频率域波动方程正演基于多重网格预条件的迭代算法研究

频率域全波形反演是重要的地震成像方法,而频率域波动方程数值模拟是频率域全波形反演的基础.对于大规模的问题,由于受存储和计算量的限制,基于LU分解的直接方法一般不再适用,而是采用迭代方法.基于多重网格预条件的双共轭梯度稳定化方法是一种重要的迭代方法.本文重点讨论了多重网格预条件求解过程中的松弛因子选择方法,研究结果表明,(1)对于一般选取的松弛因子,随模型复杂性的增加,所能计算的重数逐渐下降,方法的实用性也随之下降;(2)对于复杂模型,采用局部模式分析方法选取松弛因子,提高了所能计算的重数,保证了多重网格方法的收敛性和实用性.这些研究成果对基于多重网格预条件的迭代算法的实际应用具有重要意义.     

简化混合域全波形反演多GPU加速策略

全波形反演利用地震记录中的振幅、走时和相位等信息,通过拟合实际地震记录和计算波场来定量提取地下介质的弹性参数,进而为勘探地震成像、速度建模以及大尺度构造演化分析等提供可靠依据.但全波形反演计算量巨大,特别是应用于三维大区块叠前数据时,生产成本仍然很高.本文介绍并比较了时间域和频率域的全波形反演方法,综合两者的优点,最终采用混合域的反演算法,并且在此基础上做了进一步的简化以提高计算效率.针对全波形反演方法应用于大规模叠前数据时易陷入局部极小值的问题,我们提出对模型数据进行分割,同时在数个小模型内进行梯度搜索,然后对比各个局域的梯度,最终找出合适的全局下降方向,以克服局部极小的隐患.该方法能够充分利用GPU的硬件特性.在GPU环境下实现本文所提出的简化混合域全波形反演算法.数值计算实例体现出新方法具有良好的计算效率、反演精度和算法可扩展性.     

粒子群-梯度算法在频率域地震波形反演中的应用

本文将优化领域应用较广的全局随机非线性粒子群算法与局部迭代梯度法相结合,构造了一种粒子群-梯度算法,并将其应用于频率域波形速度结构反演.数值实验结果表明,粒子群-梯度算法能继承梯度法快速收敛和粒子群法全局寻优的特点,适用于频率域波形反演问题,算法具有一定的抗噪能力,无论在计算精度还是在降低解的非唯一性方面,都有较明显的改善.     

基于多尺度迭代求解三维频率-空间域声波方程的全波形速度反演研究-理论模型

使用广义最小残量方法迭代求解三维频率-空间域声波方程,反演时使用多尺度、多重网格的策略,探讨了如何快速实现高分辨率的三维频率-空间域迭代法声波全波形速度反演.通过对理论模型进行三维频率-空间域迭代法声波全波形反演数值试验,证实该方法的计算速度快、计算效率高,反演所得速度的分辨率高.从而为基于多尺度迭代求解三维频率-空间域声波方程的全波形速度反演成像打下方法基础.     

时间域波场重构反演（英文）

波场重构反演是一种改进的全波形反演理论。该反演方法通过将波动方程引入目标函数中拓宽了解的寻找空间,通过重构真实波场来计算模型梯度,大大提高了计算效率的同时还减弱了局部极小值的影响。但目前该理论基本在频率域进行,而频率域反演对计算内存的需求太高,并且很难应用到实际生产中。因此,本文将波场重构反演拓展到时间域,推导了时间域波场重构的增广方程,结合模型试算结果对波场重构的模型梯度进行了修改。数值实验表明,时间域波场重构反演准确性较高并且对低频信息具有良好的重建能力。     

起伏地形条件下二维声波频率域全波形反演（英文）

频率域全波形反演充分利用全波场的振幅、相位以及频率信息,采用较少的频率便能反演得到精度很高的速度模型。本文以有限单元法为基础,对起伏地形条件下二维声波频率域全波形反演进行了研究。在正演算法中,针对截断边界问题,并考虑多频率联合反演中计算区域采用同一套剖分网格的需求,提出了一种适用于起伏地形的衰减边界条件算法。该算法的核心思想是在控制方程波数项中引入衰减因子,通过一定方式调节衰减因子使得声波在衰减层中充分衰减,达到压制截断边界影响的目的。根据指数衰减规律,文中推导出了一种新的衰减因子计算公式,并给出了不同频率条件下衰减层厚度计算公式;在反演算法中,采用共轭梯度法求解高斯牛顿反演迭代方程组,避免直接求解雅克比矩阵和HeSSian矩阵带来的巨额计算量,并采用相同的反演模型,对比分析了不同初始模型和频率组合对全波形反演结果的影响。起伏地形模型数值模拟和全波形反演数值试验表明,本文提出的指数衰减边界条件算法和基于该算法的全波形反演算法具有很好的应用效果。     

频率多尺度全波形速度反演

以二维声波方程为模型,在时间域深入研究了全波形速度反演.全波形反演要解一个非线性的最小二乘问题,是一个极小化模拟数据与已知数据之间残量的过程.针对全波形反演易陷入局部极值的困难,本文提出了基于不同尺度的频率数据的"逐级反演"策略,即先基于低频尺度的波场信息进行反演,得出一个合理的初始模型,然后再利用其他不同尺度频率的波场进行反演,并且用前一尺度的迭代反演结果作为下一尺度反演的初始模型,这样逐级进行反演.文中详细阐述和推导了理论方法及公式,包括有限差分正演模拟、速度模型修正、梯度计算和算法描述,并以Marmousi复杂构造模型为例,进行了MPI并行全波形反演数值计算,得到了较好的反演结果,验证了方法的有效性和稳健性.     

频率域全波形反演方法研究进展

全波形反演方法利用叠前地震波场的运动学和动力学信息重建地下速度结构,具有揭示复杂地质背景下构造与岩性细节信息的潜力.根据研究需要,全波形反演既可在时间域也可在频率域实现.频率域相对于时间域反演具有计算高效、数据选择灵活等优势.近十几年来频率域全波形反演理论在波场模拟方法、反演频率选择策略、目标函数设置方式、震源子波处理方式、梯度预处理方法等方面取得了进展.目标函数存在大量局部极值的特性是影响反射地震全波形反演效果的重要内在因素之一.如果将Laplace域波形反演、频率域阻尼波场反演、频率域波形反演三种方法有机结合,可以降低反演的非线性程度.     

角度域全波形反演研究

本文基于二维声波方程在时间域研究了角度域全波形速度反演,由于不同地下反射角对应的梯度具有频率的多尺度性,在每个主频反演过程中,可以将全波形反演的梯度也进行角度域分解,分解为不同角度范围的角度域梯度.对比不同频率不同角度范围的梯度,表明梯度的垂向波数在不同频率不同角度具有一致性,即高频大角度梯度与低频小角度梯度可在垂向上波数范围一致.先后利用大角度到小角度梯度进行反演,在数据主频不变的情况下,实现角度域多尺度反演.同时,反演过程中去掉浅层超大角度(80°)的梯度,有利于浅层速度细节准确刻画,而深层梯度局部反射角相对较小,因此不会对深层速度反演产生影响.     

基于新的惩罚因子算法的波场重构反演

全波形反演是一种高精度的反演方法,其目标函数是一个强非线性函数,易受局部极值影响,而且反演过程计算量较大.波场重构反演是近几年提出的一种改进的全波形反演理论.该反演方法通过将波动方程作为惩罚项引入到目标函数中,通过拓宽解的寻找空间减弱了局部极小值的影响,而且反演过程不需要计算伴随波场,提高了计算效率.但该反演方法一直缺少准确的惩罚因子算法,直接影响到该方法的准确度.本文将波场重构反演拓展到时间域并利用梯度法进行波场重构.频率域的惩罚因子用来加强波动方程的约束,而时间域惩罚因子表现为调节模拟波场和实际波场的权重因子.为此,我们根据约束优化理论,在波动方程准确以及重构波场与反演参数解耦的假设下,提出以波动方程为目标函数的新的惩罚因子算法.根据波形反演在应用时普遍存在的噪音干扰、子波错误和低频信息缺失的情况下,应用部分Sigsbee2A模型合成数据对本文提出的算法进行实验.数值实验结果表明：基于新的惩罚因子算法,在其他信息不准确的情况下,波场重构反演可以给出高精度的反演结果.     

反射地震数据的逐层波形反演

本文针对层状介质并结合梯度法波形反演，提出逐层波形反演的方法. 首先给出介质扰动响应的概念，并在此基础上分析了梯度法波形反演方法. 波形反演实质上是将实测地震记录和预测地震记录的波形残差信息转化为实际地质模型和预测地质模型的模型残差信息. 波形反演的优点是利用大量振幅相位信息得到高分辨率的反演结果， 其缺点是运行耗时大；当初始模型和实际模型相差较大时，迭代算法容易陷入局部极小点，这是因为目标函数和初始模型同实际模型间的差异是非线性的关系. 逐层波形反演方法是使自上而下每一层的目标函数最小，这样总的目标函数也是最小的. 利用二分法速度扫描确定每一层速度不仅提高了运算速度也避免了迭代算法陷入局部极小点的问题. 结合介质扰动响应和目标函数值变化可以更为准确迅速地确定每一层速度和该层界面位置.     

基于Hinge损失函数的垂向全变差约束全波形反演

全波形反演可以为叠前深度偏移成像提供更高精度的速度模型,但该方法具有较强的非线性,对初始速度模型的依赖性较强,尤其是在实际应用中,地质条件复杂多变,速度变化不连续,增加了反演非线性程度,常常使反演陷入局部极小值,影响反演的精度.全变差约束在图像去噪领域应用广泛,属于非光滑约束,在去噪过程中能有效的保留图像的不连续界面和边缘信息.本文提出基于Hinge损失函数的垂向全变差约束全波形反演方法,在全变差约束的基础上,利用Hinge损失函数控制模型的更新方向,并使用原-对偶混合梯度算法进行求解,给出这一优化问题的迭代格式,有效提高了对地下不连续界面的重构精度,同时也降低反演对初始速度模型的依赖程度.数值算例证明：与常规全波形反演方法相比,基于全变差约束的全波形反演方法可以有效的重构速度模型中的不连续界面,尤其对高速体边缘的重构效果更明显,但该方法对初始速度模型的依赖性仍然较强;基于Hinge损失函数的垂向全变差约束全波形反演方法降低了对初始速度模型的依赖程度,可以从一个较差的初始模型通过循环迭代的方式最终得到同样精确的速度模型,较好的重构了高速体边缘和不连续界面.     

Comparing the performances of four stochastic optimisation methods using analytic objective functions, 1D elastic full‐waveform inversion,and residual static computation

We compare the performances of four stochastic optimisation methods using four analytic objective functions and two highly non‐linear geophysical optimisation problems: one‐dimensional elastic full‐waveform inversion and residual static computation. The four methods we consider, namely, adaptive simulated annealing, genetic algorithm, neighbourhood algorithm, and particle swarm optimisation, are frequently employed for solving geophysical inverse problems. Because geophysical optimisations typically involve many unknown model parameters, we are particularly interested in comparing the performances of these stochastic methods as the number of unknown parameters increases. The four analytic functions we choose simulate common types of objective functions encountered in solving geophysical optimisations: a convex function, two multi‐minima functions that differ in the distribution of minima, and a nearly flat function. Similar to the analytic tests, the two seismic optimisation problems we analyse are characterised by very different objective functions. The first problem is a one‐dimensional elastic full‐waveform inversion, which is strongly ill‐conditioned and exhibits a nearly flat objective function, with a valley of minima extended along the density direction. The second problem is the residual static computation, which is characterised by a multi‐minima objective function produced by the so‐called cycle‐skipping phenomenon. According to the tests on the analytic functions and on the seismic data, genetic algorithm generally displays the best scaling with the number of parameters. It encounters problems only in the case of irregular distribution of minima, that is, when the global minimum is at the border of the search space and a number of important local minima are distant from the global minimum. The adaptive simulated annealing method is often the best‐performing method for low‐dimensional model spaces, but its performance worsens as the number of unknowns increases. The particle swarm optimisation is effective in finding the global minimum in the case of low‐dimensional model spaces with few local minima or in the case of a narrow flat valley. Finally, the neighbourhood algorithm method is competitive with the other methods only for low‐dimensional model spaces; its performance sensibly worsens in the case of multi‐minima objective functions.     

改进的模拟退火－单纯形综合反演方法

实际中的大量地球物理反演是一个多参数、非线性优化问题,所采用的目标函数,即度量由参数化的理论模型得出的预测值与观测值的吻合程度,往往具有多个局部极值．针对这类问题,本文综合全局反演方法具有的全域搜索能力强、局部方法收敛速度快和“均匀设计”布点效率高的特点,提出了模拟退火－单纯性综合反演方法,并通过一维声波非线性反演验证了这种综合方法的搜索能力和效率．     

改进的模拟退火－单纯形综合反演方法

实际中的大量地球物理反演是一个多参数、非线性优化问题,所采用的目标函数,即度量由参数化的理论模型得出的预测值与观测值的吻合程度,往往具有多个局部极值．针对这类问题,本文综合全局反演方法具有的全域搜索能力强、局部方法收敛速度快和“均匀设计”布点效率高的特点,提出了模拟退火－单纯性综合反演方法,并通过一维声波非线性反演验证了这种综合方法的搜索能力和效率．     

Correlation‐based reflection waveform inversion by one‐way wave equations

Reflection full waveform inversion can update subsurface velocity structure of the deeper part, but tends to get stuck in the local minima associated with the waveform misfit function. These local minima cause cycle skipping if the initial background velocity model is far from the true model. Since conventional reflection full waveform inversion using two‐way wave equation in time domain is computationally expensive and consumes a large amount of memory, we implement a correlation‐based reflection waveform inversion using one‐way wave equations to retrieve the background velocity. In this method, one‐way wave equations are used for the seismic wave forward modelling, migration/de‐migration and the gradient computation of objective function in frequency domain. Compared with the method using two‐way wave equation, the proposed method benefits from the lower computational cost of one‐way wave equations without significant accuracy reduction in the cases without steep dips. It also largely reduces the memory requirement by an order of magnitude than implementation using two‐way wave equation both for two‐ and three‐dimensional situations. Through numerical analysis, we also find that one‐way wave equations can better construct the low wavenumber reflection wavepath without producing high‐amplitude short‐wavelength components near the image points in the reflection full waveform inversion gradient. Synthetic test and real data application show that the proposed method efficiently updates the background velocity model.     

地震包络反演对局部极小值的抑制特性

为了实现包络反演,需要通过一种非线性运算来提取信号包络.这种非线性的包络提取过程可以将信号包络中所包含的对介质扰动的大尺度响应从原始地震信号中分离出来,从而抑制反演中的局部极小值,能够在缺乏低频信息的情况下,为全波形反演提供一个良好的初始模型.本文研究包络反演对局部极小值的抑制作用,并通过目标函数形态的对比来展现这一特性.对Marmousi速度模型和Overthrust速度模型做了反演,证明了该方法的有效性.     

基于声波方程的井间地震数据快速WTW反演方法

WTW(Wave equation traveltime+Waveform inversion)反演是基于波动方程的走时反演（WT反演）和波形反演的联合反演方法.WT反演利用波动方程计算走时和走时关于速度的导数，和传统以射线为基础的走时反演相比，具有不必射线追踪、不必拾取初至、不必高频假设以及初始模型和实际模型差别较大时也能较好收敛等优点，但WT反演与波形反演相比其结果分辨率低.与之互补的是，波形反演的反演结果分辨率高，但是当所给初始模型和实际模型相差太大时，波形反演迭代算法容易陷入局部极小点.可见结合两种方法的WTW反演是一种比较好的联合反演方法.常规WTW迭代算法是首先以WT反演为主反演得到地质模型的整体特征，然后再以波形反演为主反演模型细节，该算法耗时和占用计算机存储空间接近WT反演或波形反演的两倍.为了节省运算耗时和计算机存储空间，往往采取首先单独利用WT反演然后再单独利用波形反演的算法.这样做的缺点是不能紧密结合两种反演方法，使得它们的优缺点在每一次迭代中无法得到互补，从而影响了最终的反演结果.针对以上事实，本文提出一种新的方法实现WTW，使得WTW运算速度和存储空间在任何情况下等同于WT反演或波形反演.模型计算表明新的算法具有更好的收敛性.     

Full waveform inversion using oriented time‐domain imaging method for vertical transverse isotropic media

Full waveform inversion for reflection events is limited by its linearised update requirements given by a process equivalent to migration. Unless the background velocity model is reasonably accurate, the resulting gradient can have an inaccurate update direction leading the inversion to converge what we refer to as local minima of the objective function. In our approach, we consider mild lateral variation in the model and, thus, use a gradient given by the oriented time‐domain imaging method. Specifically, we apply the oriented time‐domain imaging on the data residual to obtain the geometrical features of the velocity perturbation. After updating the model in the time domain, we convert the perturbation from the time domain to depth using the average velocity. Considering density is constant, we can expand the conventional 1D impedance inversion method to two‐dimensional or three‐dimensional velocity inversion within the process of full waveform inversion. This method is not only capable of inverting for velocity, but it is also capable of retrieving anisotropic parameters relying on linearised representations of the reflection response. To eliminate the crosstalk artifacts between different parameters, we utilise what we consider being an optimal parametrisation for this step. To do so, we extend the prestack time‐domain migration image in incident angle dimension to incorporate angular dependence needed by the multiparameter inversion. For simple models, this approach provides an efficient and stable way to do full waveform inversion or modified seismic inversion and makes the anisotropic inversion more practicable. The proposed method still needs kinematically accurate initial models since it only recovers the high‐wavenumber part as conventional full waveform inversion method does. Results on synthetic data of isotropic and anisotropic cases illustrate the benefits and limitations of this method.