基于支持向量机的非线性AVO反演

本文提出了一种新的AVO非线性反演方法,即利用支持向量机来求解AVO非线性反演问题.文中先对支持向量机的原理进行了阐述,然后建立了适合AVO反演的支持向量机模型.最后利用该方法对模型数据和实际资料进行了反演计算,反演结果表明,该方法在没有牺牲反演效果的情况下较好的解决了传统反演方法所具有的局限性,可以直接从合成记录中提取地层的弹性参数,反演速度快、稳定性好.     

基于贝叶斯理论的时频域联合AVO反演方法研究（英文）

AVO反演是获取地下介质弹性参数的重要手段。反演可在时间域或频率域实现,时间域反演稳定性好但分辨能力受限;频率域反演受益于有利频带的选择,分辨能力提高但反演结果容易受噪音影响。在贝叶斯反演理论框架下,提出了一种时间域和频率域联合的AVO反演方法。该方法在反演目标函数构建中融合了时间域和频率域信息的影响,假设待反演参数先验信息和似然函数分别服从柯西和高斯分布,考虑了待反演参数间的相关性,并采用模型约束提高了反演稳定性。模型测试表明,利用时频域联合反演得到的纵横波速度等弹性参数反射系数的频谱带宽要优于仅用时间域信息得到的结果,且合成地震记录信噪比为2时,仍可以得到较好的反演结果,验证了方法在保持稳定性的同时改善了分辨能力的优势。实际资料试处理进一步验证了方法的可行性及其相对单纯时间域或频率域反演的优势。     

基于贝叶斯原理的PP波和PS波AVO联合反演方法研究(英文)

基于Aki-Richards公式和贝叶斯原理,本文发展了利用叠前PP波和PS波资料联合反演P波速度比、S波速度比和密度比的方法。该方法假设参数之间满足正态分布,引入参数协方差矩阵来描述反演参数之间的相关性以提高反演过程的稳定性,并同时使反演的参数序列服从Cauchy分布,引入矩阵Q来描述参数序列的稀疏性以提高反演结果的分辨率。采用本文提出的方法对模型数据和实际多波资料进行反演,结果表明:本文方法正确有效;与传统的单一PP波反演相比,PP波和PS波AVO联合反演具有稳定性更好和反演精度更高等优点。     

基于最小二乘支持向量机的砂土液化预测方法

使用最小二乘支持向量机分类方法建立了两个砂土液化预测模型,预测结果与野外实际情况全部相符,表明该分类方法用于预测砂土液化是可行的,且预测准确率高。     

基于粗糙集及最小二乘支持向量机的煤层厚度预测

煤层厚度是煤矿设计与开采必不可少的数据,准确地预测煤层厚度,能够给煤矿生产提供有力的地质保障,煤层在地震勘探中属于薄层,其薄层厚度预测一直是公认的难题之一,传统的预测方法是利用钻孔资料的内插对比获得,精度比较低.本文提出了基于三维地震属性数据的粗糙集(RS)-最小二乘支持向量机(LS-SVM)算法模型,用于预测煤层厚度.利用粗糙集对地震属性数据所包含的大量干扰数据进行简约,减少样本维数,将简约后属性数据作为LS-SVM的输入预测煤层厚度.并运用PSO算法优化获得核函数的核参数及最佳正则化参数.实际钻孔数据试验验证了算法模型的可行性,并对整个研究区进行了煤层厚度预测,取得了较好的效果,最后探讨了VTK支持下的煤层可视化技术,对煤层实现了三维展示,达到了预期效果.     

基于剪枝贝叶斯神经网络的电阻率成像非线性反演（英文）

针对传统神经网络在电阻率成像反演中存在的过拟合和易陷入局部极值等问题,提出了一种基于剪枝贝叶斯神经网络(PBNN)的非线性反演算法和一种基于K-medoids聚类的样本设计方法。在基于K-medoids聚类的样本设计方法中,利用观测数据的聚类结果提供先验信息构造神经网络的训练样本,从而有针对性地指导神经网络的训练过程;剪枝贝叶斯神经网络是在贝叶斯正则化的基础上,通过评估各隐节点对反演结果的影响来自适应确定神经网络的隐层结构,根据小样本条件下训练样本的先验分布特征,选择了基于广义平均的超参数αk来引导剪枝过程。通过与地球物理领域内其它常用的自适应正则化方法相比较,验证了本文算法的有效性。理论数据和实测数据反演的结果表明:该方法能够较好地抑制神经网络训练过程中噪声的影响,提高网络的泛化能力,其反演结果优于BPNN反演、RBFNN反演和RRBFNN反演以及传统的最小二乘反演。     

半监督最小二乘支持向量机的研究及其在海上油田储层预测中的应用（英文）

勘探开发初期海上油田钻井少、井间距离大,在应用地震多属性分析技术预测储层参数的过程中,直接采用监督最小二乘支持向量机算法预测精度较低。本文将最小二乘支持向量机与半监督学习理论结合,提出基于最小二乘支持向量机协同训练的半监督回归模型,并在模型训练过程中引入矩阵迭代求逆的方法,提高模型训练速度。利用UCI数据集实验研究,对比了半监督与监督最小二乘支持向量机模型,结果表明,半监督学习机制能够有效地提高最小二乘支持向量机的泛化性能,且随着训练样本的减小,效果更加明显;同时对比了半监督最小二乘支持向量机与半监督k-临近算法,结果显示,在小样本建模中,半监督最小二乘支持向量机有着更高的预测精度。最终将半监督最小二乘支持向量机运用于锦州工区,预测该区的砂体及储层孔隙度的分布,获得了较好的地质效果。     

基于最小二乘支持向量机的城市桥梁震害预测模型研究

针对地震中城市桥梁震害状态具有较强的非线性、复杂性的特点,采用了具有RBF核函数的最小二乘支持向量机(LS-SVM)算法。在大量收集我国地震中城市桥梁震害资料的基础上,将此算法引入桥梁的震害预测中,选取了地震烈度、上部结构、地基失效程度、支座类型、墩台高度、桥梁跨数和场地类别等因素作为模型的特征输入向量,建立了最小二乘支持向量机的桥梁震害预测模型。通过反复地样本训练及模型参数设置,仿真结果表明,该方法具有一定的准确度和可行性。基于最小二乘支持向量机的桥梁震害预测方法是一种可以用于地震中桥梁震害预测的良好方法。     

基于小波分析和最小二乘支持向量机的中国大陆地震震级预测研究

利用小波分析方法分析百年来中国大陆地震资料, 得到了地震活动在不同时间尺度上的特征, 同时利用各种尺度的小波系数得出地震活动主要周期, 并把此周期值作为参数应用于最小二乘支持向量机预测中。 结果表明, 此方法报准率较高, 平均误差与均方差较小。     

基于双约束项的广义线性多波联合反演（英文）

常规多波联合反演采用Zoeppritz方程的近似式构建正演方程,反演过程中需要假定背景纵横波速度比为常数,其反演精度不高,稳定性不好。本文提出了一种基于精确Zoeppritz方程的多波联合反演方法,结合贝叶斯方法进行广义线性反演。本方法基于精确Zoeppritz方程构建正演方程,避免了近似式反演在大角度时引起的误差;利用贝叶斯方法引入模型参数的先验分布信息,作为反演的正则化项,降低了反演的不适定性;反演目标函数中引入低频软约束,稳定了反演低频结果,提高了反演的鲁棒性;在求解反演目标函数时,利用快速算法,降低了反演的运算量。经过模型试算,证明了该方法的优越性和抗噪性;并在实际资料的应用中证明了该方法的实用性和有效性。     

基于构造导向滤波的多震源最小二乘逆时偏移方法研究（英文）

多震源同时采集技术能够有效提高采集效率,得到来自多个震源的混合地震数据,该技术能缩短采集周期,降低采集成本,但对混合地震数据直接成像会在成像结果中引入串扰噪音,影响成像质量。因此,本文在实现多震源最小二乘逆时偏移的基础上,引入构造导向滤波算子作为多震源最小二乘逆时偏移的预条件算子,沿着构造走向应用非平稳滤波在有效保护构造信息的前提下压制串扰噪音,通过共轭梯度法使得反偏移数据与观测数据之间的误差达到最小,最终得到信噪比更高的成像结果。合成数据的数值实验表明,本文所提出的方法能够有效压制串扰噪音,提高成像精度。     

基于粒子群优化最小二乘向量机的地震预测模型

为解决地震预测中最小二乘向量机(LSSVM)模型的参数难以确定的问题,利用粒子群算法(PSO)的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,建立了PSO-LSSVM地震预测模型.通过对地震实例的预测仿真及其相关分析表明该方法的有效性.该方法优于传统的神经网络和支持向量机的地震预测方法,可以有效提高预测效能.     

地震预警现地PGV连续预测的最小二乘支持向量机模型

为提升现地仪器地震烈度预测的准确性与连续性,研究面向地震预警的PGV连续预测模型.以中国仪器地震烈度标准的计算参数：0.1~10 Hz带通滤波三分向矢量合成速度峰值PGV为预测目标,利用日本K-net与KiK-net台网P波触发后1~10 s强震数据,基于人工智能中的机器学习方法-最小二乘支持向量机,选取7种特征参数作为输入构建最小二乘支持向量机PGV预测模型LSSVM-PGV.结果表明,本文建立的LSSVM-PGV模型在训练数据集与测试数据集上的预测误差标准差变化趋于一致,具备泛化性能;P波触发后3 s预测PGV与实测PGV即可整体符合1：1关系,随着时间窗的增长,PGV预测的误差标准差显著减小、并在P波触发后6 s趋向收敛,具备准确连续预测能力;对比同为P波触发后3 s的常用Pd-PGV模型,LSSVM-PGV模型的PGV预测误差标准差明显减小,"小值高估"与"大值低估"现象明显改善,预测准确性得到提升.熊本地震序列的震例分析表明,对于6.5级以下地震,LSSVM-PGV模型最多在P波触发后3 s即可预测出与实测PGV整体符合1：1关系的PGV;对于7.3级主震,由于其破裂过程的复杂性,P波触发后3 s的预测结果出现一定程度的低估,但随着时间窗增长至6 s时,预测PGV与实测PGV符合1：1关系、并直到10 s整体趋势保持一致.本文构建的LSSVM-PGV模型可用于现地地震预警仪器地震烈度的预测.     

基于最小二乘支持向量机算法的高层建筑结构的强震抗毁性估计模型

采用现有的估计模型对混凝土建筑结构的抗毁性进行估计时,存在估计精度低、耗时长等问题。为此,提出一种基于最小二乘支持向量机的强震作用下混凝土高层建筑结构的抗毁性估计模型。该模型采用最小二乘支持向量机对混凝土结构强震损伤程度相关数据的训练样本进行训练,创建混凝土结构抗毁性估计模型;为了减少可能存在的模型误差,采用KLASSO调参模型对结构抗毁性估计模型中的参数进行调节和优化,得出可靠、稳定的强震作用下混凝土高层建筑结构抗毁性估计模型。仿真实验证明,该模型估计精度相对较高,可节省估计用时,为更好地提升建筑行业的安全检测工作效率提供很好的依据。     

基于海森矩阵因数分解的最小二乘逆时偏移方法研究（英文）

最小二乘偏移基于反演的思想,通过迭代的方式逐步消除成像假象,恢复成像振幅,最终提供高分辨率的成像剖面,而且能够处理不完备、低品质的地震数据。基于双程波波动方程进行波场外推可以实现高陡构造及逆掩断层的成像,但是庞大的计算量限制了最小二乘逆时偏移的应用。为了解决计算量的问题,本文提出一种成像域的快速算法,以提高最小二乘逆时偏移的计算效率。该方法借助于克罗内克积叠加的因数分解算法来估算海森矩阵,实现了海森矩阵的低秩分解。克罗内克因子的求取只涉及到计算炮点和检波点处的格林函数,从而避免了直接构建整个海森矩阵。因此,基于因数分解的最小二乘逆时偏移采用低秩矩阵的乘法,避免了耗时的偏移和反偏移过程。模型和实际资料的处理验证了该方法在计算效率方面的优势。在取得相同效果的基础上,基于因数分解的最新二乘逆时偏移耗时约为常规最小二乘逆时偏移的一半,这在工业界应用时可以显著降低计算成本。因数分解方法引起的噪音可以通过常规滤波手段去除,不会降低成像质量。     

基于反演基质矿物模量和多约束条件的双相介质AVO正演方法（英文）

基于双相介质理论的AVO正演技术是储层性质描述和流体预测的有效技术手段之一,但是输入参数中基质矿物模量的准确性和双相介质模型的的合理性极大地影响双相介质AVO正演效果。因此,本文采用基于流体因子的基质矿物模量反演方法,自适应反演基质矿物体积模量。引入具有岩石物理意义的多约束条件,使得流体替换技术制作的双相介质模型具有岩石物理意义。保证获得的双相介质AVO特征反映实际地层响应,真实可靠。通过不同岩性岩样的对比分析,说明反演方法的优越性和准确性。同时LH地区实际资料应用,获得孔隙度和流体饱和度等重要岩性参数变化时双相介质AVO特征,特别是不同储层孔隙度在同一入射角对应快纵波和横波反射系数幅值的大小差异和突变角差异是分辨储层孔隙度大小的依据。     

基于自适应粒子群优化最小二乘支持向量机的深层变质岩测井岩性识别

辽河坳陷中央凸起中南部基底变质岩类型多样,测井岩石物理参数与岩性之间的映射关系复杂,测井响应多解性强,导致传统的测井岩性识别方法结果不精确.本文采用基于自适应粒子群参数优化的最小二乘支持向量机算法进行变质岩的测井多参数岩性识别.通过变质岩测井岩石物理分析,优选出对岩性敏感的自然伽马、自然电位、声波时差、深侧向电阻率、密度和补偿中子6种测井参数作为特征输入,以自适应粒子群算法优化最小二乘支持向量机参数,构建岩性判别模型,预测目的层段变粒岩、混合花岗岩、混合片麻岩、混合岩和角闪岩5种类型变质岩的垂向分布.与支持向量机、K最邻近及人工神经网络算法的岩性识别效果相比,本方法判别准确率最高,符合率为90.17%,在随机划分的10次样本预测中本模型稳定性最强,分类性能最好,平均AUC值为0.974,有效解决了深层基底变质岩储层精细描述中的岩性精准识别难题.     

基于海底电缆数据的声弹耦合介质多参数最小二乘逆时偏移（英文）

在海洋地震勘探中,海底电缆技术采集的多分量地震数据,涉及到多参数的反演与成像问题,本文针对海底电缆多分量地震数据提出了一种弹性波多参数最小二乘逆时偏移方法。该方法的波场延拓算子为混合方程,即在海水介质中采用声波方程进行波场计算,而海底固体介质的波场由纵横波形分离的矢量弹性波方程得到。在海底界面中采用声弹耦合控制方程将两种类型的方程结合起来。通过推导纵横波形分离的弹性波偏移算子、反偏移算子和梯度公式实现基于纵横波形分离的弹性波最小二乘逆时偏移方法。通过模型试算证明了该方法能够得到高质量的纵波速度和横波速度分量的成像剖面,相比与传统弹性波最小二乘逆时偏移方法,多参数耦合造成的成像串扰噪音得到了很好地压制。     

基于贝叶斯理论的叠前多波联合反演弹性模量方法

AVO反演可以获得地层岩性和流体信息,而叠前反演问题都是高维的和非适定的,因此获得可靠稳定的解对叠前反演至关重要. 本文给出了一种基于贝叶斯理论的纵波和转换波联合反演密度比和模量比的方法. 鉴于剪切模量比、体积模量比可以更好地指示油气,基于岩石物理中速度比与模量比之间的关系,将此关系式代入Zoeppritz方程的近似形式Aki-Richards公式中,得到与模量比有关的反射系数近似公式. 联合纵波和转换波,利用最小二乘准则构建目标函数,最终反演出密度比、剪切模量比、体积模量比三个参数. 在反演过程中引入贝叶斯理论,假定先验信息服从高斯分布,待求参数服从改进的Cauchy分布,并去除待求参数之间的相关性. 利用模型数据和实际数据对本文方法进行测试,并与常规的单独利用纵波数据来反演方法进行比较,结果表明联合反演稳定性更好、精度更高、抗噪音能力更强,验证了本文方法的可行性和有效性.     

基于共轭梯度法和互相关的最小二乘逆时偏移及应用（英文）

常规逆时偏移可以实现较好的构造成像,但由于照明不均等因素使得该方法不能实现对岩性储层的精确刻画。为了得到可靠的地下反射界面的反射系数,需要用反演的方式解决成像的问题。最小二乘逆时偏移(LSRTM)被称为线性反射率反演,它通过引入Hessian矩阵实现相对的高分辨率振幅保真成像。共轭梯度算法是非常高效的迭代算法,使得LSRTM方法变得实用。基于模型数据与观测数据的互相关程度判定速度模型的准确度及计算模型更新量,可以使得LSRTM摆脱地震子波的依赖,增强稳健性。从模型试算及实际资料处理中可以看出,相比常规RTM和单程波偏移方法,LSRTM的成像结果可以直接应用到后续的储层描述和四维地震中。本论文主要研究了最小二乘RTM的一阶近似,也就是线性Born近似。当遇到更复杂的地质构造时,可以通过考虑更高阶的近似来提高其应用效果。