[发明专利]基于改进遗传算法与信息熵的地质统计学随机反演方法

说明书

本发明公开了一种基于改进遗传算法与信息熵的地质统计学随机反演方法，该方法在贝叶斯框架中引入信息熵模型和改进遗传算法，采用改进遗传算法通过对种群进行三种进化操作，可以使反演结果趋于全局最优解，再利用信息熵与MCMC结合，提高反演结果稳定性、降低多解性，有效克服随机反演不稳定性对结果造成的影响，提高反演精度。

技术领域

本发明属于地球物理勘探，特别涉及一种基于改进遗传算法与信息熵的地质统计学随机反演方法。

背景技术

常规确定性反演虽然能够较好地恢复地层信息，反演结果具有横向分辨率高的特点，但是反演结果的分辨率最高只能达到地震数据分辨率。为了提高反演结果精度，提出了将测井信息与地震数据相结合的随机反演方法，常用的方法有基于蒙特卡洛(MCMC)的随机反演方法，基于模拟退火(SA)的随机反演方法等，这些反演方法虽然可以得到分辨率较高的结果，但是结果稳定性较差。因此，我们提出了基于改进遗传算法与MCMC相结合的随机反演方法，以提高反演结果稳定性。

对于地震随机反演，Seok使用地质统计学建立先验信息，然后根据MCMC方法得到目标地层的后验概率分布。张繁昌等以贝叶斯理论为基础，然后通过与地质统计学相结合，从而提出了地震数据约束下的贝叶斯随机反演方法。孙月成等首先通过统计分析得到各自的概率密度函数，然后通过贝叶斯理论得到储层的后验概率分布，最后通过MCMC方法，根据概率分布函数通过Markov链进行抽样，得到正确的结果。孙思敏等使用基于模拟退火算法的地质统计学反演方法，主要分为两步，序贯随机模拟与优化随机模拟结果。上述随机反演方法虽然能够得到分辨率较高的反演结果，但是由于反演方法的随机性，每次反演结果都有随机误差，从而结果的稳定性较差。

针对遗传算法，魏彤等在传统遗传操作算子中引入了插入算子和删除算子，并通过改进适应度函数中来计算每条候选路径各自的适应度值，最后求得适应度值最高的路径作为当前最优路径。宋莹莹等针对遗传算法交叉操作，引入了一种新的交叉算子和替换操作:尽可能让交叉算子能够扩大搜索范围，从而加快算法收敛；替换操作涉及到个体的适应度与贡献率,替换操作采用方波函数，进行周期性的替换操作，目的是为了增大种群多样性。向才辉针对常规遗传算法中遗传算子存在的缺陷，对遗传算子进行相应的改进与优化，提高遗传算子搜索和收敛能力。

发明内容

本发明的主要目的在于提供一种基于改进遗传算法与信息熵的地质统计学随机反演方法，旨在解决既有方法存在的随机反演稳定性差、反演结果精度不高等技术问题。

为实现上述目的，本发明提供一种基于改进遗传算法与信息熵的地质统计学随机反演方法，包括以下步骤：

S1、对地质统计学建模结果进行编码操作；

S2、采用地质统计学随机建模方式进行种群初始化；

S3、针对每个种群，根据地层参数后验概率分布的目标函数计算种群内个体适应度，并且挑选出适应度最高的种群以及其对应种群标号，根据该标号选择出当前最优种群；

S4、设定变异策略对步骤S3选择的最优种群进行变异操作；

S5、选择二项交叉方式对步骤S4的变异结果进行交叉操作；

S6、利用地层参数后验概率分布的目标函数对每个种群进行选择操作；

S7、对步骤S6的选择结果进行MCMC信息熵反演操作，得到最优反演结果。

进一步地，所述步骤S2采用地质统计学随机建模方式进行种群初始化表示为：

其中，X_i,j(0)表示第i个种群中第j个个体的初始化值，i表示种群中个体序号，j表示个体i的维度，m_ini表示由地质统计学求得的地层参数分布，v_ini表示由地质统计学求得的对应位置的方差值，e_Gauss表示高斯随机数。