遗传算法在地震反演中的优化应用

利用地震信息进行油气勘探能提高勘探的准确性，因而该项技术成为油气勘探的研究重点。地震反演是根据地表或井中观测到的地震信息，结合相关约束情况，还原勘探地区地底地貌的过程。根据所使用信息的不同及地震信息来源过程的不同，传统的地震数据可以划分为叠前地震数据和叠后地震数据。由于叠后地震反演资料与地震属性信息的应用存在非唯一性，并且相比于叠前地震反演资料，叠后反演缺少许多储层信息数据。因此近年来，在地震勘探领域中，国内外学者更多的是对基于叠前地震数据的反演问题进行了研究。目前，基于叠前地震数据的AVO（Amplitude Variation with Offset，振幅随偏移距的变化而变化）技术[1]的反演方法已经被广泛应用于地震勘探领域。同时，随着大量的AVO 处理和解释的理论和方法被提出，AVO 技术正逐步在叠前地震数据弹性参数反演问题中显示其优越性和重要性。

叠前地震数据包含许多参数信息。其中，最为重要的参数信息是纵波波速Vp、横波波速Vs 及密度ρ 三个参数[2]。这里，Vp 容易受孔隙流体变化的影响，Vs 主要与岩石骨架相关，可以反映一些岩石特性。对于气体，Vp 是以非线性方式响应储层的气体饱和度，而ρ 以相对线性的方式对储层的气体饱和度作出响应，这3个弹性参数可以从侧面反映出地下油气的饱和度状况[3]。因此，检测流体的类型及储层气体的饱和度需要同时提供这3个参数变化的信息。随着地震勘探技术的不断提升，地震反演相关技术的应用已经在地球物理的各个方面开展，其中具体描述储层流体饱和度信息的ρ 在诸多方面都起着非常重要的作用。由于能够使用AVO 信息求解Zoeppritz方程的近似公式，叠前反演能够获得反映地层信息特征的3种重要弹性参数。因此，AVO 弹性参数反演显得至关重要。(www.xing528.com)

利用地震信息及测井数据来进行储层参数的反演本质上是一个非线性问题，由于实际情况下地震脉冲对地底岩层结构产生了非线性的脉冲冲击，当用数学公式进行量化分析的时候可以发现该量化公式是非线性的，也就是目标函数往往存在多个极值点。因此，叠前地震反演问题具有非线性的特性，但研究人员使用线性或者拟线性的近似方法求解该反演问题的时候，往往会使得地震反演的求解精度大大降低。叠前AVO 弹性参数的反演需要构建合适的目标函数（一般是非线性的），然后优化该目标函数。当使用线性或拟线性的方法来求解该问题时，由于强烈依赖弹性参数的初始模型，而实际情况下初始模型往往是带有一定噪声的，因此，求解精度比较低。尤其在对具有多参数、多极值等特性的非线性反演问题进行求解时，实际情况下需要反演的工区面积非常大，需要反演的参数数量多、维度大，导致最终反演的精度也随之降低，这些线性或者拟线性的反演方法便遇到了瓶颈。由此可见，由于AVO 反演是一个非线性优化问题，因此，采用非线性的基于全局最优的智能优化算法非常适合求解具有高维度、非线性、多解的地球物理非线性反演问题。