[发明专利]一种基于进化优化算法的地震随机反演方法

权利要求书

1.一种基于进化优化算法的地震随机反演方法，其特征在于：将协方差矩阵自适应进化策略即CMAES优化算法引入到地震勘探领域的地震随机反演的过程中来，得到高分辨率反演结果；其中，所述的地震随机反演指的是地震约束的序贯高斯模拟即SGS随机反演，加入CMAES优化算法后的反演详细步骤如下：

(1)在地震勘探工区的平面内，任意选择工区无井网格点位置A，利用工区已知井的波阻抗作为输入，使用克里金插值，估计位置A的波阻抗分布均值和方差；

(2)依据估计位置A的波阻抗分布均值和方差，抽样生成若干波阻抗样本，计算这些样本对应合成地震数据与观测数据的欧氏距离；

(3)定义步骤(2)中欧氏距离为目标函数，将抽样生成的波阻抗样本信息和对应的目标函数值即样本对应的欧氏距离作为输入，使用CMAES优化算法，更新样本的分布均值和协方差，更新后的分布生成的样本通常具有更小的欧氏距离；

(4)利用更新后的分布，抽样形成新的波阻抗样本，计算这些波阻抗的欧式距离，利用样本和欧氏距离作为输入，使用CMAES做第二次优化，以此类推，直到得到满意的欧氏距离为止，此时得到的分布为位置A最终分布；

(5)随机选择新的无井网格点位置B，将A视为一口新井，连同已有井，对B做步骤(1)至步骤(4)同样的处理和优化过程，得到位置B的最终分布；

(6)依照位置A和B的处理过程，处理工区内其它所有无井点，最后得到所有无井点的最终优化的分布。

2.根据权利要求1所述基于进化优化算法的地震随机反演方法，其特征在于：所述CMAES优化算法用公式(1)表达：

式(1)中，各参数含义是：g为迭代或者进化的次数，g+1表示第g+1次迭代；x为抽样集合；k为抽样集合中样本的维数；m为抽样集合估计的正态分布均值；σ为抽样集合估计的正态分布方差；C为抽样结合的协方差；N为正态分布符号函数；c_m为学习快慢因子；w_i为第i个权重因子，i取值(1，n)；μ为抽样集合中样本的个数；T为矩阵转置符号；

公式(1)的主要流程是：

(a)首先计算在第g次迭代时，依据g次的均值、方差和协方差，抽样性形成g+1次的抽样样本集合；

(b)其次计算m^(g+1)：依据第g次的均值、学习快慢因子和g+1次的抽样样本，计算g+1次迭代的均值；

(c)最后计算依据已经计算的相关参数，计算g+1次的协方差，之后到下一次迭代转到步骤(a)。