基于混合智能优化算法的非线性AVO反演OA北大核心CSCDCSTPCD
针对常规叠前AVO反演存在强烈依赖于初始模型、易陷入局部最优值等问题,对基本遗传算法进行了自适应改进,然后将改进遗传算法与粒子群算法相结合,发展了遗传—粒子群算法混合的GA-PSO协同进化智能优化算法;对比改进遗传算法、粒子群算法及GA-PSO协同进化算法反演的理论模型合成地震记录的纵波速度、横波速度及密度,表明后者具有精确的反演结果及更强的稳定性和抗噪能力;最后利用GA-PSO协同进化算法对实际地震数据进行叠前AVO非线性反演,验证了算法的应用效果和适用性.
方中于;王丽萍;杜家元;梁立锋
成都理工大学地球物理学院,四川成都610059中海油能源发展股份有限公司工程技术特普公司,广东湛江524057中国地质大学(武汉)地球物理与空间信息学院,湖北武汉430074地球内部多尺度成像湖北省重点实验室,湖北武汉430074
天文与地球科学
遗传算法粒子群算法混合智能优化算法非线性AVO反演
《石油地球物理勘探》 2017 (4)
797-804,8
本项研究受国家重大科技专项子专题“莺琼盆地高温高压天然气富集规律与勘探开发关键技术”(2016ZX05024-005)、中国地质科学院物化探研究所基本科研业务费项目(WHS201308)和2016年“中央高校基本科研业务费”新青年教师计划等联合资助.
评论