基于蜂群优化算法的叠前AVO反演方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113534246A(43)申请公布日2021.10.22(21)申请号202010302615.5G06N3/00(2006.01)(22)申请日2020.04.17(71)申请人中国石油化工股份有限公司地址257000山东省东营市东营区济南路125号申请人中国石油化工股份有限公司胜利油田分公司勘探开发研究院(72)发明人罗红梅王长江谷玉田郑文召陈攀峰张加海杨培杰赵铭海屈冰张娟(74)专利代理机构济南日新专利代理事务所(普通合伙)37224代理人崔晓艳(51)Int.Cl.G01V1/30(2006.01)权利要求书2页说明书6页附图4页(54)发明名称基于蜂群优化算法的叠前AVO反演方法(57)摘要本发明提供一种基于蜂群优化算法的叠前AVO反演方法，包括：步骤1，输入三维叠前地震数据体和地震子波；步骤2，设置初始蜜源，即构建反演初始模型；步骤3，根据构建的基于贝叶斯理论AVO反演方程式计算目标函数值；步骤4，根据AVO反演目标函数与蜂群算法适应度函数关系计算蜜源适应度值；步骤5，应用改进的蜂群算法进行邻域搜索寻找最优解；步骤6，当达到最大搜索次数或满足迭代终止条件时得到反演最优解，实现储层物性参数提取。该基于蜂群优化算法的叠前AVO反演方法将改进的人工蜂群算法、基于贝叶斯理论和精确Zoeppritz方程的AVO反演进行融合，提供一种有效可靠的储层物性参数叠前AVO非线性反演技术。CN113534246ACN113534246A权利要求书1/2页1.基于蜂群优化算法的叠前AVO反演方法，其特征在于，该基于蜂群优化算法的叠前AVO反演方法包括：步骤1，输入三维叠前地震数据体和地震子波；步骤2，设置初始蜜源，即构建反演初始模型；步骤3，根据构建的基于贝叶斯理论AVO反演方程式计算目标函数值；步骤4，根据AVO反演目标函数与蜂群算法适应度函数关系计算蜜源适应度值；步骤5，应用改进的蜂群算法进行邻域搜索寻找最优解；步骤6，当达到最大搜索次数或满足迭代终止条件时得到反演最优解，实现储层物性参数提取。2.根据权利要求1所述的基于蜂群优化算法的叠前AVO反演方法，其特征在于，在步骤1中，输入的叠前道集为做过优化处理的标准SEGY格式文件，输入的地震子波为理论子波或提取的地震子波。3.根据权利要求2所述的基于蜂群优化算法的叠前AVO反演方法，其特征在于，在步骤1中，工业界采集到的地震数据是炮记录，经过处理之后得到CMP道集，将CMP道集转换为角度域共成像点道集，采用基于射线理论的方法提取角道集；对测井数据进行预处理，开展时深转换并标定到地震数据上，进而提取地震子波。4.根据权利要求1所述的基于蜂群优化算法的叠前AVO反演方法，其特征在于，在步骤2中，在符合一定的概率分布条件下设置物性参数初始模型，即设置初始蜜源，蜜源数目用SN表示。5.根据权利要求4所述的基于蜂群优化算法的叠前AVO反演方法，其特征在于，在步骤2中，设置算法参数，参数包括蜂群大小、蜜蜂最大搜索次数、蜜蜂搜索空间的上界和下界、迭代终止条件。6.根据权利要求1所述的基于蜂群优化算法的叠前AVO反演方法，其特征在于，在步骤3中，利用输入叠前道集地震记录d和模型m，根据构建的反演目标式2计算目标函数值，其中需要设置各项参数，包括模型约束项的权重系数ε，低频模型mr，加权矩阵Wm；公式中第一项表示数据误差项，控制反演精度；第二项表示反演参数的先验分2布约束项，控制反演的稀疏性，σn越大，反演结果的稀疏性越高，反之，反演结果将出现明显的带限特征；第三项表示模型约束项，为反演补偿低频信息，进一步提高反演的稳定性和准确性。7.根据权利要求1所述的基于蜂群优化算法的叠前AVO反演方法，其特征在于，在步骤4中，将AVO反演与蜂群算法相结合，根据适应度函数与目标函数之间的关系，使用如下式所示的对应关系，其中fiti为第i个蜜源的适应度值，为第i个蜜源对应的目标函数值，i＝1,2,3,...,SN；使用该式对目标函数计算得到相应的适应度值，2CN113534246A权利要求书2/2页8.根据权利要求1所述的基于蜂群优化算法的叠前AVO反演方法，其特征在于，在步骤5中，根据结合粒子群和遗传算法的改进蜂群算法进行邻域搜索更新蜜源位置，并设置各项参数。9.根据权利要求1所述的基于蜂群优化算法的叠前AVO反演方法，其特征在于，在步骤6中，当没有达到邻域最大搜索次数或迭代终止条件时，产生新的蜜源位置并返回步骤3重新计算反演目标函数值。3CN113534246A说明书1/6页基于蜂群优化算法的叠前AVO反演方法技术领域[0001]本发明涉及油田开发技术领域，特别是涉及到一种基于蜂群优化算法的叠前AVO反演方法。背景技术[0002]储