一种基于知识迁移的叠前AVA弹性参数反演方法及系统

本发明属于地球物理勘探，具体涉及一种基于知识迁移的叠前ava弹性参数反演方法及系统。

背景技术：

1、能源是整个世界发展和经济增长的最基本的驱动力，是人类赖以生存的基础。石油、天然气等常规能源是促进社会进步和文明发展的主要能源。随着社会的飞速发展，人们对油气资源的需求也越来越大。其中，地震勘探是一种有效的石油勘探方法，它能够利用地下介质弹性和密度的差异，并采用信号处理与反演方法，观测和分析人工地震所产生的地震波在地下的传播规律，预测储层参数，从而推断地下岩层的性质和几何结构，并用来预测地下油气富集区。因此，对于各项地震勘探技术的研究发展就是地球物理勘探领域的主要的研究问题。

2、作为地震叠前反演的主要方法之一，ava(amplitude variation with angle，振幅随入射角变化)反演利用反射振幅随着入射角度的变化关系来寻找油气资源，能同时获得纵波速度(p-wave velocity)、横波速度(s-wave velocity)、密度(density)等储层参数，已成为油气储层预测研究的热点技术之一，已在油气检测和储层特征描述等领域扮演了重要的角色，它直接利用地震叠前资料进行分析，充分利用了多次覆盖得到的原始地震信息，可以得到更多的弹性参数，更有利于储层岩性和流体性质的识别。同时，利用由叠前资料中的实际地震道集数据提取出的地层弹性参数，也可以帮助预测岩性和烃类，进行定量的油藏描述。叠前弹性参数反演因为具有很强的不适定性，且存在多参数耦合问题。传统的叠前ava参数反演方法是采用广义线性反演方法，将非线性最小二乘问题转化为参数修正量的最小二乘问题，简化zoeppritz方程的非线性算法，一定程度上保证了反演的精度。但其也存在着如：陷入局部极值，参数不易选取，不易收敛等问题。

3、为提高反演弹性参数的精度，降低对初始模型的依赖，基于智能优化算法的ava参数反演方法被关注，并提出了一些工作。如基于量子行为的粒子群优化算法，直接将全局优化算法应用到ava弹性参数反演中。基于遗传算法(genetic algorithm)和射线理论的方法进行弹性参数的过程中，利用经验关系式作为约束条件，分析了恢复参数中纵波、横波速度和密度之间的相关性。但以上方法都没有考虑弹性参数的横向的连续性，并且经验公式约束参数间关系也存在着精度缺失等问题。

技术实现思路

1、本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于知识迁移的叠前ava弹性参数反演方法及系统，用于解决传统叠前ava弹性参数反演中，反演剖面结果横向连续性差的技术问题。

2、本发明采用以下技术方案：

3、一种基于知识迁移的叠前ava弹性参数反演方法，包括以下步骤：

4、s1、对叠后marmousi ii阻抗模型进行部分截取，并利用泥岩线经验公式生成横波速度和密度模型剖面，利用精确zoeppritz方程对纵横波速度和密度模型数据进行正演，并于主频为30hz的ricker子波褶积得到叠前地震数据；

5、s2、根据多组变异差分进化算法对步骤s1得到纵横波速度和密度模型数据进行低频滤波，生成初始种群；

6、s3、在特定迭代次数g时，将知识迁移作用到测井道或相邻地震道迭代反演得到的旁道最优解p和当前道目前迭代次数的最优解qg上，为种群变异提供保证横向连续性的候选解利用知识迁移得到的候选解和当前道在第g次迭代种群中的个体进行变异和交叉，得到融入旁道最优解信息的种群，加速当前道的迭代收敛过程；

7、s4、在多组变异差分进化算法选择过程中，依据设定的阈值，利用叠后阻抗信息约束纵波速度和密度的相关性，对步骤s2得到的初始种群中的候选解进行eps滤波，比较目标函数值j[vp,vs,ρ]，得到当前迭代次数目标函数值最小的个体；

8、s5、将步骤s4当前迭代次数目标函数值最小的个体作为最优解qg引导知识迁移中映射矩阵m的进化，设定最大迭代次数，对步骤s2～s4进行迭代，在达到最大迭代次数时，将目标函数值最小的种群个体作为参数最优解，同时作为下一道知识迁移的旁道最优解，即得到当前道的最优弹性参数反演结果vp,vs,ρ；同时将当前道得到的最优解作为下一道反演过程中，知识迁移模块中所采用的旁道最优解p。

9、具体的，步骤s1中，利用经验公式生成横波和密度剖面如下：

10、

11、其中，vs,i为第i道的s波速度值，rhoi为第i道的密度值，vp,i为第i道的密度值。

12、具体的，步骤s1中，地震数据d为：

13、

14、其中，为褶积，w为正演所采用的子波矩，r为根据zoeppritz方程得到的p-p波反射系数。

15、具体的，步骤s2中，低频滤波使用的滤波器为巴特沃斯低频滤波器，截止频率为3hz，阶数设为2，单道反演中初始种群在滤波后弹性参数低频的±20％范围内随机生成。

16、具体的，步骤s3中，知识迁移得到的候选解为：

17、

18、其中，p为旁道最优解向量，mg为第g次迭代时的映射矩阵m，δg为迭代间隔，为映射算子，m为映射矩阵。

19、进一步的，映射矩阵m的求解过程如下：

20、

21、其中，qg为当前反演道在第g次迭代时的最优解，p为旁道最优解向量。

22、进一步的，在单道反演过程中，经过多次测试，在模型实验中将迭代间隔δg设置为20。

23、具体的，步骤s4中，叠后阻抗信息约束的目标函数为：

24、

25、其中，threshold为预先设定的阈值，为当前道的叠后纵波阻抗信息，为当前道在迭代反演过程的纵波速度信息，ρcur为当前道在迭代反演过程的密度信息。

26、具体的，步骤s5中，目标函数j[vp,vs,ρ]为：

27、

28、其中，vp,vs,ρ为弹性参数，g(·)为正演算子，dobs为观测数据。

29、第二方面，本发明实施例提供了一种基于知识迁移的叠前ava弹性参数反演系统，包括：

30、正演模块，对叠后marmousi ii阻抗模型进行部分截取，并利用泥岩线经验公式生成横波速度和密度模型剖面，利用精确zoeppritz方程对纵横波速度和密度模型数据进行正演，并于主频为30hz的ricker子波褶积得到叠前地震数据；

31、滤波模块，根据多组变异差分进化算法对正演模块得到纵横波速度和密度模型数据进行低频滤波，生成初始种群；

32、迁移模块，在特定迭代次数g时，将知识迁移作用到测井道或相邻地震道迭代反演得到的旁道最优解p和当前道目前迭代次数的最优解qg上，为种群变异提供保证横向连续性的候选解利用知识迁移得到的候选解和当前道在第g次迭代种群中的个体进行变异和交叉，得到融入旁道最优解信息的种群，加速当前道的迭代收敛过程；

33、函数模块，在多组变异差分进化算法选择过程中，依据设定的阈值，利用叠后阻抗信息约束纵波速度和密度的相关性，对迁移模块得到的初始种群中的候选解进行eps滤波，比较目标函数值j[vp,vs,ρ]，得到当前迭代次数目标函数值最小的个体；

34、反演模块，将函数模块当前迭代次数目标函数值最小的个体作为最优解qg引导知识迁移中映射矩阵m的进化，设定最大迭代次数，进行迭代，在达到最大迭代次数时，将目标函数值最小的种群个体作为参数最优解，同时作为下一道知识迁移的旁道最优解，即得到当前道的最优弹性参数反演结果vp,vs,ρ；同时将当前道得到的最优解作为下一道反演过程中，知识迁移模块中所采用的旁道最优解p。

35、与现有技术相比，本发明至少具有以下有益效果：

36、一种基于知识迁移的叠前ava弹性参数反演方法，基于精确zoeppritz方程构建正演模型，基于matlab实现多组变异差分进化算法，并在多组变异差分进化算法的变异阶段将旁道最优解信息通过知识迁移的映射算子融入到当前道的种群的候选解中，把叠后纵波阻抗信息融入到多组变异差分进化算法的选择阶段，通过叠后纵波阻抗信息的约束，约束纵波速度和密度的非线性关系，进一步加速全局优化过程的收敛速度，降低反演问题的非线性和提高反演弹性三参数的精度，从而最终得到横向连续的，精度较高的弹性参数剖面结果。

37、进一步的，采用经验公式利用纵波速度生成横波速度和密度是为采用精确zoeppritz方程得到反射系数，正演得到叠前地震数据的必要步骤。

38、进一步的，纵横波速度和密度正演生成的地震数据d作为已知的叠前地震观测数据，用于通过迭代反演最小化反演目标函数。

39、进一步的，采用巴特沃斯低频滤波器对纵横波速度和密度进行低频滤波，目的是得到在反演过程中用于初始化种群的低频分量。由于初始化种群中需要保证种群内个体的多样性，所以通过设置上下界为弹性参数低频分量的±20％来随机初始化种群中每一个个体。

40、进一步的，传统的叠前ava弹性参数反演方法都是采用单道反演的方法，未考虑相邻地震道的弹性参数的横向连续性。因此，为将旁道的弹性参数信息引入当前地震道的反演过程，通过知识迁移项得到候选解将其作为当前道种群迭代反演过程的个体，参与变异交叉过程。

41、进一步的，通过知识迁移将旁道弹性参数信息引入当前道的迭代反演过程，旁道最优解信息p直接迁移到当前地震道的种群中，得到候选解是不合理的。因此，需要映射算子计算得到映射矩阵m，通过映射矩阵m对旁道解p进行处理得到候选解个体

42、进一步的，对映射矩阵m的迭代更新间隔δg设置为20的原因在于，单道弹性参数的迭代反演次数通常较大。若在每次迭代时均更新映射矩阵m，会带来大量的额外时间开销。且经实验证明，通过设置迭代更新间隔δg为20，可以很好的平衡额外计算时间开销和对旁道最优解信息p的使用。

43、进一步的，引入的叠后阻抗信息约束，主要目的是为降低叠前ava弹性参数反演的不适定性。由于叠前地震数据是由纵横波速度和密度共同约束的。因此，仅以作为最终反演目标函数，会导致反演弹性参数结果的不唯一。因此，引入叠后阻抗信息约束，利用纵波速度和密度的物理关系，可以很好的降低反演问题的不适定性。

44、进一步的，设置的j[vp,vs,ρ]为在单道反演过程中需要最小化的目标函数，其也是在迭代过程中通过选择步骤迭代更新种群中个体的评价指标。通过多次迭代，使得j[vp,vs,ρ]取得最小值的个体，即认为是反演所得到的弹性参数vp,vs,ρ。

45、可以理解的是，上述第二方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

46、综上所述，本发明在全局优化方法框架内，实现了一种叠前ava弹性参数反演方法。本方法通过知识迁移项的引入，克服了传统的ava弹性参数中无法有效利用旁道地震信息，反演参数剖面横向不连续的缺点。同时，通过旁道的弹性参数信息指导当前地震道的迭代反演过程，加速收敛。此外，对于叠前ava弹性参数反演固有的不适定性，通过叠后阻抗信息约束，降低了该反问题的不适定性，提升了弹性参数反演结果的准确性。

47、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。