特点，但与此同时，它具有易陷入局部极值，从而达不到全局最优的缺点。而一般遗传算法通过对随机产生的初始种群进行选择、交叉和变异，收敛至最优结果要花费大量时间，计算效率低，同时过早收敛也影响着最后结果的收敛性，使反演结果与真实数据不能有效匹配，降低后续地震解释的可靠性。因此需要一种有效的非线性寻优算法，以提高计算效率和可靠性。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

发明内容

本发明提出了一种基于量子退火算法的地质统计学随机反演方法及系统，其将量子退火算法与随机模拟相结合，在提高初始模型质量的同时可加快收敛进程，从而提高收敛速度，使随机反演结果与真实数据相吻合，加大反演结果的可靠性与真实性。

根据本发明的一方面，提出了一种基于量子退火算法的地质统计学随机反演方法。所述方法可以包括：步骤1：针对测井数据进行空间结构分析，获得垂向变差函数；步骤2：根据所述垂向变差函数对地层参数进行序贯高斯随机模拟，获得初始模型；步骤3：通过量子退火算法对所述初始模型进行优化。

优选地，所述步骤1包括：针对所述测井数据的目的层位，统计每口井的采样点的位置和对应的待模拟点的参数值，计算每口井的采样点之间的距离值；设定容忍距离和最大范围距离，对所述距离值进行分组，计算每组对应的所述采样点在所述最大范围距离内的变差值；针对每组对应的所述采样点在所述最大范围距离内的变差值进行拟合，获得所述目的层位的垂向变差函数。

优选地，根据公式(1)计算每组对应的所述采样点在所述最大范围距离内的变差值：

其中，Z(x_i)为在空间中x_i采样点处的变量值，Z(x_i+h)为x_i+h采样点处的变量值，N(h)为距离为h的所有采样点的数目，γ(h)为距离为h时的变差值。

优选地，所述步骤2包括：根据所述垂向变差函数，采用序贯高斯随机模拟算法进行模拟，分别计算采样点与采样点之间协方差值、采样点与待模拟点之间的协方差值；根据所述协方差值计算克里金方程组，获得加权系数，根据所述加权系数对所有采样点进行加权，获得待模拟点变量；根据所有待模拟点变量，获得所述初始模型。