一种改进型一步法三维CRS叠加方法技术

本发明专利技术属于油气勘探地震资料处理技术领域，具体涉及一种改进型一步法三维CRS叠加方法。为遗传算法和模拟退火混合的多种群精英分层式混合并行算法；分为三层：算法的顶层是根据模拟退火算法中的热槽法；算法中层则是n个独立运行的遗传算法；算法的底层采用模拟退火算法对中层选出的精英种群进行迭代。本发明专利技术通过多组二维参数反演三维参数，发现可将推出的三维参数公式进行改进，以实现对非均匀各向同性介质条件下的三维零偏移距共反射面叠加旅行时公式的改进，最后成功的简化了公式，降低了三维情况下对CRS叠加中的波场八个参数的求取难度。取难度。取难度。

【技术实现步骤摘要】
一种改进型一步法三维CRS叠加方法

：
[0001]本专利技术属于油气勘探地震资料处理
，具体涉及一种改进型一步法三维CRS叠加方法。

技术介绍
：
[0002]近年来，随着勘探目标的复杂性增加，地震数据处理的要求也在不断增加，以满足在复杂地质条件下高精度成像的要求。因此，在强干扰环境下高效压制噪音，增强有效信号显得尤为重要，这使得适用于低信噪比数据的处理方法开始受到广泛关注和应用。共反射面元(CRS)叠加作为一种针对低信噪比数据的有效处理方法，在提升数据信噪比、改善成像效果方面一直发挥着其独有的优势，备受地球物理学界专家学者的关注。
[0003]共反射面元叠加与常规地震资料叠加方法相比的优势之处在于它仅受CRS波场参数及近地表速度控制，无需预知宏观速度模型。我们认为地下反射界面是由多个反射面元叠加构成，所以反射点的反射能量包括自身反射及附近其他反射面元贡献两个部分构成。基于共反射面元叠加公式对叠前数据进行CRS叠加后可得CRS叠加剖面、波场参数剖面及相干剖面。在叠加过程中，考虑到反射点附近一定范围内的反射面元，扩大了参与叠加的数据范围，增加了覆盖次数，提高数据信噪比，最终实现对成像效果的提高。对比看来，CRS叠加比CMP叠加更适合处理复杂的地质体；如低信噪比数据、倾斜层、山地资料等。
[0004]近年来，实际地震资料处理中二维CRS叠加理论逐步拓展到了三维，并得到了进一步的研究应用。三维CRS叠加中，包含八个参数：ZO射线在地表出射角(包括倾角和方位角)、法向入射点波(NIP波)和法向波(N)在地面的波前曲率矩阵(矩阵是22的对称矩阵)。参数的增多增加了叠加处理的计算难度，但正因为复杂参数的约束，CRS叠加效果才更加准确，也更能适用于低信噪比的复杂地质区域。通过相干分析求取的八参数之间存在耦合现象，因此，应用三维CRS时，高效的参数搜索策略是非常必要的，以准确地从叠前地震数据中确定8个参数。

技术实现思路
：
[0005]本专利技术要解决的技术问题是在应用三维CRS叠加时，因为公式的复杂、求取的参数数量多，通常使用三步法对8个参数依次进行求取，这种方法计算成本较低，但是它会系统性地累积误差，降低CRS属性参数的准确性，从而影响CRS叠加效果。
[0006]为解决上述问题，本专利技术提供了一种改进型的一步法三维CRS叠加技术，该方法首先基于Muller(2003)导出了非均匀各向同性介质条件下的三维零偏移距共反射面叠加旅行时公式。通过多组二维参数反演三维参数，发现可将推出的三维参数公式进行改进，以实现对非均匀各向同性介质条件下的三维零偏移距共反射面叠加旅行时公式的改进，最后成功的简化了公式，降低了三维情况下对CRS叠加中的波场八个参数的求取难度。
[0007]为达到上述目的，本专利技术通过以下技术方案实现：一种改进型一步法三维CRS叠加方法，为遗传算法和模拟退火混合的多种群精英分层式混合并行算法；如图1所示，整个算
法从上到下分为三层：算法的顶层是根据模拟退火算法中的热槽法，通过概率分布函数随机的产生三维CRS叠加中8个相关参数的若干个候选值，这些值随机的分配到中层n个遗传算法中形成的每个种群的初始状态，形成初始种群；算法中层则是n个独立运行的遗传算法，这样可以一定程度上保证解得多样性，每个种群独立交叉、变异、选择形成新解，这些局部最优解将组成精英种群为算法底层模拟退火算法提供初始值；算法的底层采用模拟退火算法对中层选出的精英种群进行迭代，对全局最优解进行搜索，迭代一定次数之后，判断是否满足停止准则，若满足，则输出全局最优解；否则，中层的遗传算法在模拟退火算法产生的解中随机抽取一定数量的解放入种群中继续进化，直至得出全局最优解，输出相干值最大的波场8参数。
[0008]整个算法中，中上层是提高计算效率的重要步骤，在贡献局部最优解的同时也为下层模拟退火算法提供搜索初始值(即初始温度T)。中下层是算法的主体，也是对三维CRS叠加中8参数寻优质量的关键。算法从种群个体的组织结构出发，将局部搜索和全局搜索分离，使遗传算法和模拟退火算法有效地融为一体，增强了遗传算法逃逸局部解的能力，提高了模拟退火算法的搜索效率，完美实现了算法收敛速度快和全局收敛能力强之间的结合。
[0009]进一步的，在算法初期采用热槽法对三维CRS叠加中的8参数进行计算，得到其每一个可能搜索值的相对概率，并根据这个概率分布函数提取一个随机数作为该参数在该状态下的搜寻值接受下来，公式如下：
[0010][0011]其中，X
i
，i＝1,2,
…
,M，表示有M个随机变量，τ1，τ2，
…
，τ
N
表示每个变量X
i
有N个可能的取值，q
i
(τ
p
)表示取τ
p
的能量函数，T为温度参数；
[0012]然后从概率分布函数中提取X
i
的新值；无论迭加能量增加还是减小，X
i
的新值总是保留，迭加总是在修改；若迭加能量q
i
(τ
p
)增大，则X
i
＝τ
p
的概率增加；当然选择使能量减小的τ
p
也是可能的，但概率极小。
[0013]然后将通过概率分布函数随机地产生三维CRS叠加中8个相关参数的若干个候选值随机地分配到中层n个遗传算法中，形成的每个种群的初始状态，形成初始种群，这样也使得每个种群中的个体初值与全局最优解的相关性强，遗传算法搜索具有更高效率。
[0014]进一步的，图2所示为遗传算法和模拟退火混合的多种群精英分层式混合并行算法(以下简称GA-SAHP算法)的种群个体组织方式。根据步骤(1)产生n个遗传算法的初始种群，将其分别记为GA1、GA2、
…
、GAn；每个种群独立地运行遗传算法，通过选择、交叉重组或变异生成新的解，迭代一定次数后，取出各自种群中的精英个体组成精英种群，即局部最优解，放入下层的模拟退火算法中作为初始温度T。
[0015]进一步的，在计算过程中，两种算法先后交替进行迭代计算，并通过以下函数值来判断算法求得的8个波场参数的质量：
[0016][0017]即采用模拟退火算法对中层选出的精英种群进行迭代，迭代一定次数之后，判断是否满足停止准则，若满足准则，则算法停止，输出全局最优解；否则，中层的每个遗传算法种群从下层的模拟退火算法产生的解中随机获得m个个体极值，随机替换掉自己种群中的m个个体；这样就算完成了第一轮的GA-SAHP算法；n个GA种群重新开始遗传算法操作，不断循环，直到满足停止准则，得出全局最优解，输出相干值最大的三维CRS叠加波场8参数。
[0018]其中，对于上述函数的改进过程如下：
[0019]描述一波前需要知道五个参数，即它的方向(用两个角度表示)和2
×
2的对称曲率矩阵。CRS叠加算子依赖于两个假想波波前，因此就需要10个参数。但是，两个波前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种改进型一步法三维CRS叠加方法，其特征在于：为遗传算法和模拟退火混合的多种群精英分层式混合并行算法；分为三层：算法的顶层是根据模拟退火算法中的热槽法；算法中层则是n个独立运行的遗传算法；算法的底层采用模拟退火算法对中层选出的精英种群进行迭代。2.如权利要求1所述的改进型一步法三维CRS叠加方法，其特征在于：算法的顶层是根据模拟退火算法中的热槽法，通过概率分布函数随机的产生三维CRS叠加中8个相关参数的若干个候选值，这些值随机的分配到中层n个遗传算法中形成的每个种群的初始状态，形成初始种群。3.如权利要求1或2所述的改进型一步法三维CRS叠加方法，其特征在于：在算法初期采用热槽法对三维CRS叠加中的8参数进行计算，得到其每一个可能搜索值的相对概率，并根据这个概率分布函数提取一个随机数作为该参数在该状态下的搜寻值接受下来，公式如下：其中，X
i
，i＝1,2,
…
,M，表示有M个随机变量，τ1，τ2，
…
，τ
N
表示每个变量X
i
有N个可能的取值，q
i
(τ
p
)表示取τ
p
的能量函数，T为温度参数；然后从概率分布函数中提取X
i
的新值；无论迭加能量增加还是减小，X
i
的新值总是保留，迭加总是在修改；若迭加能量q
i
(τ
p
)增大，则X
i
＝τ
p
的概率增加；然后将通过概率分布函数随机地产生三维CRS叠加中8个相关参数的若干个候选值随机地分配到中层n个遗传算法...

【专利技术属性】
技术研发人员：孙小东，候孟睿，王伟奇，彭冬冬，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：