申请/专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司勘探开发研究院

申请日：2020-04-17

公开（公告）日：2023-11-24

公开（公告）号：CN113534246B

主分类号：G01V1/30

分类号：G01V1/30;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2023.11.24#授权;2021.11.09#实质审查的生效;2021.10.22#公开

摘要：本发明提供一种基于蜂群优化算法的叠前AVO反演方法，包括：步骤1，输入三维叠前地震数据体和地震子波；步骤2，设置初始蜜源，即构建反演初始模型；步骤3，根据构建的基于贝叶斯理论AVO反演方程式计算目标函数值；步骤4，根据AVO反演目标函数与蜂群算法适应度函数关系计算蜜源适应度值；步骤5，应用改进的蜂群算法进行邻域搜索寻找最优解；步骤6，当达到最大搜索次数或满足迭代终止条件时得到反演最优解，实现储层物性参数提取。该基于蜂群优化算法的叠前AVO反演方法将改进的人工蜂群算法、基于贝叶斯理论和精确Zoeppritz方程的AVO反演进行融合，提供一种有效可靠的储层物性参数叠前AVO非线性反演技术。

主权项：1.基于蜂群优化算法的叠前AVO反演方法，其特征在于，该基于蜂群优化算法的叠前AVO反演方法包括：步骤1，输入三维叠前地震数据体和地震子波；步骤2，设置初始蜜源，即构建反演初始模型；步骤3，根据构建的基于贝叶斯理论AVO反演方程式计算目标函数值；步骤4，根据AVO反演目标函数与蜂群算法适应度函数关系计算蜜源适应度值；将AVO反演与蜂群算法相结合，根据适应度函数与目标函数之间的关系，使用如下式所示的对应关系，其中fiti为第i个蜜源的适应度值，φi为第i个蜜源对应的目标函数值，i＝1,2,3,...,SN；使用该式对目标函数计算得到相应的适应度值， 步骤5，应用改进的蜂群算法进行邻域搜索寻找最优解；根据结合粒子群和遗传算法的改进蜂群算法进行邻域搜索更新蜜源位置，并设置各项参数；步骤6，判断邻域搜索次数是否超过所设的限定值，即蜜蜂最大搜索次数，如果是则放弃当前的蜜源，采蜜蜂和观察蜂的角色转换为侦察蜂，随机产生一个新蜜源；否则返回步骤3继续进行蜜源位置的更新；步骤7，判断是否达到迭代终止条件，即达到设定的最大迭代次数或优化误差小于限定值，如果是则此时的最佳蜜源位置，即为反演所求的最优解，否则返回步骤3继续进行蜜源位置的更新。

全文数据：

权利要求：

百度查询： 中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司勘探开发研究院 基于蜂群优化算法的叠前AVO反演方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD