一種基于蟻群算法的地震數據剩余靜校正方法
【專利摘要】本發明提供了一種基于蟻群算法的地震數據剩余靜校正方法。所述方法充分吸收基于全局高效自適應尋優的蟻群算法的優點，采用在炮-檢域進行剩余靜校正量非線性反演的思路，不但保證了剩余靜校正估算對輸入低信噪比道集的高的成像分辨率，又突出了剩余靜校正最優值收斂的效率，形成基于炮-檢域全局最優蟻群算法的地震數據剩余靜校正方法，為地震數據處理提供更精細和高效的剩余靜校正計算方法。
【專利說明】一種基于蟻群算法的地震數據剩余靜校正方法
【技術領域】
[0001]本發明涉及石油天然氣地震勘探【技術領域】，更具體地講，涉及一種基于炮-檢域全局最優蟻群算法的地震數據剩余靜校正方法，主要應用于石油地震勘探的野外地震資料處理解釋。
【背景技術】
[0002]靜校正估算是地震數據處理中非常重要和及其關鍵的技術手段，而復雜地表條件下的剩余靜校正問題是一個非常復雜的非線性反演問題，難度大，研究工作少，長期未得到很好解決。隨著我國地震勘探向戈壁、黃土塬、山地等地表復雜地區發展，靜校正問題成了迫切需要解決的任務。原始地震資料經過野外一次靜校正后，剩余的靜校正量可用傳統的方法求取。但當地震資料的剩余靜校正量大、信噪比低或剩余靜校正量大于地震波波形的1/2周期時，采用傳統的剩余靜校正方法會出現周波跳躍現象，影響地震資料的成像效果，必須尋找新的解決思路。
[0003]從20世紀70年代開始剩余靜校正方法的研究受到廣大學者的關注。先后提出了分解旅行時計算炮點和檢波點靜校正量的廣義線性反演法，統計相關法，最大能量法等。針對剩余靜校正量本質上是一個非線性反演問題，將全局最優化方法的模擬退火算法，遺傳算法引入剩余靜校正量的計算中，并更好的結合模擬退火算法和遺傳算法的優勢，提出了綜合并行遺傳算法。這些方法基本上都是在疊前共中心點道集中進行計算。常規的剩余靜校正量的計算基于的假設:①是剩余靜校正量隨機分布原則，在CMP道集(即共中心點道集)中疊加后剩余靜校正量的影響可以消除。②是地表一致性原則，即炮點靜校正量和檢波點靜校正量僅與地表位置有關。統計相關法、最大能量法和模擬退火法等剩余靜校正算法都是基于這兩點假設。但對低信噪比、大剩余靜校正量(例如，剩余靜校正量大于地震波波形的1/2周期)的地震資料，應用這種常規的通過CMP道集獲得模型道的方法無法解決這類資料的靜校正問題。
【發明內容】
[0004]針對現有技術中存在的不足，本發明的目的之一在于解決上述現有技術中存在的一個或多個問題。例如，本發明的目的之一在于提供一種能夠實現對低信噪比、大剩余靜校正量(例如，剩余靜校正量大于地震波波形的1/2周期)的地震資料進行剩余靜校正的方法。
[0005]為了實現上述目的，本發明提供了一種基于蟻群算法的地震數據剩余靜校正方法。所述方法包括第一操作或第二操作，其中，所述第一操作包括將單炮地震數據經過野外靜校正和動校正之后的共中心點道集選排為共炮點道集，并對所述共炮點道集依次進行以下處理:
[0006]步驟a:
[0007]Al、根據預設的剩余靜校正量的范圍為共炮點道集的每一道隨機生成一個初始剩余靜校正量，形成共炮點道集剩余靜校正量的初始解集；A2、根據所述共炮點道集剩余靜校正量的初始解集并利用蟻群算法進行搜索，得到共炮點道集剩余靜校正量的最優解集并應用于對共炮點道集的每一道進行剩余靜校正。
[0008]步驟b:
[0009]判斷是否滿足最終終止條件:若滿足最終終止條件，則停止運算；若不滿足最終終止條件，則將利用所述共炮點道集剩余靜校正量的最優解集進行剩余靜校正處理后的數據選排為共檢波點道集，并執行步驟C。
[0010]步驟c:
[0011]Cl、根據預設的剩余靜校正量的范圍為共檢波點道集的每一道隨機生成一個初始剩余靜校正量，形成共檢波點道集剩余靜校正量的初始解集；C2、根據所述共檢波點道集剩余靜校正量的初始解集并利用蟻群算法進行搜索，得到共檢波點道集剩余靜校正量的最優解集并應用于對共檢波點道集的每一道進行剩余靜校正。
[0012]步驟d:
[0013]判斷是否滿足最終終止條件:若滿足最終終止條件，則停止運算；若不滿足最終終止條件，則返回執行步驟a ;所述第二操作包括將單炮地震數據經過野外靜校正和動校正后的共中心點道集選排為共檢波點道集，并對所述共檢波點道集依次進行以下處理:
[0014]步驟a':采用與所述第一操作中的步驟c相同的操作。
[0015]步驟b':判斷是否滿足最終終止條件:若滿足最終終止條件，則停止運算；若不滿足最終終止條件，則將利用所述共檢波點道集剩余靜校正量的最優解集進行剩余靜校正處理后的數據選排為共炮點道集，并執行所述步驟c'。
[0016]步驟C,:采用與所述第一操作中的步驟a相同的操作。
[0017]步驟d':判斷是否滿足最終終止條件:若滿足最終終止條件，則停止運算；若不滿足最終終止條件，則返回執行步驟a'。
[0018]根據本發明基于蟻群算法的地震數據剩余靜校正方法的一個實施例，所述步驟A2包括:
[0019]A21、將m只螞蟻分別放置于共炮點道集剩余靜校正量的第N解集中對應道剩余靜校正量所在的節點上，進行炮域內的第t次循環迭代(簡稱迭代)，其中，m等于共炮點道集的總道數，t和N的初始值均為1，并且當N= I時，第N解集為所述共炮點道集剩余靜校正量的初始解集。
[0020]A22、利用第N解集對共炮點道集進行第t次剩余靜校正，按下面的等式I計算并比較第t次剩余靜校正之后的共炮點道集的疊加道的振幅能量Et和第t-Ι次剩余靜校正之后的共炮點道集的疊加道的振幅能量Ew，其中，當t = I時，Etl為第一次剩余靜校正步驟之前的共炮點道集的疊加道的振幅能量，
[0021]等式1:
【權利要求】
1.一種基于蟻群算法的地震數據剩余靜校正方法，其特征在于，所述方法包括第一操作或第二操作，其中， 所述第一操作包括將單炮地震數據經過野外靜校正和動校正之后的共中心點道集選排為共炮點道集，并對所述共炮點道集依次進行以下處理: 步驟a: Al、根據預設的剩余靜校正量的范圍為共炮點道集的每一道隨機生成一個初始剩余靜校正量，形成共炮點道集剩余靜校正量的初始解集； A2、根據所述共炮點道集剩余靜校正量的初始解集并利用蟻群算法進行搜索，得到共炮點道集剩余靜校正量的最優解集并應用于對共炮點道集的每一道進行剩余靜校正； 步驟b: 判斷是否滿足最終終止條件:若滿足最終終止條件，則停止運算；若不滿足最終終止條件，則將利用所述共炮點道集剩余靜校正量的最優解集進行剩余靜校正處理后的數據選排為共檢波點道集，并執行步驟c ; 步驟c: Cl、根據預設的剩余靜校正量的范圍為共檢波點道集的每一道隨機生成一個初始剩余靜校正量，形成共檢波點道集剩余靜校正量的初始解集； C2、根據所述共檢波點道集剩余靜校正量的初始解集并利用蟻群算法進行搜索，得到共檢波點道集剩余靜校正量的最優解集并應用于對共檢波點道集的每一道進行剩余靜校正； 步驟d: 判斷是否滿足最終終止條件:若滿足最終終止條件，則停止運算；若不滿足最終終止條件，則返回執行步驟a; 所述第二操作包括將單炮地震數據經過野外靜校正和動校正后的共中心點道集選排為共檢波點道集，并對所述共檢波點道集依次進行以下處理: 步驟a':采用與所述第一操作中的步驟c相同的操作； 步驟b':判斷是否滿足最終終止條件:若滿足最終終止條件，則停止運算；若不滿足最終終止條件，則將利用所述共檢波點道集剩余靜校正量的最優解集進行剩余靜校正處理后的數據選排為共炮點道集，并執行所述步驟c,; 步驟c,:采用與所述第一操作中的步驟a相同的操作； 步驟d':判斷是否滿足最終終止條件:若滿足最終終止條件，則停止運算；若不滿足最終終止條件，則返回執行步驟a'。
2.根據權利要求1所述的基于蟻群算法的地震數據剩余靜校正方法，其特征在于，所述步驟A2包括: A21、將m只螞蟻分別放置于共炮點道集剩余靜校正量的第N解集中對應道剩余靜校正量所在的節點上，進行炮域內的第t次循環迭代，其中，m等于共炮點道集的總道數，t和N的初始值均為1，并且當N = I時，第N解集為所述共炮點道集剩余靜校正量的初始解集； A22、利用第N解集對共炮點道集進行第t次剩余靜校正，按下面的等式I計算并比較第t次剩余靜校正之后的共炮點道集的疊加道的振幅能量Et和第t-Ι次剩余靜校正之后的共炮點道集的疊加道的振幅能量Ew，其中，當t = I時，Etl為第一次剩余靜校正步驟之前的共炮點道集的疊加道的振幅能量， 等式1: ε；=ΣΣ<,
k=l /-1 在等式I中，m為共炮點道集的總道數，T為地震道的總樣點數，d'為第t次剩余靜校正之后的共炮點道集的第j道的第k個樣點的振幅能量； 當Et彡Et^1時，則對第N解集中每一道的剩余靜校正量進行隨機擾動并根據蟻群算法的概率轉移方式來選擇共炮點道集中每一道擾動后的剩余靜校正量，形成共炮點道集剩余靜校正量的第N+1解集，其中，所述蟻群算法的概率轉移方式為: 首先，根據下面的等式2計算第t次循環迭代時位于節點i的第k只螞蟻轉移到下一節點j的轉移概率Ρ? (O，其中，節點i是第N解集中第k道的剩余靜校正量所對應的節點，節點j是第N解集中第k道的剩余靜校正量經隨機擾動后得到的剩余靜校正量所對應的節點， 等式2:
Γηα Γ?β
(O [η^.(θ],,J----jr./ E allow；E allow,
辦)=ΣΜ)Τ[ιω]Ρ
0，其他 在等式2中，τ Jj (t)表示在第t次迭代時所有螞蟻遺留在i節點到j節點路徑上的信息素量，τ is(t)表示在第t次迭代時所有螞蟻遺留在i節點到s節點路徑上的信息素量，i節點到s節點路徑代表除i節點到j節點路徑之外其它所有可選路徑，nu(t)為啟發函數，是i節點到j節點歐幾里德距離的倒數，nis(t)是i節點到s節點歐幾里德距離的倒數，α表示轉移軌跡的重要性，β表示能見度的相對重要性；然后，比較乂(O與預設的接受概率，判斷是否接受螞蟻k從第i節點轉移到第j節占-^ \\\.當> Pucp時，則接受將第N解集中第k道剩余靜校正量經擾動后得到的剩余靜校正量作為第N+1解集中第k道的剩余靜校正量； 當!)郵!、時，則拒絕將第N解集中第k道剩余靜校正量經擾動后得到的剩余靜校正量作為第N+1解集中第k道的剩余靜校正量，并重新對第N解集中第k道的剩余靜校正量進行擾動，然后根據所述蟻群算法的概率轉移方式判斷是否接受將第N解集中第k道剩余靜校正量經重新擾動后的剩余靜校正量作為第N+1解集中第k道的剩余靜校正量，直到P^)〉Pacp ; 最后，當所有螞蟻均完成下一節點的選擇并形成第N+1解集之后，更新信息素，令t =t+1，N = N+1并返回執行步驟A21 ； 當Et > Et^1時，則將第N解集作為共炮點道集剩余靜校正量的當前最優解集； A23、判定是否滿足炮域終止條件:若不滿足炮域終止條件則，則對第N解集中每一道的剩余靜校正量進行隨機擾動并將擾動后的各道剩余靜校正量所構成的解集直接作為共炮點道集剩余靜校正量的第N+1解集，令t = t+1, N = N+1并返回執行步驟A21 ;若滿足炮域終止條件則將第N解集作為共炮點道集剩余靜校正量的最優解集。
3.根據權利要求2所述的基于蟻群算法的地震數據剩余靜校正方法，其特征在于，所述步驟A23的炮域終止條件為: 確定t是否達到炮域最大迭代次數和確定第t次剩余靜校正之后的共炮點道集數據的疊加道的振幅能量Et和第t-Ι次剩余靜校正步驟之后的共炮點道集數據的疊加道的振幅能量Ew的差值是否達到最小， 當Et-Ew沒有達到最小且t未達到炮域最大迭代次數時，判定未滿足炮域終止條件； 當Et-Ew達到最小或者t達到炮域最大迭代次數時，判定滿足炮域終止條件； 其中，多次重復所述步驟A21和A22且無法獲得比Et-Ew更小的差值時判定Et-Ew達到最小。
4.根據權利要求2所述的基于蟻群算法的地震數據剩余靜校正方法，其特征在于，所述步驟A22按照下面的等式3進行信息素更新， 等式3:
Tij (t+Ι) = (1- ζ ) τ Jj (t) + Δ τ (t)
τη 在等式3中，Δ?) = ΣΔ? —I是信息素衰減系數，ξ = Pt,并
k=l且P是O?I的常數，t是迭代次數。
5.根據權利要求2或4中任意一項所述的基于蟻群算法的地震數據剩余靜校正方法，其特征在于，所述步驟C2包括: C21、將m'只螞蟻分別放置于共檢波點道集的第N'解集中對應道剩余靜校正量所在的節點上，m'等于共檢波點道集的總道數，進行檢波點域內的第t,次循環迭代，其中，t'和N,的初始值均為1，并且當N, = I時，共檢波點道集的第N,解集為所述共檢波點道集剩余靜校正量的初始解集； C22、利用第N,解集對共檢波點道集進行第t,次剩余靜校正，利用所述等式I計算并比較第t,次剩余靜校正之后的共檢波點道集的疊加道的振幅能量Et'和第t, -1次剩余靜校正之后的共檢波點道集的疊加道的振幅能量Et_/，其中，Ec/為第一次剩余靜校正步驟之前的共檢波點道集的疊加道的振幅能量， 當E/彡Et_/時，則對第N'解集中每一道的剩余靜校正量進行隨機擾動并根據所述蟻群算法的概率轉移方式來選擇共檢波點道集中每一道擾動后的剩余靜校正量，形成共檢波點道集剩余靜校正量的第N' +1解集，并更新信息素，令t' =t' +1，N' =N' +1并返回執行步驟C21 ； 當E/ >Et_/時，則將第N,解集作為共檢波點道集剩余靜校正量的當前最優解集； C23、判定是否滿足檢波點域終止條件:若不滿足檢波點域終止條件，則對第N'解集中每一道的剩余靜校正量進行隨機擾動并將擾動后的各道剩余靜校正量所構成的解集直接作為共檢波點道集剩余靜校正量的第N' +1解集，令t' =t' +1，N' =N' +1并返回執行步驟C21 ;若滿足檢波點域終止條件則將第N,解集作為共檢波點道集的剩余靜校正量的最優解集。
6.根據權利要求5所述的基于蟻群算法的地震數據剩余靜校正方法，其特征在于，所述步驟C23的檢波點域終止條件為:確定t'是否達到檢波點域最大迭代次數和確定第t'次剩余靜校正之后的共檢波點道集數據的疊加道的振幅能量Et'和第t, -1次剩余靜校正步驟之后的共檢波點道集數據的疊加道的振幅能量Et_/的差值是否達到最小， 當Et' -Et_/沒有達到最小且t'未達到檢波點域最大迭代次數時，判定未滿足檢波點域終止條件； 當Et' -Et_/達到最小或者t'達到檢波點域最大迭代次數時，判定滿足檢波點域終止條件； 其中，多次重復所述步驟C21和C22且無法獲得比E/ -Et_/更小的差值時判定E/ _Et_/達到最小。
7.根據權利要求1所述的基于蟻群算法的地震數據剩余靜校正方法，其特征在于，所述步驟b和d'包括:判定是否達到預設的運行時間和確定第t次剩余靜校正之后的共炮點道集數據的疊加道的振幅能量Et和第t-Ι次剩余靜校正步驟之后的共炮點道集數據的疊加道的振幅能量Ew的差值是否達到預定闕值，其中， 當Et-Ew大于預定闕值且未達到預設的運行時間時，判定不滿足最終終止條件； 當Et-Ew小于或等于預定闕值或者達到預設的運行時間時，判定滿足最終終止條件。
8.根據權利要求1所述的基于蟻群算法的地震數據剩余靜校正方法，其特征在于，所述步驟c^Pb'包括:判定是否達到預設的運行時間和確定第t'次剩余靜校正之后的共檢波點道集數據的疊加道的振幅能量Et'和第t, -1次剩余靜校正步驟之后的共檢波點道集數據的疊加道的振幅能量Et_/的差值是否達到預定闕值，其中， 當E/ -Et_/大于預定闕值且未達到預設的運行時間時，判定不滿足最終終止條件； 當E/ -Et_/小于或等于預定闕值或者達到預設的運行時間時，判定滿足最終終止條件。
【文檔編號】G01V1/36GK104199106SQ201410460617
【公開日】2014年12月10日 申請日期:2014年9月11日 優先權日:2014年9月11日
【發明者】羅紅明, 王勤耕, 何光明, 李忠, 王棟, 楊海濤, 金德剛, 張華
申請人:中國石油集團川慶鉆探工程有限公司地球物理勘探公司