改进遗传算法在二维叠前地震数据AVO反演中的应用效果分析

图8-22　数据集2的纵波波速理论模型

图8-23　数据集2的横波波速理论模型

图8-24　数据集2的密度理论模型

图8-25　数据集2的地震记录理论模型

图8-26　改进遗传算法反演出纵波波速模型

图8-27　改进遗传算法反演出横波波速模型

图8-28　改进遗传算法反演出密度模型

图8-29　改进遗传算法反演出地震记录模型

使用数据集1，针对一维叠前地震数据AVO 弹性参数反演问题，基础遗传算法和头脑风暴优化算法前期收敛很慢，差分演化算法及粒子群优化算法前期收敛较快，到算法迭代中期，差分演化算法及头脑风暴优化算法陷入局部最优。而改进遗传算法前期收敛快，中后期也在持续收敛。由实验结果对比图表可以看出，改进遗传算法反演出的结果无论是弹性参数信息还是地震记录模型均与理论模型最为吻合，说明反演结果好，并且3个弹性参数的相关系数最高，均达到极强相关。最后根据算法运行结果显示，改进遗传算法的平均适应度值是最低的，比其他4种算法要少1～2个数量级。由于改进遗传算法使用了更适合于该类问题的种群初始化策略，前期能够快速收敛。并且由于对遗传算法中最为核心的交叉算子进行了改进，在原有算术交叉的基础上，引入了红皇后假说的思想以及差分演化算法中最为核心的变异算子的思想，使得算法极大地增加了种群的多样性，能够有效地进行全局搜索。此外，算法中使用到精英保留策略以及随机扰动策略使得算法中后期也能有效地避免陷入局部最优。(www.xing528.com)

使用数据集2，针对二维叠前地震数据AVO 弹性参数反演问题，有了一维叠前地震数据AVO 弹性参数反演问题的研究基础，使用改进遗传算法求解二维叠前地震数据AVO 弹性参数反演问题取得了较好效果。根据反演结果图可以看出，反演出的3组弹性参数均能有效地表示该二维模型的低值异常，也就是图8-29中展示出的“勺”形异常区域。