本發(fā)明涉及算法優(yōu)化，具體地指一種用于疊前地震數(shù)據(jù)參數(shù)反演的改進(jìn)遺傳算法。
背景技術(shù)：
：地震勘探是利用地震信息進(jìn)行石油勘探的一種方法，由于地震信息可以反映出儲(chǔ)層參數(shù)的變化趨勢(shì)，因此，可以使用該方法來(lái)預(yù)測(cè)儲(chǔ)層參數(shù)。地震數(shù)據(jù)分為疊前和疊后兩種，由于疊前地震數(shù)據(jù)比疊后地震數(shù)據(jù)包含了更多的流體信息，而且疊前反演方法具有結(jié)果穩(wěn)定、分辨率高、可控制性強(qiáng)等明顯優(yōu)勢(shì)，因此近年來(lái)，基于疊前地震數(shù)據(jù)的反演一直是地震勘探領(lǐng)域中的熱門(mén)話(huà)題。avo(amplitudevariationwithoffset)技術(shù)是目前最常用的應(yīng)用疊前資料預(yù)測(cè)油氣的技術(shù)。該技術(shù)能充分利用地震資料信息，已經(jīng)被廣泛的用于油氣檢測(cè)。疊前地震資料中包含許多有用的信息可用于地下油氣狀況的預(yù)測(cè)，其中地震波的縱波速度vp、地震波波的橫波速度vs和巖石的密度ρ這三個(gè)彈性參數(shù)是關(guān)鍵的參數(shù)。這三個(gè)彈性參數(shù)可以側(cè)面反映出地下儲(chǔ)層的含氣飽和度狀況，縱波速度vp與含氣飽和度的關(guān)系是非線(xiàn)性的，密度ρ與含氣飽和度的關(guān)系則是線(xiàn)性的，橫波速度vs可以反映一些巖石特性。因此在判斷地下油氣飽和度時(shí)需要這三個(gè)彈性參數(shù)的變化的信息。疊前地震數(shù)據(jù)參數(shù)的反演需要構(gòu)建合適的目標(biāo)函數(shù)，然后對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化，該目標(biāo)函數(shù)一般是非線(xiàn)性的。當(dāng)使用線(xiàn)性或擬線(xiàn)性的方法來(lái)求解該問(wèn)題時(shí)，由于這些方法存在對(duì)初始模型依賴(lài)較強(qiáng)等缺陷，若初始模型選擇有誤，就會(huì)導(dǎo)致反演結(jié)果不可靠；尤其在對(duì)具有多參數(shù)、多極值等特性的非線(xiàn)性反演問(wèn)題進(jìn)行求解時(shí)，這些線(xiàn)性反演方法便遇到了瓶頸。針對(duì)于傳統(tǒng)三參數(shù)反演問(wèn)題，橫波波速、縱波波速這兩項(xiàng)往往能反演的很好，但是密度項(xiàng)卻很差，這也是一個(gè)亟待解決的問(wèn)題。同樣在反演過(guò)程中，存在著反演出的振幅地震數(shù)據(jù)和實(shí)際振幅地震數(shù)據(jù)十分?jǐn)M合，但是反演出的彈性參數(shù)與實(shí)際彈性參數(shù)存在較大誤差的情況也就是彈性參數(shù)之間的相關(guān)系數(shù)很低，這同樣也是一個(gè)亟待解決的問(wèn)題。遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型，是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。遺傳算法是從代表問(wèn)題可能潛在的解集的一個(gè)種群開(kāi)始的，而一個(gè)種群則由經(jīng)過(guò)基因編碼的一定數(shù)目的個(gè)體組成。每個(gè)個(gè)體實(shí)際上是染色體帶有特征的實(shí)體。染色體作為遺傳物質(zhì)的主要載體，即多個(gè)基因的集合，其內(nèi)部表現(xiàn)(即基因型)是某種基因組合，它決定了個(gè)體的形狀的外部表現(xiàn)，如黑頭發(fā)的特征是由染色體中控制這一特征的某種基因組合決定的。因此，在一開(kāi)始需要實(shí)現(xiàn)從表現(xiàn)型到基因型的映射即編碼工作。由于仿照基因編碼的工作很復(fù)雜，我們往往進(jìn)行簡(jiǎn)化，如二進(jìn)制編碼，初代種群產(chǎn)生之后，按照適者生存和優(yōu)勝劣汰的原理，逐代演化產(chǎn)生出越來(lái)越好的近似解，在每一代，根據(jù)問(wèn)題域中個(gè)體的適應(yīng)度大小選擇個(gè)體，并借助于自然遺傳學(xué)的遺傳算子進(jìn)行組合交叉和變異，產(chǎn)生出代表新的解集的種群。這個(gè)過(guò)程將導(dǎo)致種群像自然進(jìn)化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個(gè)體經(jīng)過(guò)解碼，可以作為問(wèn)題近似最優(yōu)解。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問(wèn)題是提供利用地震記錄對(duì)彈性參數(shù)進(jìn)行反演計(jì)算的用于疊前地震數(shù)據(jù)參數(shù)反演的改進(jìn)遺傳算法。本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案如下：一種用于疊前地震數(shù)據(jù)參數(shù)反演的改進(jìn)遺傳算法，包括如下步驟：s1、對(duì)油田地下儲(chǔ)層測(cè)井區(qū)域進(jìn)行采樣，獲取至少兩個(gè)測(cè)井采樣點(diǎn)數(shù)據(jù)，獲取至少兩組彈性參數(shù)；對(duì)所述油田地下儲(chǔ)層測(cè)井區(qū)域與所述至少兩個(gè)測(cè)井采樣點(diǎn)對(duì)應(yīng)的地震記錄采樣點(diǎn)進(jìn)行地震勘探，獲取至少一組實(shí)際地震記錄；s2、運(yùn)用所述彈性參數(shù)進(jìn)行迭代運(yùn)算，更新彈性參數(shù)；s3、通過(guò)s2計(jì)算得到的彈性參數(shù)計(jì)算對(duì)應(yīng)的地震記錄計(jì)算值，并與所述s1中的實(shí)際地震記錄比較，得到驗(yàn)證計(jì)算結(jié)果；s4、當(dāng)驗(yàn)證計(jì)算結(jié)果小于閾值時(shí)，驗(yàn)證成功得到所述彈性參數(shù)的反演結(jié)果；當(dāng)驗(yàn)證計(jì)算結(jié)果大于或者等于閾值時(shí)，驗(yàn)證失敗則返回s2。進(jìn)一步地，所述s2中通過(guò)實(shí)數(shù)型編碼的遺傳算法對(duì)所述彈性參數(shù)進(jìn)行迭代運(yùn)算，所述遺傳算法中初始種群中的個(gè)體的基因位的數(shù)值根據(jù)所述s1中獲取的若干組彈性參數(shù)在預(yù)設(shè)范圍內(nèi)上下浮動(dòng)生成；所述遺傳算法中個(gè)體適應(yīng)度通過(guò)所述驗(yàn)證計(jì)算結(jié)果進(jìn)行計(jì)算。進(jìn)一步地，每一組所述彈性參數(shù)均包括地震波縱波速度vp、地震波橫波速度vs和巖石密度ρ。進(jìn)一步地，所述s1中對(duì)所述油田地下儲(chǔ)層測(cè)井區(qū)域進(jìn)行采樣，獲取n+1個(gè)測(cè)井采樣點(diǎn)的共n+1組彈性參數(shù)：[vpiwell，vsiwell，ρiwell]，(其中i＝1,2…,n+1，n為正整數(shù))；對(duì)所述油田地下儲(chǔ)層測(cè)井區(qū)域中進(jìn)行地震勘探獲取與所述n+1個(gè)測(cè)井采樣點(diǎn)對(duì)應(yīng)的n個(gè)地震記錄采樣點(diǎn)的m種不同角度的實(shí)際地震記錄如下：[s(θi,j)](其中i＝1,2…,n；j＝1,2…m，m為正整數(shù))。進(jìn)一步地，所述遺傳算法中的每個(gè)個(gè)體為長(zhǎng)度為3n+3的實(shí)數(shù)型一維數(shù)組；初始種群中的個(gè)體中每個(gè)元素的值根據(jù)所述s1中獲取的n+1組共3n+3個(gè)彈性參數(shù)在預(yù)設(shè)范圍內(nèi)上下浮動(dòng)隨機(jī)選取。進(jìn)一步地，所述初始種群的個(gè)體中的前三個(gè)元素的值根據(jù)所述s1中測(cè)井獲取的第一組彈性參數(shù)上下浮動(dòng)隨機(jī)選??；所述初始種群的個(gè)體中的第四個(gè)元素至最后一個(gè)元素的值按如下約束隨機(jī)選?。哼M(jìn)一步地，通過(guò)s2計(jì)算得到的彈性參數(shù)以及角度運(yùn)用zoeppritz方程式計(jì)算對(duì)應(yīng)的地震記錄計(jì)算值：[s'(θi,j)](其中i＝1,2…,n；j＝1,2…m)。進(jìn)一步地，所述驗(yàn)證計(jì)算結(jié)果的計(jì)算方式如下：進(jìn)一步地，通過(guò)s2計(jì)算得到的彈性參數(shù)以及角度運(yùn)用zoeppritz方程式中的aki&richard近似方程計(jì)算對(duì)應(yīng)的地震記錄計(jì)算值。本發(fā)明利用疊前地震的理論模型，建立彈性參數(shù)與地震記錄之間的相關(guān)關(guān)系，彈性參數(shù)通過(guò)模型正演計(jì)算得到地震記錄；測(cè)井獲取初始的彈性參數(shù)，運(yùn)用遺傳算法對(duì)彈性參數(shù)不斷迭代，不斷將新得到的彈性參數(shù)進(jìn)行正演與地震記錄比對(duì)，使正演獲取的地震記錄無(wú)限逼近實(shí)際地震記錄，以最終獲取精確的彈性參數(shù)值。附圖說(shuō)明圖1為本發(fā)明用于疊前地震數(shù)據(jù)參數(shù)反演的改進(jìn)遺傳算法流程示意圖(形式一)；圖2為本發(fā)明用于疊前地震數(shù)據(jù)參數(shù)反演的改進(jìn)遺傳算法流程示意圖(形式二)；圖3為本發(fā)明中于疊前地震數(shù)據(jù)參數(shù)反演的改進(jìn)遺傳算法的正演結(jié)果圖。圖4為本發(fā)明中于疊前地震數(shù)據(jù)參數(shù)反演的改進(jìn)遺傳算法的中交叉運(yùn)算示意圖。具體實(shí)施方式以下結(jié)合附圖對(duì)本發(fā)明的原理和特征進(jìn)行描述，所舉實(shí)例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。如圖2所示，本發(fā)明包括如下步驟，s1、對(duì)油田地下儲(chǔ)層測(cè)井區(qū)域進(jìn)行采樣，獲取至少兩個(gè)測(cè)井采樣點(diǎn)數(shù)據(jù)，獲取至少兩組彈性參數(shù)；對(duì)所述油田地下儲(chǔ)層測(cè)井區(qū)域與所述至少兩個(gè)測(cè)井采樣點(diǎn)對(duì)應(yīng)的地震記錄采樣點(diǎn)進(jìn)行地震勘探，獲取至少一組實(shí)際地震記錄；s2、運(yùn)用所述彈性參數(shù)進(jìn)行迭代運(yùn)算，更新彈性參數(shù)；s3、通過(guò)s2計(jì)算得到的彈性參數(shù)計(jì)算對(duì)應(yīng)的地震記錄計(jì)算值，并與所述s1中的實(shí)際地震記錄比較，得到驗(yàn)證計(jì)算結(jié)果；s4、當(dāng)驗(yàn)證計(jì)算結(jié)果小于閾值時(shí)，驗(yàn)證成功得到所述彈性參數(shù)的反演結(jié)果；當(dāng)驗(yàn)證計(jì)算結(jié)果大于或者等于閾值時(shí)，驗(yàn)證失敗則返回s2。下面對(duì)本發(fā)明的各步驟進(jìn)行詳細(xì)說(shuō)明：疊前地震數(shù)據(jù)的反演問(wèn)題：如圖1所示，本發(fā)明中首先通過(guò)對(duì)油田地下儲(chǔ)層測(cè)井區(qū)域進(jìn)行采樣，獲取n+1個(gè)測(cè)井采樣點(diǎn)的共n+1組彈性參數(shù)，其中也可通過(guò)相關(guān)地質(zhì)區(qū)域的勘測(cè)結(jié)果或經(jīng)驗(yàn)值計(jì)算得到彈性參數(shù)的初始估計(jì)值(并通過(guò)實(shí)際地震記錄對(duì)彈性參數(shù)的初始估計(jì)值進(jìn)行修正)：[vpi，vsi，ρi]，(其中i＝1,2…,n+1)；對(duì)所述油田地下儲(chǔ)層測(cè)井區(qū)域進(jìn)行地震勘探獲取與所述n+1組彈性參數(shù)對(duì)應(yīng)的n個(gè)地震記錄采樣點(diǎn)m種不同角度的實(shí)際地震記錄如下：[s(θi,j)](其中i＝1,2…,n；j＝1,2…m)。通過(guò)上述方式即獲得s1中所述彈性參數(shù)以及實(shí)際地震記錄。若干個(gè)采樣點(diǎn)中，相鄰上下兩層測(cè)井采樣點(diǎn)(采樣點(diǎn)通常設(shè)置在不同高程，采樣點(diǎn)密度越高數(shù)據(jù)越精確)對(duì)應(yīng)一個(gè)地震記錄采樣點(diǎn)，因此n+1個(gè)測(cè)井采樣點(diǎn)對(duì)應(yīng)n個(gè)地震記錄采樣點(diǎn)，且每個(gè)地震記錄采樣點(diǎn)可采用若干不同角度，當(dāng)采用m種不同角度時(shí)，則獲取共nm組實(shí)際地震記錄。本發(fā)明的宗旨就在于通過(guò)實(shí)際地震記錄對(duì)彈性參數(shù)進(jìn)行修正，即通過(guò)地震記錄對(duì)彈性參數(shù)進(jìn)行反演。反演利用彈性參數(shù)與地震記錄在zoeppritz方程式中存在著相互對(duì)應(yīng)的關(guān)系；反演的實(shí)質(zhì)是無(wú)數(shù)次正演，即通過(guò)擬合得到的彈性參數(shù)計(jì)算對(duì)應(yīng)的地震記錄，與地震記錄進(jìn)行比對(duì)。由于zoeppritz方程式較為復(fù)雜，本發(fā)明采用的是zoeppritz方程式中的aki&richard近似方程：建立反演褶積模型：建立反演褶積模型是進(jìn)行疊前avo彈性參數(shù)反演的主要步驟之一，建立褶積模型主要有以下幾個(gè)步驟：第一，計(jì)算反射系數(shù)rpp。本發(fā)明使用aki&rechard近似方程計(jì)算rpp：其中，δvp，δvs，δρ分別表示相鄰上下兩層vp、vs和ρ的之間的差值，而和表示上下層vp、vs和ρ的平均值，θ為角度，根據(jù)實(shí)際數(shù)據(jù)計(jì)算得出，根據(jù)該公式可以獲得rpp，作為地震記錄褶積運(yùn)算的一個(gè)分量。第二，獲取地震子波。地震子波是地震記錄褶積模型的另一個(gè)分量，通過(guò)將子波與反射系數(shù)做褶積運(yùn)算得到地震記錄，適用于建立正演模型和制作合成地震道記錄，本發(fā)明使用的是雷克子波，是一種零相位的地震子波，其表達(dá)式如下：其中vm表示主頻，t表示時(shí)間，可以手動(dòng)設(shè)置。通常是根據(jù)實(shí)際地震記錄提取出來(lái)的，是一組定值。第三，將反射系數(shù)與雷克子波進(jìn)行褶積運(yùn)算，方程式如下：s(θ)＝rpp(θ)*f(t)+n(t)其中f(t)表示地震子波，n(t)表示噪聲。在本發(fā)明中不考慮噪聲因素。計(jì)算出的s(θ)用來(lái)構(gòu)建目標(biāo)函數(shù)。這里rpp與雷克子波進(jìn)行褶積運(yùn)算的過(guò)程中，各個(gè)角度是單獨(dú)計(jì)算的，沒(méi)有關(guān)聯(lián)的。如圖3所示，可以看到8個(gè)角度的地震記錄。由于整個(gè)地震記錄的計(jì)算的核心是通過(guò)計(jì)算反射系數(shù)rpp，而每個(gè)角度每層采樣點(diǎn)對(duì)應(yīng)的rpp的計(jì)算是通過(guò)上下兩層三個(gè)彈性參數(shù)的平均值以及下層減去上層數(shù)據(jù)的差值求得的，而平均值又等于上層數(shù)值加上1/2的差值，由此可以看出，rpp完全可以由上層彈性參數(shù)和差值表示，并且可以看出差值在公式中占據(jù)主導(dǎo)地位。通過(guò)上述的建立反演褶積模型的過(guò)程，完成了正演，即完成了s3中所述的通過(guò)彈性參數(shù)可以計(jì)算得到對(duì)應(yīng)的地震記錄計(jì)算值的過(guò)程：[s'(θi,j)](其中i＝1,2…,n；j＝1,2…m)遺傳算法的基本策略：s2中的迭代運(yùn)算通常采用遺傳算法對(duì)彈性參數(shù)進(jìn)行迭代更新。遺傳算法中的每個(gè)個(gè)體采用為長(zhǎng)度為3n+3的實(shí)數(shù)型一維數(shù)組；初始種群中的個(gè)體的中每個(gè)元素的值根據(jù)所述s1中獲取的n+1組共3n+3個(gè)彈性參數(shù)上下浮動(dòng)隨機(jī)選取。而遺傳算法中個(gè)體適應(yīng)度則是通過(guò)zoeppritz方程式計(jì)算遺傳算法迭代得到的新彈性參數(shù)與實(shí)際地震記錄的吻合性來(lái)計(jì)算。以地震記錄采樣點(diǎn)n＝240，角度m＝8為例，現(xiàn)有的遺傳算法采用如下方式進(jìn)行初始種群個(gè)體的取值，每個(gè)個(gè)體呈如下形式：gi＝(vp1,vs1,ρ1,vp2,vs2,ρ2,…,vpn+1,vsn+1,ρn+1),n＝1,2,…,243遺傳算法的傳統(tǒng)初始化策略：初始個(gè)體中每個(gè)元素即每個(gè)基因位的采用如下約束：0.8·vpwell≤vp≤1.2·vpwell0.8·vswell≤vs≤1.2·vswell0.9·ρwell≤ρ≤1.1·ρwell由于隨機(jī)在該閾值范圍內(nèi)生成彈性參數(shù)，可能會(huì)出現(xiàn)，上層彈性參數(shù)在區(qū)間最左側(cè)(即取最小值)，下層彈性參數(shù)在區(qū)間最右側(cè)(即取最大值)，因此可能會(huì)導(dǎo)致上下兩層的彈性參數(shù)產(chǎn)生的差值誤差較大，并且通過(guò)左右震蕩幅度比較大，導(dǎo)致計(jì)算出的rpp不夠精確，進(jìn)而導(dǎo)致計(jì)算出的地震記錄誤差較大。遺傳算法的改進(jìn)的初始化策略：由于傳統(tǒng)的初始化策略存在不夠精確的問(wèn)題，通過(guò)改進(jìn)初始化操作來(lái)加快算法收斂，初始化操作是根據(jù)測(cè)井?dāng)?shù)據(jù)得到的一系列彈性參數(shù)求得的閾值，在閾值范圍內(nèi)隨機(jī)選取的，根據(jù)測(cè)井?dāng)?shù)據(jù)可以得到一系列上下層彈性參數(shù)的差值，然后對(duì)彈性參數(shù)的差值設(shè)定閾值，在差值閾值范圍內(nèi)隨機(jī)選取的，如下所示：遺傳算法中初始種群的個(gè)體中的前三個(gè)元素的值根據(jù)所述s1中測(cè)井獲取的第一組彈性參數(shù)上下浮動(dòng)隨機(jī)選?。怀跏挤N群的個(gè)體中的第四個(gè)元素至最后一個(gè)元素的值，引入相鄰測(cè)井采樣點(diǎn)的彈性參數(shù)之間的差值δvpi、δvsi，δρi，并按如下約束隨機(jī)選?。哼m應(yīng)度計(jì)算：對(duì)遺傳算法中的各個(gè)體的適應(yīng)度，通過(guò)將該個(gè)體中各元素的代表的彈性參數(shù)的值進(jìn)行正演，計(jì)算對(duì)應(yīng)的地震記錄，并對(duì)若干組地震記錄與實(shí)際地震記錄比較，計(jì)算驗(yàn)證計(jì)算結(jié)果作為適應(yīng)度，同時(shí)也為s3中將地震記錄計(jì)算值與實(shí)際地震記錄進(jìn)行比較，得到驗(yàn)證計(jì)算結(jié)果的過(guò)程：驗(yàn)證計(jì)算結(jié)果的計(jì)算方式如下：交叉操作：因?yàn)楸景l(fā)明是基于實(shí)數(shù)編碼的，單純使用單點(diǎn)交叉方法，算法的搜索能力較弱，所以本發(fā)明采用一種更加適合實(shí)數(shù)編碼的交叉算子，使用算術(shù)交叉策略，該策略通過(guò)兩個(gè)個(gè)體的線(xiàn)性組合，生成兩個(gè)新的個(gè)體，λ為[0,1]區(qū)間的隨機(jī)分布數(shù)。表達(dá)式如下：child1＝λ×parent2+(1-λ)×parent1child2＝λ×parent1+(1-λ)×parent2假設(shè)λ為0.3，對(duì)父代個(gè)體中的一個(gè)基因位進(jìn)行交叉，則子代個(gè)體對(duì)應(yīng)的基因位的值如圖4所示。變異操作：使用了一種適用于該研究課題的非均勻、自適應(yīng)的變異操作。首先隨機(jī)選出需要變異的基因v，取值范圍為[bound1,bound2]，在進(jìn)行變異操作時(shí)，假設(shè)當(dāng)前進(jìn)化代數(shù)為pi，種群最大進(jìn)化代數(shù)為p，該范圍為算法開(kāi)始前給定，假設(shè)v1，v2分別為：v1＝v-bound1v2＝bound2-v變異開(kāi)始，首先生成一個(gè)隨機(jī)數(shù)λ：當(dāng)λ＞0.5時(shí)，對(duì)進(jìn)行變異的基因執(zhí)行以下操作：vnew＝v+δv當(dāng)λ＜0.5時(shí)，對(duì)進(jìn)行變異的基因執(zhí)行以下操作：vnew＝v-δv遺傳算法小結(jié)：實(shí)驗(yàn)中，最基礎(chǔ)的遺傳算法(這里簡(jiǎn)稱(chēng)bga)的種群初始化選擇傳統(tǒng)策略，選擇操作采用的是輪盤(pán)賭選擇，交叉操作采用的是單點(diǎn)交叉，變異操作采用的是非均勻、自適應(yīng)的變異操作。改進(jìn)的遺傳算法的的種群初始化選擇改進(jìn)策略，選擇操作采用的是錦標(biāo)賽選擇，交叉操作采用的是算術(shù)交叉，變異操作采用的是非均勻、自適應(yīng)的變異操作(這里簡(jiǎn)稱(chēng)iga)。這里對(duì)兩種算法分別采用兩種不同的初始化操作進(jìn)行實(shí)驗(yàn)，這里分別簡(jiǎn)稱(chēng)為bga和iga，算法相關(guān)參數(shù)設(shè)置如下表所示：表1遺傳算法通用參數(shù)參數(shù)參數(shù)說(shuō)明參數(shù)大小pc交叉概率0.7pm變異概率0.05popsize種群大小40iternum迭代次數(shù)5000數(shù)據(jù)集中的測(cè)井曲線(xiàn)數(shù)據(jù)為有241個(gè)采樣點(diǎn)的數(shù)據(jù)，包括縱波速度vp、橫波速度vs及密度ρ。每個(gè)采樣點(diǎn)對(duì)應(yīng)8個(gè)不同的角度：[0°，6°，11°，17°，23°，29°，34°，40°]，每個(gè)數(shù)據(jù)集都使用這8個(gè)角度。利用aki&richard公式對(duì)測(cè)井曲線(xiàn)理論模型進(jìn)行正演，利用測(cè)井曲線(xiàn)模型計(jì)算出反射系數(shù)，再將反射系數(shù)與子波進(jìn)行褶積，因?yàn)樯傻卣鹩涗浶枰蒙舷聝山M采樣點(diǎn)間關(guān)系，因此地震記錄中包含240*8個(gè)數(shù)據(jù)。使用我們提出的改進(jìn)的遺傳算法與最基礎(chǔ)的遺傳算法分別進(jìn)行疊前地震數(shù)據(jù)參數(shù)反演，根據(jù)算法參數(shù)設(shè)置進(jìn)行實(shí)驗(yàn)，可得實(shí)驗(yàn)結(jié)果如下表。表2三參數(shù)平均適應(yīng)度值數(shù)值對(duì)比算法名稱(chēng)bgaiga平均適應(yīng)度值0.0063320.001231表3三參數(shù)平均相關(guān)系數(shù)數(shù)值對(duì)比bgaigavp0.5563640.941373vs0.6508050.915569ρ0.4623460.949102算法驗(yàn)證：由于反射系數(shù)rpp的計(jì)算是通過(guò)彈性參數(shù)vp、vs和ρ得到的，并且最終計(jì)算得到同一組反演地震數(shù)據(jù)由無(wú)限種vp、vs和ρ組合得到。因此，存在三彈性參數(shù)都有誤差計(jì)算得到的反演地震數(shù)據(jù)和兩參數(shù)沒(méi)有誤差，一個(gè)參數(shù)存在誤差計(jì)算得到的反演地震數(shù)據(jù)相同的情況。為了更好地評(píng)價(jià)優(yōu)化算法對(duì)疊前avo彈性參數(shù)反演結(jié)果的好壞，本發(fā)明采用了皮爾遜積矩相關(guān)系數(shù)(pearsonproduct-momentcorrelationcoefficient，又稱(chēng)作ppmcc或pccs)來(lái)度量反演出的三彈性參數(shù)與實(shí)際的三彈性參數(shù)的相關(guān)情況。這里我們建立的相關(guān)系數(shù)函數(shù)如下：其中，xi為三彈性參數(shù)某個(gè)參數(shù)標(biāo)準(zhǔn)值，yi為與之對(duì)應(yīng)的反演值，分別為一組值的平均值。由于地震數(shù)據(jù)求解過(guò)程十分復(fù)雜，目標(biāo)函數(shù)值越小，三彈性參數(shù)的相關(guān)系數(shù)不一定越高，并且，三彈性參數(shù)的相關(guān)系數(shù)越高，目標(biāo)函數(shù)值同樣也不一定越小，但是，當(dāng)目標(biāo)函數(shù)達(dá)到理論最優(yōu)值即為0的時(shí)候，vp、vs和ρ的相關(guān)系數(shù)均能達(dá)到理論最優(yōu)值1。因此，本發(fā)明通過(guò)將目標(biāo)函數(shù)值和相關(guān)系數(shù)相結(jié)合的方式共同評(píng)判反演結(jié)果的優(yōu)劣。最終目標(biāo)是既能使得反演得到的目標(biāo)函數(shù)值小，同時(shí)也讓三彈性參數(shù)的相關(guān)系數(shù)高。從對(duì)比數(shù)據(jù)可以看出，遺傳算法經(jīng)過(guò)一系列改進(jìn)后逐步變好，不僅反演出的彈性參數(shù)更趨近于實(shí)際測(cè)井?dāng)?shù)據(jù)，反演出的地震數(shù)據(jù)也與實(shí)際的地震數(shù)據(jù)更加吻合，同時(shí)彈性參數(shù)的相關(guān)系數(shù)也較高。以上所述僅為本發(fā)明的較佳實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁(yè)12