隨著油氣勘探技術的發(fā)展及復雜油氣藏勘探的需要,近年來疊前地震技術成為地震油氣勘探開發(fā)研究中的研究重點。其中疊前AVO反演,由于能獲得縱橫波速度、密度、其他儲層敏感彈性參數,及儲層特征參數,使得地震反演解釋從定性解釋發(fā)展到定量解釋,疊前AVO反演因此而成為地震反演中的新生力量。由于疊前AVO反演實質為非線性反演,所以,本文開展了具有全局尋優(yōu)能力的智能優(yōu)化算法在疊前AVO非線性反演中的應用研究。本文首先對地球物理反演理論、疊前AVO非線性反演理論基礎及地震反演方法等進行了介紹。并開展了基于貝葉斯理論的疊前AVO反演研究,對基于不同概率密度分布函數的AVO反演目標方程進行了推導,得到不同的反演約束方程�；谠摾碚撗芯�,提出一種新的反演約束方法,即將模型的先驗概率分布用橫向誤差概率密度及縱向模型參數概率密度的乘積表示,新目標方程通過加入測井背景曲線,增加了反演的低頻信息,對提高反演精度及反演結果的橫向連續(xù)性具有明顯效果。本文首先開展了對簡單遺傳算法的研究,并基于簡單遺傳算法進行了自適應改進。由于遺傳算法存在早熟收斂及易陷入局部最優(yōu)解的現象,對單一算法的改進難以有效解決這兩方面的問題,因此本文將...

【文章頁數】：124 頁

【學位級別】：博士

【文章目錄】：
作者簡介
摘要
Abstract
第一章 緒論
    §1.1 選題的目的和意義
    §1.2 選題的國內外研究現狀、發(fā)展趨勢及存在問題
        1.2.1 疊前AVO反演發(fā)展概況
        1.2.2 智能優(yōu)化算法的發(fā)展概況
        1.2.3 智能優(yōu)化算法在反演中面臨的挑戰(zhàn)
        1.2.4 混合智能優(yōu)化算法在反演中的國內外研究進展
    §1.3 主要研究內容及創(chuàng)新點
        1.3.1 主要研究內容
        1.3.2 主要創(chuàng)新點
第二章 AVO非線性反演理論
    §2.1 地球物理反演理論
        2.1.1 反演模型空間構制
        2.1.2 地球物理反演需要解決的問題
        2.1.3 離散線性地球物理反演
    §2.2 疊前AVO非線性反演理論基礎
        2.2.1 疊前AVO反演基本思想
        2.2.2 疊前AVO反演地震學基礎
        2.2.3 地震反演方法介紹
    §2.3 基于貝葉斯理論的疊前AVO反演研究
        2.3.1 貝葉斯AVO反演
        2.3.2 貝葉斯理論介紹
        2.3.3 分布函數及貝葉斯解
    §2.4 本章小結
第三章 基于遺傳算法的疊前AVO非線性反演研究
    §3.1 優(yōu)化問題及優(yōu)化算法
        3.1.1 非線性反演的優(yōu)化描述
        3.1.2 非線性反演算法描述
    §3.2 智能優(yōu)化算法疊前AVO非線性反演基礎
        3.2.1 反演褶積模型
        3.2.2 反演目標函數構制
        3.2.3 反演邏輯框架
    §3.3 簡單遺傳算法疊前AVO非線性反演
        3.3.1 簡單遺傳算法簡介
        3.3.2 簡單遺傳算法步驟及流程
        3.3.3 簡單遺傳算法的實現
        3.3.4 簡單遺傳算法的改進
    §3.4 反演模型試算
        3.4.1 反演實現要點
        3.4.2 層狀均勻介質理論模型
        3.4.3 簡單遺傳算法模型試算
        3.4.4 改進遺傳算法模型試算
        3.4.5 種群多樣性研究
    §3.5 本章小結
第四章 混合智能優(yōu)化算法疊前AVO非線性反演研究
    §4.1 混合優(yōu)化算法
        4.1.1 混合優(yōu)化算法基本思想
        4.1.2 優(yōu)化算法混合方法
        4.1.3 優(yōu)化算法混合策略
        4.1.4 混合遺傳算法基本思想
    §4.2 遺傳模擬退火算法
        4.2.1 基本模擬退火算法
        4.2.2 合遺傳模擬退火算法研究
        4.2.3 遺傳模擬退火算法模型試算
    §4.3 免疫遺傳算法研究
        4.3.1 免疫算法概述
        4.3.2 改進免疫遺傳算法的實現
        4.3.3 免疫遺傳算法流程
        4.3.4 免疫遺傳算法模型試算
    §4.4 本章小結
第五章 協同進化算法疊前AVO非線性反演研究
    §5.1 協同進化算法
        5.1.1 協同進化算法思想
        5.1.2 協同進化算法分類
    §5.2 粒子群優(yōu)化算法
        5.2.1 粒子群算法基本原理
        5.2.2 基本粒子群算法的改進
        5.2.3 改進粒子群算法的實現
    §5.3 遺傳-粒子群協同進化算法
        5.3.1 遺傳-粒子群協同進化算法的提出
        5.3.2 遺傳-粒子群協同進化算法的實現
        5.3.3 遺傳-粒子群協同進化算法模型試算
        5.3.4 遺傳-粒子群協同進化算法評價
    §5.4 本章小結
第六章 智能優(yōu)化算法在碳酸鹽巖縫洞型儲層中的應用
    §6.1 研究工區(qū)概況
        6.1.1 研究工區(qū)地質概況
        6.1.2 研究工區(qū)儲層發(fā)育情況
    §6.2 工區(qū)測井曲線重構及分析
        6.2.1 SN1井測井曲線概況
        6.2.2 神經網絡測井曲線重構
        6.2.3 測井曲線巖石物理分析
    §6.3 地震地質模型試算
        6.3.1 地震正演模擬方法
        6.3.2 地震地質模型反演研究
    §6.4 實際數據應用實例
        6.4.1 實際資料反演流程
        6.4.2 地震數據預處理及子波提取
        6.4.3 實際數據反演研究
    §6.5 本章小結
第七章 結論及展望
致謝
參考文獻



本文編號：3752055