基于遗传算法的叠前地震波形反演构建虚拟井曲线.pdfVIP

维普资讯 基于遗传算法的叠前地震波形 反演构建虚拟井曲线。 罗文造 杨绍国 王英 民 (1．广州海洋地质调查局 广州 510760；2．成都理工大学 成都 610059； 3．中国石油大学 (北京) 北京 102200) 摘 要 叠前地震波形反演能够提供详细的地下地层特征 ，但 由于其计算量大、数据和模型 之间的非线性、目标函数的多极值和反演结果的多解性使叠前地震反演的实施成为一大难点。 本文通过叠前和叠后混合反演技术采用遗传算法实现了深海无井地震反演。遗传算法思想简 单、易于实现和使用、具有隐含并行性和全局搜索能力等优点，基于遗传算法的叠前地震波 形反演得到了与井中实际数据基本吻合的速度和密度数据。 关键词 叠前反演 遗传算法 虚拟井 1 前 言 地震反演分为叠前反演和叠后反演。一般叠前反演方法所得到的物理特性与叠后反演 方法相比提供了更详细的地下地层特征。叠前反演分辨率高，但速度慢、稳定性差，现处 于研究阶段，距大规模生产应用还有一定距离。叠后反演虽然分辨率要低一些，但速度 快、稳定性好，可满足大规模生产应用的需要。 叠前地震波形反演所面临的难题在于：①计算量和数据量非常庞大；②数据和模型之 间高度非线性；③ 目标函数具有多个极小值；④反演结果具有多解性，可能存在多个模型 与地震数据匹配 良好 (Sen等，1991)。非线性、非唯一性和大计算量交织在一起，使叠 前地震波形反演的难度很大。但它对储层岩性和所含流体的高分辨率，对油气勘探开发技 术研究人员来说具有较大的吸引力。针对叠前地震波形反演所面临的难题，近十年来，有 许多地球物理工作者进行了大量的探索，取得了重要的研究成果，这些进展基本上解决了 叠前地震波形反演所面临的高度非线性和局部极小值问题；但对非唯一性和大计算量的问 题没得到很好解决。为此，有些学者采用了一种折中的办法，即叠前和叠后混合反演的办 法，首先在一些控制点进行精细的叠前地震波形反演构建虚拟井曲线，然后以虚拟井作为 控制信息进行叠后反演 (Mallick，2000)。叠前和叠后混合反演的办法利用了叠前反演分 辨率高，叠后反演速度快、稳定性好的优点，克服了各自的缺点，成为 目前的一个研究亮 。 国家 “863”项 目资助，编号：2003AA611010。 第一作者简介：罗文造 ，男，1969年出生，高级工程师，主要从事地球物理技术方法研究。 121 维普资讯 点。特别对于深海无井的情况，具有很好的应用前景。本文采用叠前和叠后混合反演的办 法实现深海无井地震反演，其关键是叠前地震波形反演构建虚拟井 曲线方法的研究。 2 遗传算法基本原理 遗传算法 (GeneticAlgorithm，简称 GA)是美国Michigan大学的JohnH．Holland在 60年代提出的，目的是把 自然界的自适应机理应用于计算机系统的设计。目前，遗传算 法作为一种有效的全局寻优 自适应概率算法，由于其算法思想简单、易于实现、易于使 用、具有隐含并行性和全局搜索能力等优点，且对很多优化问题能够较容易地得到令人满 意的解，在 自适应控制、组合优化、模式识别、机器学习、人工智能、地球物理反演、管 理决策等涉及优化计算问题的领域得到了广泛的应用，且影响越来越大。 尽管遗传算法在解决复杂非线性优化问题中具有独特的优势，但它本身也有局限性， 其突出的一个弱点就是收敛性能差，尤其对于多参数、超大解空间的优化问题，其收敛速 度有时让人很难接受，这在一定程度上制约了GA的使用和发展 (Sen等，1992)。采用 GA求解高维、多约束、多 目标的优化问题仍是一个没有很好解决的课题，它的进展将会 推动GA在许多工程领域的应用。 遗传算法是一种基于 自然选择和基因遗传学原理的随机搜索算法，但又不同于一般随 机搜索算法。它是通过将待寻优的模型空间的参数进行编码，并用随机选择作为工具来引 导搜索过程向着更高效的方向