基于改进粒子群算法的裂缝属性识别方法研究

随着当今社会经济的高速发展,在新型能源得到普遍推广之前,传统的能源依然是被大量需求的,尤其是对于油气资源的需求量大大的上升,因此使得油气资源勘探开发的步伐也大大的加快,然而常规构造油气藏的开发已几近殆尽,所以目前油气勘探开发的主要研究方向转为岩性油气藏、复杂裂隙裂缝型油气藏的寻找开发,但是这些油气藏地区的地质条件相对来说都较复杂,勘探开发起来难度较大,难以用常规的纵波勘探方法来解决。多波多分量地震数据资料比单波(纵波)分量能够提供更加丰富的地层岩性信息,尤其还包含了地层裂缝信息,综合利用这些信息能够更加可靠地预测岩性及油气分布,为油藏精细描述提供了重要的依据。在多波多分量地震勘探中,当转换横波在含有裂缝的各向异性介质中传播时,会产生平行于裂缝走向的快横波和垂直于裂缝走向的慢横波,我们称之为横波分裂现象。因为横波分裂现象可以携带很多裂缝信息,所以我们可以根据这个现象来提取裂缝的方位和密度。由于快横波的偏振方位与裂缝的方位走向密切相关,因此我们可以将裂缝走向的求取转化为快横波的偏振方位角度得求取;又由于快、慢横波的传播时差反映了裂缝发育密度,所以可以将裂缝发育密度的预测转化为求取快、慢横波的传播时差。利用多分量地震中转换横波分裂这一特性进行裂缝属性识别是目前较直接、较可靠的裂缝检测方法。近年来随着遗传算法、粒子群算法和模拟退火法等非线性反演方法引入到横波分裂裂缝属性识别当中,让裂缝属性识别又有了新的思路与希望。其中粒子群算法是通过模拟研究鸟类觅食行为而提出来的,是一种基于群体智能的演化计算技术。该算法因其本身具有实现简单,参数设置少和收敛速度快等特点,在很多领域都得到了应用。首先本文介绍了裂缝各向异性介质理论和横波分裂原理,在横波分裂原理的基础上,利用数学中的Pearson相关系数公式将裂缝属性识别转化为一个高度非线性复杂的寻优问题,其与粒子群优化算法的全局寻优相似。然后对粒子群优化算法的理论基础和改进策略作了简要的阐述,介绍了粒子群算法的原理及实现流程。针对基本粒子群算法收敛速度慢和易陷入局部最优的缺点,发展了两种改进的粒子群算法:加入控制因子的收缩因子粒子群算法和基于模拟退火的收缩因子粒子群算法。两种算法都通过收缩因子扩大算法在初期的搜索空间,增强了粒子的收敛性;加入控制因子可以通过“吸收”和“扩散”两个算子使粒子群保持了多样性并具有更好的收敛率;融合模拟退火算法,可以按照Metropolis准则接受优化解的同时以一定的概率接受恶化解,增加种群的多样性,使算法避免陷入局部最优。本文在充分理解粒子群优化算法理论的基础上,将粒子群算法与Pearson相关系数应用于裂缝属性识别中。通过对单道地震数据进行了处理,证实了其可行性,并将两种改进算法的识别结果与基本粒子群算法的识别结果进行对比,验证了改进算法的有效性。为了验证两种算法的抗噪性能,利用两种改进算法对加入随机噪声的多道地震数据进行了处理,结果表明两种算法在噪声环境下也能很好地进行裂缝属性识别,得到精确的结果。同时将识别结果与基本粒子群算法的识别进行了对比,发现改进算法的抗噪性能与稳定性都要优于基本粒子群算法。