[发明专利]粒子群优化算法叠前非线性反演方法

摘要

随着我国经济持续稳定的增长，对能源的需求也持续快速增加，我们将面临石油天然气资源短缺的严峻考验。储层预测是石油勘探生产中的重要研究环节，优质储层的发现需要充分利用地震资料所蕴含的地下地层的构造、岩性等信息，而这些信息往往要通过地震反演得到。但常规反演基于线性简化的模型，并且有较多的人为因素干扰，往往得不到高精度的储层参数。本发明对粒子群优化算法这一课题展开研究，以粒子群优化算法的思想和原理为基础，将左普利茨(Zoeppritz)方程进行推导简化，使其适于粒子群优化算法的求解，然后将粒子群优化算法用于叠前反演。分别对二维理论模型及海上地震资料进行叠前反演取得令人满意的结果。

主权项

本发明利用保幅处理的高分辨率地震资料进行非线性反演，在解决非线性问题的过程中使用了更新的反射系数公式，并使用了粒子群算法进行寻优。这一措施可以减少人为误差，有效的提高反演的精度。本专利使用保幅处理得到的反射角域共反射点道集作为输入，实现上述目的采取的技术方案如下：步骤1：对于地下任意位置，首先给定纵波速度反射系数、横波速度反射系数、密度反射系数、以及横纵波速度比的取值范围，设定最大迭代次数以及种群的大小，给定权重因子和学习因子，设定容许的误差范围。步骤2：对各个粒子的纵波速度反射系数、横波速度反射系数、密度反射系数、以及横纵波速度比用随机数进行初始化，并设定初始速度为零，令粒子的个体最优值与初始值相同，并计算各个粒子的适应度，选择适应度最小的粒子为当前的全局最优解。步骤3：比较当前的全局最优的适应度是否达到了误差容许范围，如果达到误差容许范围就停止计算，输出全局最优为反演结果，否则进入步骤4。步骤4：更新粒子的速度，并用新的粒子速度更新粒子的位置，迭代次数增加一次，若迭代次数超过最大迭代次数，则停止计算，输出全局最优。步骤5：重新计算粒子的适应度，检测各个粒子的适应度是否小于更新前的适应度，若小于则更新粒子的个体最优为粒子更新后的位置。步骤6：比较新的个体最优，选择适应度最小的个体最优作为全局最优，判断全局最优是否达到误差容许范围，达到误差容许范围就输出全局最优为反演结果，否则回到步骤4，直到处理完地下所有计算点。