[发明专利]一种测井资料统计特性约束的波阻抗反演粒子群优化算法

说明书

本发明公开了一种测井资料统计特性约束的波阻抗反演粒子群优化算法，具体包括：1)对地震数据进行相位校正，使其为零相位记录；2)提取子波振幅谱并得到地震子波；3)基于数据体或剖面内已有的测井资料，对速度信息进行分析和统计，建立用于反演反射系数的可行域，即反射系数的搜索空间；4)用本发明提出的改进的粒子群优化算法反演反射系数；5)基于反演的反射系数计算波阻抗。本发明为克服反射系数反演的多解性，提高了反演结果的分辨率，给反射系数加入概率分布的约束信息，保证了反演的反射系数概率分布的不变性。本发明用于反演的概率分布先验信息是完全来自于实际测井数据，从而保证了反演结果的可信度并且降低了多解性。

技术领域

本发明属于地球物理勘探领域，涉及一种测井资料统计特性约束的波阻抗反演粒子群优化算法。

背景技术

随着油气田勘探开发程度的加深，油气勘探对象日趋复杂，逐渐由简单构造油气藏向复杂构造油气藏转移，从构造油气藏向地层－岩性等隐蔽油气藏转移，如何精细描述复杂构造和地层岩性是当前我国油气勘探面临的关键问题。

波阻抗是表征地层岩性的重要参数，它就像一座桥梁，联系着地质和地球物理。通过研究波阻抗信息，可以从中推知岩性、孔隙度、渗透率和饱和度等储层参数，为描述油气藏提供丰富的储层信息，因此，波阻抗反演方法在地震数据处理和解释中占有重要的位置。

地震资料的波阻抗反演问题是高维强非线性问题，其反演的目标函数包含多个局部极值点。在这个问题上，局部优化算法受到初始模型的限制容易陷入局部极小，很难搜索到全局最优。全局优化算法避开了初始模型的限制，能够得到高精度的反演目标。近40余年来，全局优化算法的研究有了长足的进步，出现了许多反演算法，如：蒙特卡洛算法、差分进化算法、遗传算法、模拟退火算法、文化基因算法、蚁群算法、免疫算法、粒子群算法、随机行走算法等。这些算法原理不同，基础依据也不一样，无法相互取代。然而传统的全局优化算法直接反演反射系数存在着有多解性、分辨率低等问题，这是由于我们用于反演的数据是实际观测数据，它是频带宽度有限的，待反演的地下地质结构和岩石特性信息是宽带数据，这些问题制约着传统的全局优化算法在波阻抗反演中的应用。

本发明针对上述问题，利用反射系数的统计特性，改进了传统粒子群算法(Particle Swarm Optimization,PSO)的抽样方法，提出了基于反射系数概率密度约束的粒子群优化算法(The Particle Swarm Optimisation with a Probability DensityConstraints)，简称为PSO-PDC。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种测井资料统计特性约束的波阻抗反演粒子群优化算法，该算法在标准粒子群优化算法(PSO)的基础上，对其进行改进和创新，加入了反射系数概率分布的约束信息，提出了改进的标准粒子群优化算法PSO-PDC。

为达到上述目的，本发明采用以下技术方案予以实现：

本发明对三维地震数据体或二维剖面波阻抗的反演采用的是逐道进行方式，每一道的处理方法是一致的，这里只描述对一道地震数据的处理过程。

1)对地震数据进行相位校正，使其为零相位记录；

2)提取子波振幅谱并得到地震子波；

3)基于数据体或剖面内已有的测井资料，对速度信息进行分析和统计，建立用于反演反射系数的可行域，即反射系数的搜索空间；

4)用本发明提出的改进的粒子群优化算法反演反射系数；

5)基于反演的反射系数计算波阻抗。

与现有技术相比，本发明具有以下有益效果：