基于混合遗传算法的叠前随机反演方法

摘要：

针对常规随机反演方法计算效率低的问题,提出一种基于混合遗传算法的叠前随机反演方法.该方法充分利用测井资料中的高频信息,并以地震数据作为约束,首先通过快速傅里叶滑动平均(fast Fourier transform-moving av-erage,FFT-MA)谱模拟算法进行随机模拟得到基于地质统计学的初始模型信息,随后结合提出的混合遗传算法对模拟结果进行快速优化,得到符合地下地质结构的反演剖面,实现对叠前弹性参数的反演.混合遗传算法避免了一般遗传算法常见问题,如收敛速度慢以及产生"早熟"现象,与模拟退火相结合能够快速收敛达到全局最优,保证了反演精度.数值试验结果表明,融入混合遗传算法的叠前随机反演方法,在充分利用叠前信息的同时可以保证反演结果有效收敛,并且与模型数据吻合较好,与传统的叠前反演方法相比具有较高的分辨率,在储层识别和油藏描述中起到了重要作用.

关键词：混合遗传算法、叠前随机反演、分辨率、收敛性

所属期刊栏目：41

分类号：P631.4

资助基金：国家自然科学基金-石油化工基金联合重点项目U1562215;国家自然科学基金项目41204085

在线出版日期：2017-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：65-70