混沌粒子群多波AVA反演.pdf

1、地層巖性參數在油氣檢測和巖性識別中有著非常重要的意義，在地震勘探中，通過振幅特征信息的變化關系式來提取相關巖性參數。相比疊后地震資料，疊前地震資料包含的振幅特征信息豐富得多。因此基于疊前地震資料的AVA反演，提取地層的縱波速度、橫波速度和密度參數的精度比較可靠。由于反演的非線性特征，使得非線性算法在地球物理領域的應用范圍不斷擴大，本文研究了粒子群優(yōu)化算法在多波AVA反演中的應用。
　　反演理論研究離不開正演。在均勻各向同性介質中，

2、根據平面波的傳播的波動方程及其分界面的運動學和動力學條件，可以推導出平面波在分界面的反射、透射系數，也即Zoeppritz方程，它是正演研究的依據，。本文先由理論模型通過Zoeppritz公式及其近似公式正演出P-P波和P-SV波的AVA曲線，同時分別分析了近似公式跟精確公式的偏差關系?；隈薹e模型采用最小相位子波正演出這兩類波的AVA角道集記錄。
　　粒子群優(yōu)化算法(Particle Swarm Optimization，PSO

3、)，是一種群體智能優(yōu)化算法，通過群體間信息共享機制對最優(yōu)目標進行尋優(yōu)搜索。算法首先初始化一組隨機解，并在算法迭代過程中，個體和群體、個體和個體間相互作用來搜索全局最優(yōu)解。由于基本粒子群算法容易陷入局部極值且搜索精度不高，故本文將混沌引入到粒子群優(yōu)化算法用于彌補其不足。混沌系統(tǒng)，是看似隨機且復雜，但內部卻有極強的規(guī)律性的非線性現象。相比隨機搜索，混沌系統(tǒng)具有更大的優(yōu)勢，更有利于算法避免陷入局部最優(yōu)，從而提高了算法的精度。本文分析了Logi

4、stic映射下的混沌狀態(tài)，并將Logistic映射與粒子群算法結合成混沌粒子群算法(CPSO)，通過對各測試函數的測試，其結果表明了該算法的優(yōu)越性。
　　首先對兩層簡單模型進行單一的P-P波、P-SV波及其兩類波聯合反演，結果顯示P-P、P-SV聯合反演的結果的精度均比單一波反演的精度高。其后，采用多層模型進行聯合反演，試驗結果顯示，在層數增多時，反演的參數相應增加，混沌粒子群優(yōu)化算法對其也有較好地優(yōu)勢。在參數給定的不同初始范圍下