同时反演两个三维密度界面的拟神经网络BP算法

两个界面或多界面重力异常的显著特点是异常的不可分离性，即不能简单地根据异常的幅值和水平宽度等数理特点将两个界面或多个界面的异常区分开来，直接用两个三维密度界面的叠加重力异常同时反演两个界面埋深和起伏形态是本文的特色之一，借助于快速正演算法，对界面进行详细的单元划分，使反演结果更为精细，由于采用带输出反馈抑制策略和拟神经网络ＢＰ算法，使本反方法收敛性好，收敛速度快，拟ＢＰ算法借用了神经网络的并行，自     

利用模拟退火算法实现地震叠前反演

讨论了叠前同步反演和模拟退火算法的基本原理,介绍了利用模拟退火算法实现叠前同步反演的技术流程,把实现叠前同步反演分为高保真地震数据处理、共角度道集生成、子波提取和同步反演四大步骤,并重点叙述了模拟退火算法在叠前同步反演中的应用。该方法在苏里格气田砂岩分布及有利含气区预测的应用结果,验证了其有效性,同时表明该方法具有运算速度快、算法稳定、预测效果好等特点。     

混合优化波阻抗反演方法研究

地震反演常用的线性算法具有较快的收敛速度，但是易陷入局部最优解。因此需要引进一些非线性优化算法求解全局最优解。近年来相继出现了模拟退火、遗传算法、禁忌搜索算法和混沌搜索算法等，虽然这些算法具有较强的全局优化性能，但是其计算速度慢，远远不能满足实际生产的要求。如何将上述两类算法结合起来实现优势互补成为了反演中的一个重要课题之一。文章提出的混合优化波阻抗反演方法综合了共轭梯度算法和模拟退火算法的优点，在模拟退火反演框架内加入共轭梯度迭代算法，即在模拟退火反演过程中，当目标函数值满足给定的条件时，进行一定次数的共轭梯度迭代反演，最终以模拟退火反演结果来判断其收敛性。实际计算表明，该方法不仅收敛速度快，而且抗干扰能力强，计算得到的波阻抗剖面能较好的反映地层地质特征。     

解非线性反演问题的新策略

本文提出一种解非线性反演问题的新策略。它首先利用贝叶斯反演理论中的ＭＡＰ方法建立非线性反演问题的线性化迭代格式,然后运用模拟退火算法中有关全局收敛的思想来指导迭代的收敛过程。     

基于极快速模拟退火算法的地层横波各向异性反演

介绍了利用正交阵列偶极子声波测井资料反演地层横波各向异性的计算过程,研究了极快速模拟退火算法在阵列偶极子声波波形反演处理中实现全局寻优的方法。利用基于极快速模拟退火算法自主编制的软件对多口井的正交阵列偶极子声波测井资料进行了处理。结果表明,极快速模拟退火算法无论是在计算精度还是在计算速度上都达到了对阵列偶极子声波进行波形反演的要求,可以用于正交阵列偶极子声波测井资料的实际处理。     

自适应优化参数模拟退火的叠前地震联合反演方法

叠前地震反演是一种地震数据定量处理与解释的重要技术，全局优化算法是叠前地震反演中一种有效的弹性参数估算方法。作为一种主要的全局优化算法，模拟退火算法广泛用于地震数据反演，但该算法涉及的多种优化参数(如初始温度、扰动范围等)对反演结果具有重要影响。模拟退火参数优化主要是通过模型试算进行设置，但此类经验性方法易引入误差，不具备推广性。为此，提出了一种基于自适应优化参数模拟退火的叠前地震联合反演方法。首先，联合贝叶斯线性反演与模拟退火非线性反演方法，通过线性反演结果驱动后续优化参数的估算及先验模型的构建；其次，针对不同地震道的数据差异，逐道计算适用的初始温度及扰动范围，有效提升了算法的适用性及稳定性。合成数据测试及实测资料应用表明，相比常规模拟退火反演方法，该方法的弹性参数反演结果与测井数据的相关系数更高。     

约束模拟退火反演

模拟退火算法的最大优点是可以突破寻优过程中局部最优的限制，所以该方法适用于解决地震反演中普遍存在的非册凸性目标函数的最优化问题。本文讨论了用模拟退火（ＳＡ）法进行地震资料的参数反演以及约束条件对反演过程的控制作用。约束条件包括模型参数取值范围和选择初始模型，加入约束条件提高了模拟退火反演的收敛速度，使反演解更为合理。通过理论模型试算和实际资料试处理，证明该方法精度高，实用性强。     

催化裂化装置的神经元网络自整定PDI控制器

提出催化裂化装置的一种基于神经网络的自整定ＰＩＤ控制器，针对ＢＰ算法收敛速度太慢，提出了误差一次反传播算法，简称ＦＬＡ０－分别提出了基于ＢＰ算法ＦＬＡ的单变量非模型自整定ＰＤＩ控制方法。     

双重神经网络预测储层及油气

由自组织神经网络和ＢＰ网络组成的双重神经网络，能够克服各自单独使用的局限性，可在复杂地区进行储层及油气预测。在ＢＰ网训练时，采用同伦学习算法，可得到全局最优解，且收敛速度很快。实际应用表明，在用自组织神经网络或ＢＰ网络不能进行储层及油气预测的地区，采用双重神经网络能取得很好的效果。     

利用BP神经网络进行测井资料外推

针对在地震资料约束下资料外推的具体问题，修改了ＢＰ网络的能量函数，增加一项反演目标函数，使之作为一项新的能量约束，从而实现用ＢＰ网络自适应地外推测井资料，有机地将ＢＰ网络与地震反演结合起来，本文论述了其理论与算法，并给出了资料处理应用实例，对实际资料的测井速度外推结果表明，此方法处理速度快，稳定性好，可信度高，具有较好的应用前景。     

用于FCC汽油辛烷值预测的非线性数学模型

依据汽油正构烷烃、异构烷烃、烯烃、环烷烃和芳烃(PIONA)的烃组成数据,将催化裂化(FCC)汽油单体烃组成分为37组,利用BP神经网络算法和支持向量机回归(SVR)分别建立了FCC汽油研究法辛烷值对37个变量的非线性数学模型。由MATLAB软件编写程序,利用Levenberg-Marquardt优化算法训练BP神经网络。支持向量机回归模型采用粒子群算法优化支持向量机参数及核函数参数,并采取交叉验证方法防止机器学习的欠学习和过拟合问题。计算结果表明:两种模型都能够较好地反映汽油单体烃组成与辛烷值之间的非线性关系;BP神经网络模型对辛烷值的预测性能好于支持向量机回归模型;增加样本数量,两种方法的预测准确性皆变好;针对40个样本的学习结果,两种模型预测的相对误差绝对值的平均值分别为0.148 7和0.167 4。     

基于BP神经网络处理测斜实验数据的方法

介绍了利用人工神经网络进行测斜仪传感器误差校正的原理，提出了基于BP神经网络的测斜仪传感器(加速度传感器，磁通门传感器)安装误差校正方法，并与其它优化算法校正误差进行了比较，最后给出了一个仿真实例。实验结果表明：采用BP神经网络可以提高网络收敛速度，大大减小传感器线性误差。     

波动方程的余函数反演方法

波速反演实际上是一种波动方程反演方法。目前所见的大部分反演方法都借助于积分方程求解。这方面的研究工作还处于探索阶段。本文以余函数为基础,给出一种新的波动方程反演方法。其基本思想是从波动方程出发,将其中波速视为参数,通过对方程进行傅里叶变换及变数变换,把波动方程化作一阶微分方程组,并对频率一波数域中非线性参数的方程实行变分,从而使方程线性化,然后利用余函数方法进行逐次迭代运算,求得速度参数的最佳估计值。此法运算过程比较简单,用理论模型试算,可得到较为满意的结果。     

王斜119地区沙四段储层预测方法及应用

王斜119地区沙四段为近几年来成功地利用测井约束反演技术进行储层横向预测的典型区块。该区油气藏类型主要以构造－岩性油气藏为主，岩性以灰质、泥质粉细砂岩为主，沙四段储层横向变化大，而且围岩中碳酸盐岩含量较高，砂泥岩速度差异小。因此，为了精确落实该区有利储层展布范围，利用相干技术进行精细、准确的断层落实，利用频率域储层特征曲线匹配技术进行特征曲线重构，从而进行测井约束地震反演、储层预测，经钻探证实该预测方法准确可行，钻探成功率高。     

基于Parker算法的磁性双界面模式正反演研究

Parker界面反演算法中包含了一个不稳定因子——向下延拓算子,导致其不稳定,通常的做法是在反演过程中加入一个低通滤波器以限制高频振荡。这种做法在消除高频假波的同时会对有效信号进行一定的压制,造成反演精度的降低。重新推导了正反演公式,提出了双磁性界面模式正反演公式和解决反演发散问题的方法。双界面模式正反演公式在实际应用中更具合理性和普适性,解决反演发散问题的方法保证了反演过程能够稳定收敛。讨论了算法实现的关键技术和措施,通过模型实验分析算法的精度和可用性,可以发现算法计算精度很高,误差为0.8%～4%,且具有一定抗噪性。用该方法处理中国某地磁测数据,得到较好效果。     

测井—构造约束地震资料目标反演

本文描术字测井和构造形态共同约束下的地震资料目标反演方法。该方法综合了测井约束反演和模型法反演的优点，避免了它们各自的缺点。     

由VSP初至时间反演层速度的算法和误差估计

本文在Redshaw修正的高斯—牛顿算法基础上提出一种根据VSP初至时间反演层速度的算法。文中假定地下结构为水平层状,各层内速度为常数,各层的深度由钻井数据所确定。本质上,该算法是一种模型迭代技术;数学上,则是一个带限制条件的、多因素、非线性最小二乘法优化问题。这类问题通过适当的数学变换,可将带限制条件的最优化问题变换为非限制性最优化问题。对于非线性最优化问题,目前尚无普遍适用的理论来证明其解的存在、唯一性及稳定性;也无法确切估算观测数据存在误差时给反演结果带来的误差。笔者使用线性反演问题的误差理论估算了反演结果的95％可信度区间。通过对合成数据的初至时间和震源～检波器位置分别加入随机误差的方法,研究了数据误差对反演结果的影响。进一步探讨了浅层检波器缺失、地层倾斜、分层深度不正确给反演结果造成的影响。并用合成与实际VSP数据测试了反演方法的性能。对来自同一口井的两套非零偏移距VSP数据反演的结果表明,本文反演方法可为非零偏移距VSP数据的VSP—CDP叠加和偏移成像提供适合的层速度。     

油水分离水力旋流器的人工神经网络模拟

采用改进的BP神经网络模型模拟水力旋流器的油水分离过程。根据水力旋流器的实际生产条件 ,确定旋流器模型设计中的优化神经网络结构为 8- 12 - 12型神经网络。对神经网络的结构进行了优选和分析 ,提出了自适应调节学习率和动量因子的快速BP算法 ,并对激励函数进行了改进。结果表明 ,用改进的BP神经网络模型模拟水力旋流器的分离过程是切实可行的 ,通过旋流器的人工神经网络模拟 ,能够根据旋流器的物性参数和分离期望值 ,预测旋流器的结构参数和操作参数 ,实现旋流器结构参数和操作参数的优化。     

用卡尔曼滤波器估计地震波强度

本文将信号保真作为估值问题,应用卡尔曼滤波方法对不同炮检距上的地震反射记录强度给出一种有效估计。经这种方法处理后可直接产生零炮捡距剖面和其它炮检距道的估值,供波阻抗恢复、速度反演、偏移和AVO分析使用。合成记录和野外记录的算例表明:本方法对记录强度随炮检距变与不变的记录,处理结果均具有相近的保真效果。     

基于统计岩石物理学的直接岩石物理反演

目前,统计岩石物理学已经成为量化地震储层描述的一种新方法。统计岩石物理学把确定性的岩石物理学关系与地质统计学结合起来,利用岩石物理学方程建立起储层参数和地震属性之间的联系,而统计技术被用于描述岩石物性转换时传递的不确定性及其空间变化。传统的结合地震数据的地质统计学方法是采用两步的序贯方法,其局限在于反演的弹性属性必须做油藏模型积分的时深转换。例如,岩石物理反演,由测井曲线建立油藏弹性模型,能够用到反演数据上,并不需要正确解释反演结果的带限属性,而序贯反演的工作流程往往不能够保证最终的油藏模型与地震数据完全一致。本文提出的直接岩石物理学方法,并不采用传统的序贯反演流程,其优势在于将深度转换进程结合到整个反演进程中,采用多尺度和多区域网格,收敛速度快,不确定性大大降低。