地球物理非线性反演的方法综述.docVIP

地球物理非线性反演的方法综述 　　摘要:由于数学算法的不同,反演方法被划分为线性反演方法和非线性反演方法。本文,我们对非线性反演方法进行了有益的探讨,并对常用的几种非线性反演方法进行了分析,评价了各种方法的优缺点和适用性。 　　关键词:非线性反演 蒙特卡洛方法 　　中图分类号:P631 文献标识码:A 文章编号:1672-3791(2011)02(c)-0249-01 　　地震反演是一种利用地表观测到的地震资料,以已知的地质、钻井和测井资料为约束,对地下地质结构和岩石性质进行成像的过程。地震反演的主要任务就是综合利用已有的地震、地质和测井等信息,弥补常规地震剖面分辨率低的缺陷,目的是利用地震资料,反推地下的波阻抗或速度信息,进行储层参数估算、储层预测和油藏描述,为油气勘探提供可靠的基础资料。 　　波阻抗反演的发展经历了从简单的地震资料直接反演到地震、测井、地质等多种资料的联合约束反演,从线性反演到非线性反演,从单一纵波阻抗反演到纵横波阻抗弹性反演的过程。由于地震反演问题是一个非线性问题,所以为了得到更高的反演精度和提高反演速度,近年来,许多地球物理学者将神经网络法、模拟退火法、遗传算法等非线性优化方法应用于非线性反演中,使得各类非线性反演方法得到了迅速的发展。 　　1 蒙特卡洛方法 　　我们将反演过程中用随机发生器产生模型、以实现模型全空间搜索的方法统称为蒙特卡洛反演法(Monte Carlo Method,简称MC)。蒙特卡洛法在非线性反演的研究和发展过程中,有着十分重要的作用。 　　蒙特卡洛法可分为传统蒙特卡洛法和现代蒙特卡洛法。传统蒙特卡洛法又称为“尝试法”,其在计算中按一定的先验信息,随机产生大量可选择的模型,并对这些模型进行计算,将其结果与实际观测的结果进行比较,并根据预先给定的先验信息来确定该模型是否正确。现代蒙特卡洛法,如模拟退火法、遗传算法等,它们和传统的蒙特卡洛法不同,不是随机选择模型,而是在一定的原则下,有指导的选择模型,因此我们称它为启发式蒙特卡洛法。 　　由于蒙特卡洛法在反演中必须进行大量的正演模拟和反演计算,收敛速度不可能快,这就大大地增加了计算时间和成本,使它在实际应用中受到了很大的限制。随着地球物理数据的急剧膨胀以及人们对反演结果的期望越来越高,传统的蒙特卡洛法已不适应新形势的要求。当今,新的反演方法不断涌现,传统的蒙特卡洛法已很少有人问津。如今,研究在全空间进行搜索的现代蒙特卡洛法已成国内外地球物理学家的共识。 　　2 模拟退火方法 　　模拟退火方法是对固体退火过程的模拟。物体加热熔化时,其能量增加;降温冷却时,其能量减少。当物体冷却十分缓慢时,物体会形成理想的晶体,其能量出现总体极小;反之,当物体冷却不缓慢时,会成为似稳定的玻璃态物质,其能量出现局部极小。退火过程就是寻找能量总体极小的物体的过程,这个过程和利用最优化原理求解地球物理反演的过程(寻找目标函数的全局最优解)类似,基于此,可以将退火的原理引入地球物理反演中,并称之为模拟退火反演。 　　模拟退火法本质上是一种启发式的蒙特卡洛方法,所以反演是在全空间进行搜索,要求得到全局极小。理论和实践表明,模拟退火法比传统蒙特卡洛法计算效率高,但在进行二维、三维反演时,基于串行的模拟退火算法必须进行成千上万次二维、三维正演,计算时间极长;同时由于高维问题对应的模型空间也比较大,在全空间进行全局搜索时间也比较长。因此,研究基于并行和适用于高维地球物理反问题的模拟退火算法,是模拟退火算法发展方向之一。 　　3 遗传算法 　　遗传算法,也称为基因算法,是模拟自然选择和遗传学理论,依据适者生存原理而建立起来的一种新的全局最优化算法。遗传算法是一种物种从低等向高等逐步寻优和演化的过程,这和在一个特定的模型空间范围内寻找最优模型的反演过程相似,因此,可以将遗传算法用于地球物理反演。 　　遗传算法本质上也是启发式的蒙特卡洛优化过程,它模拟了生物的进化演化过程,是非线性反演方法家族中的核心成员之一。与传统的线性反演方法相比,遗传算法具有:不依赖初始模型的选择、能寻找全局最小点而不陷入局部极小、在反演过程中不用计算雅克比偏导数矩阵等优点。另外,遗传算法具有隐性并行性,是一种群智能演化算法,随着并行计算和集群式计算机技术的发展,该算法将会得到越来越广泛的研究与应用。 　　随着非线性反演算法和线性化反演算法的发展,单一的地球物理资料的反演已无法适应当前形式的要求,将遗传算法与其它线性化反演算法甚至其它非线性反演算法进行结合,进行混合优化反演,是地球物理反演方法未来的研究方向。另外,随着并行计算技术的发展,将具体的地球物理反演问题进行并行化遗传算法反演,将会大大提高遗传算法在进行大型地球物理反演时的计算能力。 　　4 人工神经网络方法