应用遗传算法联合反演地震——大地电磁测深数据

本文采用遗传算法研究了当地下介质为层状分布时地震－大地电磁（ＭＴ）之间的联合反演问题,在模型试算的基础上,对大庆地区实际资料进行了处理,取得了满意的效果。     

带地形的大地电磁测深联合二维反演

山区大地电磁测深资料主要受地形与浅层电性非均匀体的共同影响,各自的影响一般很难单独分开且有效地进行校正,本文成功地确定了一种将地形与浅层电性非均匀体对大地电磁测深影响同时校正的二维反演方法－带地形的ＴＥ与ＴＭ联合二维反演方法,其具体实施过程可分为ＴＥ与ＴＭ极化曲线的识别,模型的建立和反演三步。经理论模型试算与实际资料处理表明,用该方法对山区大地电磁测深资料处理是适用的,有效的。     

基于遗传算法的波阻抗混合反演

文章提出采用二进制字符串编码、遗传操作为最优保存策略选择、多点交叉和非均匀变异的遗传算法，将线性反演与遗传优化算法组合用于地震资料波阻抗反演。即在获得了线性反演的输出序列后，由它作为选择遗传算法初始种群的产生依据，大大缩小了遗传算法的搜索范围。再由遗传算法的寻优操作，得到满足遗传算法反演目标函数的波阻抗序列，用Ackley实验函数，证明了文章中遗传算法的有效性和收敛性，实现了线性反演算法和遗传算法的波阻抗混合反演。通过理论模型与井旁道的试算处理，表明了基于遗传算法波阻抗混合反演的可行性。     

解域约束下的微地震事件网格搜索法、遗传算法联合反演

网格搜索法具有简单、快速的特点,能够快速确定真解的大概位置,但是真解的确定又易受初至、速度模型等因素的影响,很难掌握。遗传算法对初至的适应程度很高,且全局搜索能力强,但是任意设定搜索范围,则搜索过程会繁琐,费时,且解的可靠性也大大降低。文中针对网格搜索法与遗传算法的上述特点,结合微地震资料的实际情况,在研究利用网格搜索反演方法、遗传算法及解域评价的基础上,提出了解域约束下的微地震事件网格搜索法、遗传算法联合反演方法。讨论了微地震反演中模型建立、初至敏感性、射孔资料等与反演计算相关的问题,提出了解决方案。理论和实际资料对文中反演方法的验证结果表明,无论在精度、速度及稳定性方面,文中方法较单一的搜索法或遗传算法都有明显的改善。     

利用川鱼皮泽地区综合物探方法研究及应用

在我国南方海相碳酸盐岩出露区，开展地球物理勘工作难度大，资料处理、反演解释存在许多需要探索和研究的问题。文中以湖北利川鱼皮泽地区为例，在分析已知地面及井下特性参数基础上，利用几条骨干地震剖面建立地质模式，约束大地电磁（ＭＴ）、电磁阵列剖面（ＥＭＡＰ）和重力反演，开展复杂条件下地球物理资料的综合地质解释。综合解释的结果极大地丰富了工区地质结构信息，为开展盆地区域构造分析、 闭描述与评价提供了大量关心     

大地电磁测深资料遗传算法反演研究及应用

反演是大地电磁测深(MT)的关键环节之一。MT反演是多参数非线性最优化问题,存在多解性;而基于遗传算法的MT反演可提高非线性解的唯一性,它只需要问题的正演公式及给定参数的范围,不需求导数,也不要求有良好的初值,具有抗干扰能力强、拟合度高等优点,而且遗传算法作为一种非线性全局优化方法能在全局范围内搜索最优解。通过建模,在正演的基础上进行了反演研究,得到的结果与模型基本一致。在此基础上,运用遗传算法反演对实测资料进行了处理,效果较好。     

瞬变电磁测深法在大地电磁测深曲线静校正中的应用

针对大地电磁测深中视电阻率曲线的静态畸变问题，作者提出了用瞬变电磁测深校正ＭＴ曲线静态位移的方法技术，并利用此技术在塔里木盆地北部开展了ＭＴ实测资料的静校研究，通过对静校前后ＭＴ资料的解释对比分析，说明了用ＴＥＭ法校正ＭＴ曲线静态位移的有效性。     

基于BP网络和遗传算法的波阻抗混合反演

针对BP网络和遗传算法（GA）波阻抗反演精度较低且效率不高等问题，提出一种基于BP网络和遗传算法的混合波阻抗反演方法。该方法利用BP算法计算出一定精度的波阻抗初始模型后，再利用改进的遗传算法对该初始模型进行迭代反演，可得到精度更高的反演结果。BP-GA混合波阻抗反演算法简化了二进制的编码解码过程，对BP和GA进行了优化，在保证一定精度的条件下提高了收敛速度，分别用不同子波、不同初始模型和不同噪声试验了该方法的效果，并用实际资料验证了该算法的有效性。     

MT资料的噪声源分析及减小观测噪声的措施

根据多年来大地电磁测深法 （ＭＴ） 野外资料采集的经验, 讨论了ＭＴ观测资料的噪声源, 着重分析了工业交流电对ＭＴ观测资料的影响。提出了压制噪声的一些具体措施, 从测量装置着手, 将人为差错和测量装置本身引入的噪声减少到最低限度。对工业交流电这一主要干扰源, 视具体情况采用挪点、旋转电道和磁道的布设方向、电磁屏蔽、十字型对称布极、远参考或互参考测量方法以及在资料处理时采用压制噪声的Ｒｏｂｕｓｔ处理方法等措施来压制噪声。这些措施在一定程度上能有效提高信噪比,改善ＭＴ野外观测资料的质量, 增强ＭＴ勘探的应用效果。     

遗传算法在测井信息处理中的应用

遗传算法是一种全局寻优的智能搜索方法,适用于离散问题、非线性问题以及无特定函数关系的复杂储层参数优化;在地震资料处理中,遗传算法可用于剩余静校正的估计、AVO反演、各向异性参数反演、波阻抗反演等方面;在测井信息处理中,遗传算法可用于地层划分与对比、流体识别、储层物性参数估算、水淹层识别、沉积微相识别等。将遗传算法引入到测井信息处理中,能有效推进地球物理勘探中有关地质问题的解决。     

改进的布谷鸟MT反演算法

由于大地电磁（MT）数据的反演是高度非线性的,传统的全局优化算法收敛速度慢,且易陷入局部极值。为此,提出一种结合单纯形法的全局布谷鸟算法（ICS）反演MT数据。针对布谷鸟算法（CS）精于探索、疏于开发的特点,引入粒子群算法中的全局最优解,加强算法的局部搜索能力;同时结合单纯形法对较差鸟巢进行改进,进一步提高寻优精度。理论和实测数据反演结果表明,改进后的算法反演结果更稳定,收敛速度更快,求解精度更高。     

基于自适应差分进化算法的MT信号激电信息提取

从MT信号中提取激电信息的研究有助于提高大深度探测技术的勘探精度、深度和范围。针对MT信号激电信息提取中存在的非线性和非凸特征,通过改进混沌自适应差分进化算法中进化参数的自适应策略,提出了一种基于非均匀统计分布的自适应差分进化两阶段最小构造反演方法。一方面该方法利用柯西分布和高斯分布的统计特性自适应获取进化参数F和CR,提高算法的全局搜索能力, 通过记忆以往迭代过程中的优秀进化参数提高算法后期的稳定性;另一方面该方法通过引入第二阶段的反演过程强化极化率对观测数据的影响;通过将正则化参数引入差分进化算法的适应度函数解决反演的多解性问题。对含激电效应的MT一维模型的反演结果表明,本文算法能够较好地重构地电结构和提取激电信息并在加噪环境下具有较强的鲁棒性。与其他非线性算法(混沌自适应差分进化算法,标准差分进化算法和粒子群优化算法)的反演结果对比表明,本文算法具有更为优越的全局搜索能力和较高的反演精度,适于微弱激电信息的提取。     

一维大地电磁测深几种反演算法的比较研究

大地电磁反演算法主要分为线性与非线性两类。马奎特法、遗传算法以及模拟退火是其中具有代表性的算法。本文将三种方法的反演过程、结果及理论进行了对比研究，指出各自的优点与局限性，以及使用时应注意的相应条件。研究表明，马奎特法寻找目标函数全局最优的能力较差，只能局部寻优，但运算速度快；模拟退火法和遗传算法寻找目标函数全局最优的能力较强，但运算速度较慢。当对地下地电参数预先有一定程度了解，又可以选取比较合理的初始解时，可选择马奎特法，否则宜选用其他非线性全局寻优能力强的反演方法。     

双种群人工蜂群算法及其在MT和重力联合反演中的应用

基于非线性优化算法的联合反演具有全局寻优、无需求偏导数、便于先验信息融入等优点。人工蜂群（ABC）算法是一种较新颖的非线性优化算法,具有独特的角色转换机制,在求解优化问题上有较强的寻优性能,但该算法也存在着搜索效率不高、局部搜索能力弱等问题。基于双种群架构可有效提高优化算法全局寻优能力。基于此,笔者提出一种双种群架构ABC算法,将交叉变异操作和最优解邻域搜索融入不同种群,选择典型的测试函数验证了改进ABC算法的有效性,并将其应用于大地电磁测深（MT）和重力数据的联合反演。模型试验和实测数据处理结果表明,双种群ABC算法具有较高的寻优能力和一定的实用性。     

基于并行回火技术优化的大地电磁数据贝叶斯变维反演

传统的梯度类线性化反演方法虽然广泛应用于大地电磁数据的处理,但此类方法存在结果依赖初始模型、无法对解进行不确定性分析等问题。为了解决上述问题,基于随机反演理论,将反演参数看成随机变量,利用贝叶斯变维反演方法对一维大地电磁数据进行反演,获得了解的后验分布,并给出了解的不确定性分析;为了加速反演收敛,引入并行回火技术,同时运行不同温度的马尔科夫链,使采样过程可以在不同温度的马尔科夫链之间进行交换;最后对含噪的理论模型进行反演,并与传统贝叶斯变维方法进行对比,验证了并行回火技术对算法的改进是有效的。     

地球物理反演中的高效混沌优化改进算法

混沌方法已成为一种新颖且有潜力的优化工具。之前出现的几种基于混沌优化改进算法，其改进的核心就是在混沌优化搜索过程中，用已具有一定精度的当前最优解为中心，不断缩小优化变量的搜索区间， 调整、细化参数，使搜索更快、更有效地向最优解收敛。但这些改进算法也存在明显的不足，当搜索起始点选择不合适、遍历区间很大或控制参数选取不合适时，搜索结果很难达到或接近最优解，上述算法也可能需要花费很长的时间才能取得较好的优化性能，同样易再次陷入局部解。针对上述问题，提出一种通过不断初始化初始参数，充分利用混沌的遍历性，无需在迭代中修改搜索空间但又可迅速得到最优解的优化方法，经对几个复杂函数及泊松比反演的测试表明，其方法为快速高效的优化算法，有望在地球物理反演中广泛应用     

���Ż��⾮���͵��Ŵ��㷨ʵ��

遗传算法是具有全局寻伏特点的一种新型最优化方法，它适合于求解非线性优化问题，近年来已经在复杂函数的优化求解、结构优化设计、自适应控制、系统控制、模式识别等领域取得成功应用。文章将遗传算法引入列井最优化解释中，实现了用遗传算法进行最优化测井解释，充分利用遗传算法的全局寻优特点，研究多参数、非线性最优化测井数据处理问题；同时在充分讨论常规遗传算法原理的基础上，针对常规时齐遗传算法的强不收敛性，引入了非时齐遗传算法，从结合整体模拟迟火算法、引入动态记忆宙解决成熟前收敛问题两方面对常规遗传算法作了改进，经正演模型模拟运算和实际测井资料的解释结果表明，经改进后的遗传算法更易于收敛，可以较好地研究多参数、非线性最优化测井资料解释。     

非结构化网格渐进自适应正则化反演算法

以二维大地电磁(Magneto-telluric,MT)为例研究了自适应网格细化正则化反演方法。在反演的初期使用粗网格,通过减少反演单元数的方式降低反问题的不适定性;随着反演的迭代进行,基于网格细化策略对网格进行自适应加密,以提高正则化反演效果;反演过程中,细化网格反演以前一重网格的反演结果作为参考模型与初始模型,保证反演沿正确的方向进行,以提高反演的效果和稳定性。另外,还深入研究了基于模型灵敏度、模型改变量、模型梯度和"边-角"检测四种网格细化方案,对比了它们的特点和自适应反演结果,并通过Hessian矩阵的特征值分布分析了这四种网格细化方案对反演结果的影响。最后,通过理论模型与实测数据反演证明了自适应反演算法的实用性。     

大地电磁测深阶段式自适应正则化反演

如何合理确定正则化因子一直是地球物理反演的研究热点和难点。从提高反演稳定性的角度对正则化因子的选择进行考量,是确定正则化因子取值的新思路。此外,以往的正则化反演研究对非线性优化算法的随机性考虑不足。基于此,以Zhdanov提出的自适应算法为框架,提出了一种新的自适应正则化算法,即阶段式自适应算法,按照“阶段”自适应地调整正则化因子。将此方法分别应用于大地电磁测深（MT）的共轭梯度和差分进化算法（DE）反演。模型试验表明该算法可以提高反演的稳定性,在一定程度上降低衰减因子的影响,而且该算法具有同时适用于线性和非线性优化算法的特点。