基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法以及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法及系統(tǒng)，所述方法包括：根據(jù)時頻電磁的發(fā)射頻率范圍以及分量類型獲取反演數(shù)據(jù)；獲取預(yù)先設(shè)定的反演層數(shù)、初始溫度、初始步長、最大循環(huán)次數(shù)；根據(jù)所述的反演層數(shù)、反演數(shù)據(jù)確定多個個體模型；對所述的個體模型進行遺傳算法運算生成個體新模型；根據(jù)所述的初始步長對所述的個體新模型強制進行退火運算生成預(yù)測模型；確定所述預(yù)測模型與所述個體新模型之間的擬合誤差；根據(jù)所述的擬合誤差判定所述的預(yù)測模型是否符合退火標準。提高了反演時頻電磁數(shù)據(jù)的收斂速度和穩(wěn)定性。
【專利說明】基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法以及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明關(guān)于地球物理勘探【技術(shù)領(lǐng)域】，特別是關(guān)于地球物理的電磁法勘探數(shù)據(jù)技 術(shù)，具體的講是一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法及系統(tǒng)。

【背景技術(shù)】
[0002] 上世紀90年代，長偏移距瞬變電磁測深法（大偏移距和大功率建場法）開始應(yīng)用 于油氣藏探測并取得了良好的效果。在此方法的基礎(chǔ)上，結(jié)合時間域瞬變電磁測深和頻率 域電磁測深的特點，又出現(xiàn)了時頻電磁法（如申請?zhí)枮?3150098. 6的專利）。這種方法具 有時間域電磁法和頻率域電磁法的特點。時頻電磁就是指用一個大的水平長導(dǎo)線源在地面 激發(fā)不同頻率的方波，在地面平行于發(fā)射源的測線上接收電場Ex和磁場Hz的電磁法。該 方法具有時間域瞬變電磁和頻率域測深特點。發(fā)射源通常情況下從幾千米到十幾千米，發(fā) 射源到測線的距離（收發(fā)距）通常是深度的3?6倍，屬于大偏移距觀測方式，也就是遠區(qū) 觀測法。在遠區(qū)觀測時，場源的影響相對比較弱，可以忽略場源的影響。
[0003] 時頻電磁油氣目標預(yù)測的物性基礎(chǔ)是儲層與圍巖之間的電性和極化特性差異。該 方法在應(yīng)用的初始階段利用Ex得到定量極化信息和Bz得到的電阻率信息進行油氣有利區(qū) 的預(yù)測。該方法在中國西部地區(qū)有好幾個成功的應(yīng)用實例。隨著勘探精度要求的提高和處 理技術(shù)的進步，儲層極化信息的提取方法也由定性提取的方法向定量反演方法轉(zhuǎn)變。油氣 目標與圍巖的極化特性差異要比金屬礦與圍巖的小，而且還在遠區(qū)或者過渡區(qū)觀測，所以 相對于背景場極化異常場非常弱。反演具有極化異常的時頻電磁數(shù)據(jù)的問題存在非唯一性 和不穩(wěn)定性，這造成提取極化信息非常困難。在某個搜索區(qū)域上存在著過個極小值，梯度類 的反演算法在反演時頻電磁數(shù)據(jù)的極化信息也不能起到很好效果。
[0004] 因此，如何提出一種新的基于時頻電磁的自適應(yīng)遺傳模擬退火反演的方案，其能 更好反演時頻電磁數(shù)據(jù)中的極化信息是本領(lǐng)域亟待解決的技術(shù)難題。


【發(fā)明內(nèi)容】

[0005] 為了更好的反演時頻電磁數(shù)據(jù)中的極化信息，本發(fā)明提供了一種基于時頻電磁的 自適應(yīng)遺傳模擬退火反演方法及系統(tǒng)，是一種用非線性的自適應(yīng)遺傳模擬退火算法反演時 頻電磁數(shù)據(jù)的方案，遺傳算法來源于生物的自然進化過程，模擬退火算法來源于冶金金屬 退火原理，將遺傳算法改進為自適應(yīng)算法并加入了模擬退火算法，從而提高了反演時頻電 磁數(shù)據(jù)的收斂速度和穩(wěn)定性。
[0006] 本發(fā)明的目的之一是，提供一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法， 包括：根據(jù)時頻電磁的發(fā)射頻率范圍以及分量類型獲取反演數(shù)據(jù)；獲取預(yù)先設(shè)定的反演層 數(shù)、初始溫度、初始步長、最大循環(huán)次數(shù)；根據(jù)所述的反演層數(shù)、反演數(shù)據(jù)確定多個個體模 型；對所述的個體模型進行遺傳算法運算生成個體新模型；根據(jù)所述的初始步長對所述的 個體新模型強制進行退火運算生成預(yù)測模型；確定所述預(yù)測模型與所述個體新模型之間的 擬合誤差；根據(jù)所述的擬合誤差判定所述的預(yù)測模型是否符合退火標準。
[0007] 本發(fā)明的目的之一是，提供了一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演的系 統(tǒng)，包括：反演數(shù)據(jù)獲取裝置，用于根據(jù)時頻電磁的發(fā)射頻率范圍以及分量類型獲取反演數(shù) 據(jù)；預(yù)設(shè)參數(shù)獲取裝置，用于獲取預(yù)先設(shè)定的反演層數(shù)、初始溫度、初始步長、最大循環(huán)次 數(shù)；個體模型確定裝置，用于根據(jù)所述的反演層數(shù)、反演數(shù)據(jù)確定多個個體模型；個體新模 型生成裝置，用于對所述的個體模型進行遺傳算法運算生成個體新模型；預(yù)測模型生成裝 置，用于根據(jù)所述的初始步長對所述的個體新模型強制進行退火運算生成預(yù)測模型；擬合 誤差確定裝置，用于確定所述預(yù)測模型與所述個體新模型之間的擬合誤差；判斷裝置，用于 根據(jù)所述的擬合誤差判定所述的預(yù)測模型是否符合退火標準。
[0008] 本發(fā)明的有益效果在于，提供了一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方 法及系統(tǒng)，屬于重磁電等綜合勘探【技術(shù)領(lǐng)域】，具體是可控源全場區(qū)時頻域電磁測深技術(shù)采 集、處理技術(shù)，是一種精確的基于時頻電磁的自適應(yīng)遺傳模擬退火反演的方案，對實測的反 演數(shù)據(jù)處理，獲得了多次迭代后的測線下方地下介質(zhì)電阻率和極化率分布，滿足了構(gòu)造、斷 層、圈閉的解釋需要，同時還滿足油氣圈閉含油氣性評價的需要，克服了模擬退火反演技術(shù) 的計算時間慢的缺點，同時克服了遺傳算法陷入局部極小的缺點，因此自適應(yīng)遺傳模擬退 火反演技術(shù)具有全局尋找極小值和計算速度快的特點，為時頻電磁法實測數(shù)據(jù)提取電阻率 和極化率信息提供了新的方案，而且還可以應(yīng)用在大地電磁、音頻大地電磁等方法的反演 問題研究之中。
[0009] 為讓本發(fā)明的上述和其他目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例， 并配合所附圖式，作詳細說明如下。

【專利附圖】

【附圖說明】
[0010] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以 根據(jù)這些附圖獲得其他的附圖。
[0011] 圖1為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法 的實施方式一的流程圖；
[0012] 圖2為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法 的實施方式二的流程圖；
[0013] 圖3為圖2中的步驟S209的具體流程圖；
[0014] 圖4為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法 的實施方式三的流程圖；
[0015] 圖5為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法 的實施方式四的流程圖；
[0016] 圖6為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法 的實施方式五的流程圖；
[0017] 圖7為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演系統(tǒng) 的實施方式一的結(jié)構(gòu)框圖；
[0018] 圖8為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演系統(tǒng) 的實施方式二的結(jié)構(gòu)框圖；
[0019] 圖9為圖8中的新步長確定裝置的具體結(jié)構(gòu)框圖；
[0020] 圖10為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演系統(tǒng) 的實施方式三的結(jié)構(gòu)框圖；
[0021] 圖11為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演系統(tǒng) 的實施方式四的結(jié)構(gòu)框圖；
[0022] 圖12為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演系統(tǒng) 的實施方式五的結(jié)構(gòu)框圖；
[0023] 圖13為實測時頻電磁數(shù)據(jù)通過自適應(yīng)遺傳模擬退火反演方法得到的電阻率剖面 示意圖；
[0024] 圖14為實測時頻電磁數(shù)據(jù)通過自適應(yīng)遺傳模擬退火反演方法得到的極化率剖面 示意圖。

【具體實施方式】
[0025] 下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完 整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于 本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他 實施例，都屬于本發(fā)明保護的范圍。
[0026] 本發(fā)明屬于地球物理勘探的電磁法勘探數(shù)據(jù)處理領(lǐng)域，是地球物理數(shù)值模擬和反 演，具體是時頻電磁的自適應(yīng)遺傳模擬退火反演方法以及系統(tǒng)。目的在于提供一種計算效 率高，全局尋優(yōu)的非線性時頻電磁反演方法，可以從時頻電磁觀測數(shù)據(jù)中直接反演電阻率 和極化率信息，為處理時頻電磁觀測數(shù)據(jù)提供一種新的處理的方法。
[0027] 圖1為本發(fā)明實施例提供的一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法 的實施方式一的流程圖，由圖1可知，所述的方法包括：
[0028] SlOl :根據(jù)時頻電磁的發(fā)射頻率范圍以及分量類型獲取反演數(shù)據(jù)。
[0029] 在具體的實施例中，依據(jù)實測時頻電磁發(fā)射頻率的分布范圍和分量類型，選擇參 加反演的數(shù)據(jù)。參加反演中時頻電磁多源多分量的發(fā)射頻率的范圍為〇.〇l-l〇〇Hz。參加反 演中時頻電磁多源多分量的分量為與場源平行的電場分量Ex和垂直磁場分量Hz。
[0030] S102:獲取預(yù)先設(shè)定的反演層數(shù)、初始溫度、初始步長、最大循環(huán)次數(shù)。
[0031] 反演的層數(shù)是指反演未知數(shù)個數(shù)，獲取的初始溫度為T、初始步長為VM。在具體的 實施方式中，所述的初始溫度T的選擇范圍為0. 5-5,初始步長VM范圍為1-5。
[0032] S103 :根據(jù)所述的反演層數(shù)、反演數(shù)據(jù)確定多個個體模型。
[0033] 依據(jù)反演的未知數(shù)個數(shù)（即反演層數(shù)），選擇反演的種群數(shù)并產(chǎn)生所有的個體模 型X0,反演的種群數(shù)是所有個體模型XO的總和，個體模型通過正態(tài)分布的隨機數(shù)生成。
[0034] S104 :對所述的個體模型XO進行遺傳算法運算生成個體新模型XI。
[0035] 在具體的實施方式中，所述的遺傳算法的運算包括：選擇，雜交和變異，雜交初始 概率Pe范圍為0. 6-0. 8,變異初始概率Pm范圍為0. 001?0. 005,迭代過程中新的雜交和變 異的概率采用自適應(yīng)算法。該步驟通過下述公式進行：

【權(quán)利要求】
1. 一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演方法，其特征是，所述的方法包括： 根據(jù)時頻電磁的發(fā)射頻率范圍以及分量類型獲取反演數(shù)據(jù)； 獲取預(yù)先設(shè)定的反演層數(shù)、初始溫度、初始步長、最大循環(huán)次數(shù)； 根據(jù)所述的反演層數(shù)、反演數(shù)據(jù)確定多個個體模型； 對所述的個體模型進行遺傳算法運算生成個體新模型； 根據(jù)所述的初始步長對所述的個體新模型強制進行退火運算生成預(yù)測模型； 確定所述預(yù)測模型與所述個體新模型之間的擬合誤差； 根據(jù)所述的擬合誤差判定所述的預(yù)測模型是否符合退火標準。
2. 根據(jù)權(quán)利要求1所述的方法，其特征是，對所述的個體模型進行遺傳算法運算生成 個體新模型通過如下公式進行：
f(m) =loglO(| |d-Gm(m) | |2) 其中，為雜交初始概率，Pm為變異初始概率，fmax為所有個體模型中的最大擬合誤差，favg為所有個體模型中的平均擬合誤差，f'為個體模型中兩個雜交個體之中最大的那個擬 合誤差，f"為個體模型中變異個體的擬合誤差，m為未知模型參數(shù)矢量，d為觀測數(shù)據(jù)矢 量，Gm為正演算子，f(m)為m的擬合誤差。
3. 根據(jù)權(quán)利要求1所述的方法，其特征是，根據(jù)所述的初始步長對所述的個體新模型 強制進行退火運算生成的預(yù)測模型為： X2 =X1+VM 其中，X2為預(yù)測模型，XI為個體新模型，VM為初始步長。
4. 根據(jù)權(quán)利要求1所述的方法，其特征是，所述的方法還包括： 獲取預(yù)先設(shè)定的步長調(diào)整次數(shù)； 當(dāng)步長調(diào)整循環(huán)次數(shù)等于步長調(diào)整次數(shù)時，根據(jù)所述的初始步長、預(yù)測模型確定新步 長。
5. 根據(jù)權(quán)利要求4所述的方法，其特征是，根據(jù)所述的初始步長、預(yù)測模型確定新步長 包括： 獲取所述預(yù)測模型的接收數(shù)； 獲取所述預(yù)測模型的種群數(shù)； 確定所述預(yù)測模型的接收數(shù)與種群數(shù)的比值； 根據(jù)所述的比值以及初始步長確定新步長。
6. 根據(jù)權(quán)利要求5所述的方法，其特征是，根據(jù)所述的比值以及初始步長確定的新步 長為：
其中，R為預(yù)測模型的接收數(shù)與種群數(shù)的比值，VM為初始步長，VM'為新步長。
7. 根據(jù)權(quán)利要求4或5所述的方法，其特征是，所述的方法還包括： 獲取預(yù)先設(shè)定的溫度下降迭代次數(shù)、溫度下降系數(shù)； 當(dāng)溫度下降循環(huán)次數(shù)等于溫度下降迭代次數(shù)時，根據(jù)所述的溫度下降系數(shù)、初始溫度 確定新溫度。
8. 根據(jù)權(quán)利要求7所述的方法，其特征是，根據(jù)所述的溫度下降系數(shù)、初始溫度確定的 新溫度為： T' =T* 入 其中，T為初始溫度，T'為新溫度，A為溫度下降系數(shù)。
9. 根據(jù)權(quán)利要求7所述的方法，其特征是，所述的方法還包括： 將所述的新步長賦值給所述初始步長； 將所述的新溫度賦值給所述初始溫度； 將所述的預(yù)測模型賦值給所述個體模型。
10. 根據(jù)權(quán)利要求9所述的方法，其特征是，所述的方法還包括： 獲取循環(huán)次數(shù)； 當(dāng)所述的循環(huán)次數(shù)達到所述的最大循環(huán)次數(shù)時，退火反演結(jié)束； 獲取預(yù)先設(shè)定的標準誤差； 當(dāng)所述的擬合誤差達到所述的誤差標準時，退火反演結(jié)束。
11. 一種基于時頻電磁的自適應(yīng)遺傳模擬退火反演系統(tǒng)，其特征是，所述的系統(tǒng)包括： 反演數(shù)據(jù)獲取裝置，用于根據(jù)時頻電磁的發(fā)射頻率范圍以及分量類型獲取反演數(shù)據(jù)； 預(yù)設(shè)參數(shù)獲取裝置，用于獲取預(yù)先設(shè)定的反演層數(shù)、初始溫度、初始步長、最大循環(huán)次 數(shù)； 個體模型確定裝置，用于根據(jù)所述的反演層數(shù)、反演數(shù)據(jù)確定多個個體模型； 個體新模型生成裝置，用于對所述的個體模型進行遺傳算法運算生成個體新模型； 預(yù)測模型生成裝置，用于根據(jù)所述的初始步長對所述的個體新模型強制進行退火運算 生成預(yù)測模型； 擬合誤差確定裝置，用于確定所述預(yù)測模型與所述個體新模型之間的擬合誤差； 判斷裝置，用于根據(jù)所述的擬合誤差判定所述的預(yù)測模型是否符合退火標準。
12. 根據(jù)權(quán)利要求11所述的系統(tǒng)，其特征是，對所述的個體模型進行遺傳算法運算生 成個體新模型通過如下公式進行：
f(m) =loglO(| |d-Gm(m) | |2) 其中，為雜交初始概率，Pm為變異初始概率，fmax為所有個體模型中的最大擬合誤差，favg為所有個體模型中的平均擬合誤差，f'為個體模型中兩個雜交個體之中最大的那個擬 合誤差，f"為個體模型中變異個體的擬合誤差，m為未知模型參數(shù)矢量，d為觀測數(shù)據(jù)矢 量，Gm為正演算子，f(m)為m的擬合誤差。
13. 根據(jù)權(quán)利要求11所述的系統(tǒng)，其特征是，根據(jù)所述的初始步長對所述的個體新模 型強制進行退火運算生成的預(yù)測模型為： X2 =X1+VM 其中，X2為預(yù)測模型，XI為個體新模型，VM為初始步長。
14. 根據(jù)權(quán)利要求11所述的系統(tǒng)，其特征是，所述的系統(tǒng)還包括： 步長調(diào)整次數(shù)獲取裝置，用于獲取預(yù)先設(shè)定的步長調(diào)整次數(shù)； 新步長確定裝置，用于當(dāng)步長調(diào)整循環(huán)次數(shù)等于步長調(diào)整次數(shù)時，根據(jù)所述的初始步 長、預(yù)測模型確定新步長。
15. 根據(jù)權(quán)利要求14所述的系統(tǒng)，其特征是，所述的新步長確定裝置包括： 接收數(shù)獲取模塊，用于獲取所述預(yù)測模型的接收數(shù)； 種群數(shù)獲取模塊，用于獲取所述預(yù)測模型的種群數(shù)； 比值確定模塊，用于確定所述預(yù)測模型的接收數(shù)與種群數(shù)的比值； 新步長確定模塊，用于根據(jù)所述的比值以及初始步長確定新步長。
16. 根據(jù)權(quán)利要求15所述的系統(tǒng)，其特征是，根據(jù)所述的比值以及初始步長確定的新 步長為：
其中，R為預(yù)測模型的接收數(shù)與種群數(shù)的比值，VM為初始步長，VM'為新步長。
17. 根據(jù)權(quán)利要求14或15所述的系統(tǒng)，其特征是，所述的系統(tǒng)還包括： 溫度參數(shù)獲取裝置，用于獲取預(yù)先設(shè)定的溫度下降迭代次數(shù)、溫度下降系數(shù)； 新溫度確定裝置，用于當(dāng)溫度下降循環(huán)次數(shù)等于溫度下降迭代次數(shù)時，根據(jù)所述的溫 度下降系數(shù)、初始溫度確定新溫度。
18. 根據(jù)權(quán)利要求17所述的系統(tǒng)，其特征是，根據(jù)所述的溫度下降系數(shù)、初始溫度確定 的新溫度為： T' =T* 入 其中，T為初始溫度，T'為新溫度，A為溫度下降系數(shù)。
19. 根據(jù)權(quán)利要求17所述的系統(tǒng)，其特征是，所述的系統(tǒng)還包括： 第一賦值裝置，用于將所述的新步長賦值給所述初始步長； 第二賦值裝置，用于將所述的新溫度賦值給所述初始溫度； 第三賦值裝置，用于將所述的預(yù)測模型賦值給所述個體模型。
20. 根據(jù)權(quán)利要求19所述的系統(tǒng)，其特征是，所述的系統(tǒng)還包括： 設(shè)定次數(shù)獲取裝置，用于獲取循環(huán)次數(shù)； 第一結(jié)束裝置，用于當(dāng)所述的循環(huán)次數(shù)達到所述的最大循環(huán)次數(shù)時，退火反演結(jié)束； 標準誤差獲取裝置，用于獲取預(yù)先設(shè)定的標準誤差； 第二結(jié)束裝置，用于當(dāng)所述的擬合誤差達到所述的誤差標準時，退火反演結(jié)束。
【文檔編號】G01V3/38GK104407393SQ201410743238
【公開日】2015年3月11日 申請日期:2014年12月8日 優(yōu)先權(quán)日:2014年12月8日
【發(fā)明者】王志剛 申請人:中國石油天然氣集團公司, 中國石油集團東方地球物理勘探有限責(zé)任公司