基于时频电磁的自适应遗传模拟退火反演方法以及系统的制作方法
【专利摘要】本发明提供一种基于时频电磁的自适应遗传模拟退火反演方法及系统，所述方法包括：根据时频电磁的发射频率范围以及分量类型获取反演数据；获取预先设定的反演层数、初始温度、初始步长、最大循环次数；根据所述的反演层数、反演数据确定多个个体模型；对所述的个体模型进行遗传算法运算生成个体新模型；根据所述的初始步长对所述的个体新模型强制进行退火运算生成预测模型；确定所述预测模型与所述个体新模型之间的拟合误差；根据所述的拟合误差判定所述的预测模型是否符合退火标准。提高了反演时频电磁数据的收敛速度和稳定性。
【专利说明】基于时频电磁的自适应遗传模拟退火反演方法以及系统
【技术领域】
[0001] 本发明关于地球物理勘探【技术领域】，特别是关于地球物理的电磁法勘探数据技 术，具体的讲是一种基于时频电磁的自适应遗传模拟退火反演方法及系统。
【背景技术】
[0002] 上世纪90年代，长偏移距瞬变电磁测深法（大偏移距和大功率建场法）开始应用 于油气藏探测并取得了良好的效果。在此方法的基础上，结合时间域瞬变电磁测深和频率 域电磁测深的特点，又出现了时频电磁法（如申请号为03150098. 6的专利）。这种方法具 有时间域电磁法和频率域电磁法的特点。时频电磁就是指用一个大的水平长导线源在地面 激发不同频率的方波，在地面平行于发射源的测线上接收电场Ex和磁场Hz的电磁法。该 方法具有时间域瞬变电磁和频率域测深特点。发射源通常情况下从几千米到十几千米，发 射源到测线的距离（收发距）通常是深度的3?6倍，属于大偏移距观测方式，也就是远区 观测法。在远区观测时，场源的影响相对比较弱，可以忽略场源的影响。
[0003] 时频电磁油气目标预测的物性基础是储层与围岩之间的电性和极化特性差异。该 方法在应用的初始阶段利用Ex得到定量极化信息和Bz得到的电阻率信息进行油气有利区 的预测。该方法在中国西部地区有好几个成功的应用实例。随着勘探精度要求的提高和处 理技术的进步，储层极化信息的提取方法也由定性提取的方法向定量反演方法转变。油气 目标与围岩的极化特性差异要比金属矿与围岩的小，而且还在远区或者过渡区观测，所以 相对于背景场极化异常场非常弱。反演具有极化异常的时频电磁数据的问题存在非唯一性 和不稳定性，这造成提取极化信息非常困难。在某个搜索区域上存在着过个极小值，梯度类 的反演算法在反演时频电磁数据的极化信息也不能起到很好效果。
[0004] 因此，如何提出一种新的基于时频电磁的自适应遗传模拟退火反演的方案，其能 更好反演时频电磁数据中的极化信息是本领域亟待解决的技术难题。
【发明内容】
[0005] 为了更好的反演时频电磁数据中的极化信息，本发明提供了一种基于时频电磁的 自适应遗传模拟退火反演方法及系统，是一种用非线性的自适应遗传模拟退火算法反演时 频电磁数据的方案，遗传算法来源于生物的自然进化过程，模拟退火算法来源于冶金金属 退火原理，将遗传算法改进为自适应算法并加入了模拟退火算法，从而提高了反演时频电 磁数据的收敛速度和稳定性。
[0006] 本发明的目的之一是，提供一种基于时频电磁的自适应遗传模拟退火反演方法， 包括：根据时频电磁的发射频率范围以及分量类型获取反演数据；获取预先设定的反演层 数、初始温度、初始步长、最大循环次数；根据所述的反演层数、反演数据确定多个个体模 型；对所述的个体模型进行遗传算法运算生成个体新模型；根据所述的初始步长对所述的 个体新模型强制进行退火运算生成预测模型；确定所述预测模型与所述个体新模型之间的 拟合误差；根据所述的拟合误差判定所述的预测模型是否符合退火标准。
[0007] 本发明的目的之一是，提供了一种基于时频电磁的自适应遗传模拟退火反演的系 统，包括：反演数据获取装置，用于根据时频电磁的发射频率范围以及分量类型获取反演数 据；预设参数获取装置，用于获取预先设定的反演层数、初始温度、初始步长、最大循环次 数；个体模型确定装置，用于根据所述的反演层数、反演数据确定多个个体模型；个体新模 型生成装置，用于对所述的个体模型进行遗传算法运算生成个体新模型；预测模型生成装 置，用于根据所述的初始步长对所述的个体新模型强制进行退火运算生成预测模型；拟合 误差确定装置，用于确定所述预测模型与所述个体新模型之间的拟合误差；判断装置，用于 根据所述的拟合误差判定所述的预测模型是否符合退火标准。
[0008] 本发明的有益效果在于，提供了一种基于时频电磁的自适应遗传模拟退火反演方 法及系统，属于重磁电等综合勘探【技术领域】，具体是可控源全场区时频域电磁测深技术采 集、处理技术，是一种精确的基于时频电磁的自适应遗传模拟退火反演的方案，对实测的反 演数据处理，获得了多次迭代后的测线下方地下介质电阻率和极化率分布，满足了构造、断 层、圈闭的解释需要，同时还满足油气圈闭含油气性评价的需要，克服了模拟退火反演技术 的计算时间慢的缺点，同时克服了遗传算法陷入局部极小的缺点，因此自适应遗传模拟退 火反演技术具有全局寻找极小值和计算速度快的特点，为时频电磁法实测数据提取电阻率 和极化率信息提供了新的方案，而且还可以应用在大地电磁、音频大地电磁等方法的反演 问题研究之中。
[0009] 为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例， 并配合所附图式，作详细说明如下。
【专利附图】
【附图说明】
[0010] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。
[0011] 图1为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演方法 的实施方式一的流程图；
[0012] 图2为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演方法 的实施方式二的流程图；
[0013] 图3为图2中的步骤S209的具体流程图；
[0014] 图4为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演方法 的实施方式三的流程图；
[0015] 图5为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演方法 的实施方式四的流程图；
[0016] 图6为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演方法 的实施方式五的流程图；
[0017] 图7为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演系统 的实施方式一的结构框图；
[0018] 图8为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演系统 的实施方式二的结构框图；
[0019] 图9为图8中的新步长确定装置的具体结构框图；
[0020] 图10为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演系统 的实施方式三的结构框图；
[0021] 图11为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演系统 的实施方式四的结构框图；
[0022] 图12为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演系统 的实施方式五的结构框图；
[0023] 图13为实测时频电磁数据通过自适应遗传模拟退火反演方法得到的电阻率剖面 示意图；
[0024] 图14为实测时频电磁数据通过自适应遗传模拟退火反演方法得到的极化率剖面 示意图。
【具体实施方式】
[0025] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0026] 本发明属于地球物理勘探的电磁法勘探数据处理领域，是地球物理数值模拟和反 演，具体是时频电磁的自适应遗传模拟退火反演方法以及系统。目的在于提供一种计算效 率高，全局寻优的非线性时频电磁反演方法，可以从时频电磁观测数据中直接反演电阻率 和极化率信息，为处理时频电磁观测数据提供一种新的处理的方法。
[0027] 图1为本发明实施例提供的一种基于时频电磁的自适应遗传模拟退火反演方法 的实施方式一的流程图，由图1可知，所述的方法包括：
[0028] SlOl :根据时频电磁的发射频率范围以及分量类型获取反演数据。
[0029] 在具体的实施例中，依据实测时频电磁发射频率的分布范围和分量类型，选择参 加反演的数据。参加反演中时频电磁多源多分量的发射频率的范围为〇.〇l-l〇〇Hz。参加反 演中时频电磁多源多分量的分量为与场源平行的电场分量Ex和垂直磁场分量Hz。
[0030] S102:获取预先设定的反演层数、初始温度、初始步长、最大循环次数。
[0031] 反演的层数是指反演未知数个数，获取的初始温度为T、初始步长为VM。在具体的 实施方式中，所述的初始温度T的选择范围为0. 5-5,初始步长VM范围为1-5。
[0032] S103 :根据所述的反演层数、反演数据确定多个个体模型。
[0033] 依据反演的未知数个数（即反演层数），选择反演的种群数并产生所有的个体模 型X0,反演的种群数是所有个体模型XO的总和，个体模型通过正态分布的随机数生成。
[0034] S104 :对所述的个体模型XO进行遗传算法运算生成个体新模型XI。
[0035] 在具体的实施方式中，所述的遗传算法的运算包括：选择，杂交和变异，杂交初始 概率Pe范围为0. 6-0. 8,变异初始概率Pm范围为0. 001?0. 005,迭代过程中新的杂交和变 异的概率采用自适应算法。该步骤通过下述公式进行：
【权利要求】
1. 一种基于时频电磁的自适应遗传模拟退火反演方法，其特征是，所述的方法包括： 根据时频电磁的发射频率范围以及分量类型获取反演数据； 获取预先设定的反演层数、初始温度、初始步长、最大循环次数； 根据所述的反演层数、反演数据确定多个个体模型； 对所述的个体模型进行遗传算法运算生成个体新模型； 根据所述的初始步长对所述的个体新模型强制进行退火运算生成预测模型； 确定所述预测模型与所述个体新模型之间的拟合误差； 根据所述的拟合误差判定所述的预测模型是否符合退火标准。
2. 根据权利要求1所述的方法，其特征是，对所述的个体模型进行遗传算法运算生成 个体新模型通过如下公式进行：
f(m) =loglO(| |d-Gm(m) | |2) 其中，为杂交初始概率，Pm为变异初始概率，fmax为所有个体模型中的最大拟合误差，favg为所有个体模型中的平均拟合误差，f'为个体模型中两个杂交个体之中最大的那个拟 合误差，f"为个体模型中变异个体的拟合误差，m为未知模型参数矢量，d为观测数据矢 量，Gm为正演算子，f(m)为m的拟合误差。
3. 根据权利要求1所述的方法，其特征是，根据所述的初始步长对所述的个体新模型 强制进行退火运算生成的预测模型为： X2 =X1+VM 其中，X2为预测模型，XI为个体新模型，VM为初始步长。
4. 根据权利要求1所述的方法，其特征是，所述的方法还包括： 获取预先设定的步长调整次数； 当步长调整循环次数等于步长调整次数时，根据所述的初始步长、预测模型确定新步 长。
5. 根据权利要求4所述的方法，其特征是，根据所述的初始步长、预测模型确定新步长 包括： 获取所述预测模型的接收数； 获取所述预测模型的种群数； 确定所述预测模型的接收数与种群数的比值； 根据所述的比值以及初始步长确定新步长。
6. 根据权利要求5所述的方法，其特征是，根据所述的比值以及初始步长确定的新步 长为：
其中，R为预测模型的接收数与种群数的比值，VM为初始步长，VM'为新步长。
7. 根据权利要求4或5所述的方法，其特征是，所述的方法还包括： 获取预先设定的温度下降迭代次数、温度下降系数； 当温度下降循环次数等于温度下降迭代次数时，根据所述的温度下降系数、初始温度 确定新温度。
8. 根据权利要求7所述的方法，其特征是，根据所述的温度下降系数、初始温度确定的 新温度为： T' =T* 入 其中，T为初始温度，T'为新温度，A为温度下降系数。
9. 根据权利要求7所述的方法，其特征是，所述的方法还包括： 将所述的新步长赋值给所述初始步长； 将所述的新温度赋值给所述初始温度； 将所述的预测模型赋值给所述个体模型。
10. 根据权利要求9所述的方法，其特征是，所述的方法还包括： 获取循环次数； 当所述的循环次数达到所述的最大循环次数时，退火反演结束； 获取预先设定的标准误差； 当所述的拟合误差达到所述的误差标准时，退火反演结束。
11. 一种基于时频电磁的自适应遗传模拟退火反演系统，其特征是，所述的系统包括： 反演数据获取装置，用于根据时频电磁的发射频率范围以及分量类型获取反演数据； 预设参数获取装置，用于获取预先设定的反演层数、初始温度、初始步长、最大循环次 数； 个体模型确定装置，用于根据所述的反演层数、反演数据确定多个个体模型； 个体新模型生成装置，用于对所述的个体模型进行遗传算法运算生成个体新模型； 预测模型生成装置，用于根据所述的初始步长对所述的个体新模型强制进行退火运算 生成预测模型； 拟合误差确定装置，用于确定所述预测模型与所述个体新模型之间的拟合误差； 判断装置，用于根据所述的拟合误差判定所述的预测模型是否符合退火标准。
12. 根据权利要求11所述的系统，其特征是，对所述的个体模型进行遗传算法运算生 成个体新模型通过如下公式进行：
f(m) =loglO(| |d-Gm(m) | |2) 其中，为杂交初始概率，Pm为变异初始概率，fmax为所有个体模型中的最大拟合误差，favg为所有个体模型中的平均拟合误差，f'为个体模型中两个杂交个体之中最大的那个拟 合误差，f"为个体模型中变异个体的拟合误差，m为未知模型参数矢量，d为观测数据矢 量，Gm为正演算子，f(m)为m的拟合误差。
13. 根据权利要求11所述的系统，其特征是，根据所述的初始步长对所述的个体新模 型强制进行退火运算生成的预测模型为： X2 =X1+VM 其中，X2为预测模型，XI为个体新模型，VM为初始步长。
14. 根据权利要求11所述的系统，其特征是，所述的系统还包括： 步长调整次数获取装置，用于获取预先设定的步长调整次数； 新步长确定装置，用于当步长调整循环次数等于步长调整次数时，根据所述的初始步 长、预测模型确定新步长。
15. 根据权利要求14所述的系统，其特征是，所述的新步长确定装置包括： 接收数获取模块，用于获取所述预测模型的接收数； 种群数获取模块，用于获取所述预测模型的种群数； 比值确定模块，用于确定所述预测模型的接收数与种群数的比值； 新步长确定模块，用于根据所述的比值以及初始步长确定新步长。
16. 根据权利要求15所述的系统，其特征是，根据所述的比值以及初始步长确定的新 步长为：
其中，R为预测模型的接收数与种群数的比值，VM为初始步长，VM'为新步长。
17. 根据权利要求14或15所述的系统，其特征是，所述的系统还包括： 温度参数获取装置，用于获取预先设定的温度下降迭代次数、温度下降系数； 新温度确定装置，用于当温度下降循环次数等于温度下降迭代次数时，根据所述的温 度下降系数、初始温度确定新温度。
18. 根据权利要求17所述的系统，其特征是，根据所述的温度下降系数、初始温度确定 的新温度为： T' =T* 入 其中，T为初始温度，T'为新温度，A为温度下降系数。
19. 根据权利要求17所述的系统，其特征是，所述的系统还包括： 第一赋值装置，用于将所述的新步长赋值给所述初始步长； 第二赋值装置，用于将所述的新温度赋值给所述初始温度； 第三赋值装置，用于将所述的预测模型赋值给所述个体模型。
20. 根据权利要求19所述的系统，其特征是，所述的系统还包括： 设定次数获取装置，用于获取循环次数； 第一结束装置，用于当所述的循环次数达到所述的最大循环次数时，退火反演结束； 标准误差获取装置，用于获取预先设定的标准误差； 第二结束装置，用于当所述的拟合误差达到所述的误差标准时，退火反演结束。
【文档编号】G01V3/38GK104407393SQ201410743238
【公开日】2015年3月11日 申请日期:2014年12月8日 优先权日:2014年12月8日
【发明者】王志刚 申请人:中国石油天然气集团公司, 中国石油集团东方地球物理勘探有限责任公司