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.     

基于粒子群算法的地震预报方法研究

针对地震预测中定量计算的困难性,利用地震前兆异常高维数据特征,研究一种基于粒子群聚类算法的地震预报模型。该模型输入为条带、空区、短水准等14项异常指标数据,输出为震级分类。模型设定聚类平均距离为粒子群算法的评价函数,发掘分析地震前兆数据与地震震级的关系。结果表明该模型能有效地根据地震前兆数据预测地震震级,与传统聚类k-means算法模型相比,稳定性强,预报准确性更高。历史地震数据实例研究表明,本文提出的模型充分利用了粒子群算法的高鲁棒性、高适应性和群体智能的协同策略,是改进地震预报效能的途径之一。     

一种自适应多分辨率图聚类测井相分析方法（英文）

测井相分析是通过自动聚类方法对多维测井曲线进行分析,进而进行相聚类与预测。基于图的多分辨率聚类(MultiResolution Graph-based Clustering,MRGC)方法是一种常用的测井相分析方法,然而MRGC算法非常耗时,并且在传播过程中高度依赖初始参数,实际应用效益差。本文提出了一种自适应多分辨率图聚类(Adaptive Multi Resolution Graph based Clustering,AMRGC)分析方法。该方法不仅能提高测井相计算效率,而且能获得稳定的测井相传播结果。本文方法的两个核心算法是:1)轻核代表指数(L-KRI)算法只需计算少量"自由吸引"点,有效提高了计算效率;2)采用了反向传播算法(BP)与多层感知器(MLP)神经网络,有效避免了传统K近邻算法因随机初始化参数导致的不稳定结果。实验结果表明,本文方法在聚类和传播预测任务上优于传统的MRGC方法,具有更高的运行效率和稳定性;同时,在没有数据先验知识的条件下效果明显优于自组织映射(SOM)、动态聚类(DYN)和自底向上的层次聚类(AHC)等其它常用聚类方法。     

圆锥型场源瞬变电磁数据AWPSO算法优化反演

瞬变电磁圆锥型场源装置有效的减小了线圈间的电感,提高了小装置探测地下浅层的分辨率,但常规反演方法需给定初始模型且反演精度不高.针对瞬变电磁法反演计算问题,通过对粒子群优化算法(PSO)和神经网络算法(BP)分析研究,改进了一种基于神经网络算法Sigmoid函数的自适应加权粒子群优化(AWPSO)算法.采用标准测试函数对算法进行试算,建立多个理论层状地质模型对该算法进行理论验证,最后在地质资料已知地区开展现场实验.计算结果表明,新提出的算法具有更高的全局搜索寻优能力和收敛速度快、计算精度高,且不需要给定初始模型;实验结果显示实测数据反演结果与高密度电法探测结果吻合,证明该算法能够对瞬变电磁探测数据进行反演计算且精度较高,可以在同类型的浅层探测任务中提供参考.     

基于f-x域流式预测滤波器的地震随机噪声衰减方法

随机噪声的影响在地震勘探中是不可避免的,常规的随机噪声压制方法在处理中往往会破坏具有时空变化特征的非平稳有效地震信号,影响地震数据的准确成像.当前油气勘探的目标已经转变为“两宽一高”,随着数据量的增大,对去噪方法的处理效率也提出了更高的要求.因此,开发高效的非平稳地震数据随机噪声压制方法具有重要意义.预测滤波技术广泛用于地震随机噪声的衰减,本文基于流式处理框架提出一种新的f-x域流式预测滤波方法,通过在频率域建立预测自回归方程,运用直接复数矩阵逆运算代替迭代算法求解非平稳滤波器系数,实现时空变地震同相轴预测,提高自适应预测滤波的计算效率.通过与工业标准的FXDECON方法和f-x域正则化非平稳自回归(RNA)方法进行对比,理论模型和实际数据的测试结果表明,提出的f-x域流式预测滤波方法能更好地平衡时空变有效信号保护、随机噪声压制和高效计算三者之间的关系,获得合理的处理效果.     

量子粒子群模糊神经网络碳酸盐岩流体识别方法研究

根据不同流体性质在角度道集上所反映特征的差异,构建了多属性角度叠加数据体组合流体识别因子.并将量子粒子群与模糊神经网络相结合,利用量子粒子群方法来优化模糊神经网络中的连接权值和隶属函数参数,并进行一系列的改进措施,显著提高了算法的全局寻优能力.将近远角度叠加数据体组合流体识别因子作为改进模糊神经网络的输入,流体性质作为输出,同时引入“相控流体识别”的思想,利用碳酸盐岩储集相进行控制,建立了碳酸盐岩流体识别模型.通过塔中实际井区进行验证,证明该方法能够提高流体的识别精度,具有很好的实际应用价值.     

基于粒子群优化算法与厄米多项式构建地震综合预测投影寻踪回归模型

在地震综合预测投影寻踪研究工作中,投影寻踪回归算法是其中应用最多的一种方法．但一般投影寻踪回归算法构造技术较为复杂,采用多次局部光滑回归,计算量较大,外推较为繁杂,容易陷于局部解．在综合考虑传统投影寻踪回归算法特点的基础上,针对投影寻踪回归计算中存在的一些不利因素,给出了一定的解决思路:采用粒子群优化算法代替高斯 牛顿算法优化投影方向;采用厄米多项式代替分段线性光滑回归来拟合岭函数,以简化优化过程;参数优化无需分组,获得全局优化的岭函数．利用数值仿真技术进行基于粒子群优化算法与厄米多项式构建的投影寻踪回归模型建模能力与计算精度的检验,再将其应用于多维地震时间序列和一般多维无序地震样本回归综合建模预测中．通过计算和分析表明,基于粒子群优化算法与厄米多项式构建的投影寻踪回归模型具有简单、快速、有效的特点,在实际地震综合预测建模中取得了满意的效果,可作为地震预测的一种综合分析方法．      

基于粒子群算法的页岩孔隙结构反演及横波速度预测

提出了基于粒子群算法的页岩孔隙纵横比反演以及横波速度预测的方法.基于岩石物理模型,建立岩石纵、横波速度与密度、孔隙度和矿物组分等参数之间的定量关系,利用传统遍历搜索方法和粒子群算法两种方法计算最佳孔隙纵横比,使理论纵波速度与实际纵波速度的误差最小,并以孔隙纵横比作为约束进行横波速度预测,将预测结果与实测横波速度对比,验证了粒子群算法的有效性和精确性.反演结果表明页岩部分的孔隙结构比围岩部分的孔隙结构更加的稳定,利用粒子群算法的预测结果比利用传统算法的预测结果更加准确.     

团体粒子群与最大能量串行融合算法转换波静校正

估计转换波的静校正量是一个复杂的非线性问题,常规的线性静校正方法无法取得好的效果.粒子群算法是一种很好的非线性全局最优化方法,但其缺点是"早熟"现象严重.最大能量法是一种常规求取静校正量的方法,局部寻优能力强且收敛速度快是其优点,但是当地震记录含有大的静校正量时易收敛于局部极值.本文在标准粒子群算法的基础上发展出了一种改进的粒子群算法:团体粒子群算法.并且通过对Rastrigin函数的寻优实验证明了其全局寻优能力优于标准粒子群算法.同时为了解决转换波静校正问题串行融合了团体粒子群算法和最大能量法.最后,建立了含一个水平反射层的模型并合成地震记录,加入随机值作为检波点静校正量.对合成的地震数据分别利用团体粒子群和最大能量的串行融合算法、标准粒子群算法和最大能量法求取静校正量并进行静校正.结果证明串行融合算法得到的静校正量与理论值误差很小,静校正后的叠加剖面连续性较好.     

基于RS与PSO-LSSVR的地震伤亡人数预测

通过对地震伤亡资料的综合考察研究,本文构建了影响地震伤亡人数的指标集,利用粗糙集理论约简此指标结构,建立最小二乘支持向量回归机预测模型预测伤亡人数,并用粒子群优化算法对模型参数进行优化。最后,将模型运用于云南地震伤亡人数预测,结果和RS-BP神经网络预测模型对比分析,验证了该模型预测的有效性。又将模型应用于芦山和玉树地震死亡人数的预测,验证了模型的适用性。实验结果表明该模型能在地震发生后,给决策者提供人员救护、安置以及应急物资供应、统筹调度的有效依据。     

相控震源定向地震波信号分析

应用可控震源地震勘探,当环境噪声很强,采用组合震源工作仍不能满足信噪比要求时,引入能形成定向地震波的相控震源.由相控震源定向照明地震理论分析,主波束方向上3单元相控震源产生的反射地震波信号信噪比比单震源高6.53~9.54 dB,比组合震源高1.76~4.77dB.为研究相控地震实际效果,在同一测区进行了三种震源地震对比实验.由单炮地震记录和水平叠加时间剖面可知,相控震源反射波信号信噪比明显高于单震源情况,略高于组合震源情况.进一步对反射波信号功率谱特性做定量分析,得到如下结果：与单震源情况相比,相控震源使各道反射波信号信噪比提高了0.75~8.15 dB,平均提高3.65 dB;与组合震源情况相比,各道信噪比提高了0.93~3.17 dB,平均提高2.02 dB,实验结果与理论分析吻合.综上所述可知,基于相控震源的定向照明地震技术是可行的,可以有效提高地震信号的信噪比.     

可控震源定向照明方法的仿真研究

当野外噪声很强,即使使用组合震源地震也无法获得满意信噪比的地震数据时,本文提出了一种基于可控震源阵列的定向照明控制方法,采用该方法可形成定向地震波.通过仿真研究合成了8激震器可控震源阵列分别采用简单组合及定向照明技术得到的单炮地震记录,可以看出采用合适的延时参数,定向照明单炮地震记录的反射波信噪比高于组合地震情况.定量的计算结果表明,实验条件下采用0.89 ms延时参数,各反射波信噪比分别提高了10.19 dB,3.23 dB和1.02 dB.由此可见,可控震源定向照明地震技术是一种提高原始地震资料信噪比的有效方法.     

相控震源对地震信号信噪比的改善研究

当测区噪声很强,采用组合震源工作仍然不能满足信噪比要求时,为进一步提高地震勘探信噪比,引入能形成定向地震波的相控震源.针对水平层状介质模型,对组合震源、相控震源地震进行了数值模拟,并定量计算了采用4,8,15,20单元的组合与相控震源地震数据的信噪比,同组合地震相比,相控地震使来自不同反射层的反射波信号的信噪比平均提高了154～990 dB.结果表明,相控震源地震得到的反射波信号信噪比高于组合地震,并且随着激震器数目增加,相控震源合成地震记录中的反射波地震数据信噪比明显提高.     

基于线性预测倒谱系数的地震相分析

本文借鉴语音识别技术中的线性预测倒谱系数(LPCC系数)特征参数提取方法对地震数据进行分解,这种方法的优点是:可以获得将子波和反射系数信息分离的地震语音特征参数,对地质现象边界具有较好的描述能力,使我们可以从不同维度更细致地观察隐藏在地震数据中的地质特征.理论模型分析表明,基于LPCC系数的地震分析具有较高的地震相划分能力.实际地震资料应用表明,LPCC系数对储层特征的描述比常规三瞬属性更为细致,不同阶次LPCC系数在描述储层不同特征时也保持了内在的联系.采用K均值聚类方法对提取的12阶和24阶LPCC系数进行聚类分析,聚类结果与目的层段古地形较为吻合,较好地反映了研究区的断裂、礁滩相带、深水扇和储层的分布特征,说明在地震相分析中采用LPCC系数作为特征参数是可行和有效的.     

强噪声环境下基于信噪比的地震P波到时自动提取方法

大数据量、强噪声环境给地震P波到时的自动提取带来很大挑战.针对此问题,本文通过构建特殊的特征函数,建立SNR与STA/LTA的内在联系,提出两种基于SNR的地震P波到时自动提取方法,即基于SNR的STA/LTA方法与基于SNR的综合方法.这两种方法分别是运用SNR概念对传统STA/LTA方法和STA/LTA与AIC综合方法的改进.仿真分析结果表明:对于弱噪声环境(10dB)和一般噪声环境(6dB),本文方法较传统STA/LTA方法对地震P波到时提取的准确度更高;而对于强噪声环境(3dB),本文方法仍能准确提取地震P波到时,而传统STA/LTA方法则出现了较大的误判率(10%)与漏判率(65%).本文方法为STA/LTA赋予了明确的物理意义,使其阈值的选取建立在严密的数学推导之上.另外,本文方法在进行地震P波到时自动提取的同时,兼具数据预处理功能,无需额外的基线校正或高通滤波,因而具有较好的实时性.     

延时参数对地震信号信噪比的改善

当测区噪声很强,采用组合震源工作仍然不能得到高质量地震数据,为进一步提高地震信号的信噪比,引入能形成定向地震波的相控震源.相控震源产生的地震波方向可由延时参数控制,因此延时参数是影响相控地震效果的重要参数.理论分析表明,定向地震波技术可提高反射波信号信噪比,以含3个激震器的相控震源为例,信噪比可提高6.53~9.54 dB.针对延时参数分别为0,0.802,0.384,0.241,0.174,0.123 ms的情况,完成了野外地震实验.根据原始地震记录,得到了反射波信号功率谱,在此基础上定量地计算了不同延时参数下目标层反射信号的信噪比.结果表明,与单震源情况相比,在6种延时参数下,反射波信噪比分别提高了3.3150,8.0150,6.0547,5.0278,4.5383,4.0364 dB;与组合震源情况相比,信噪比分别提高了0,4.7000,2.7397,1.7128,1.2233,0.7214 dB.综合理论分析及野外实验结果,我们可以得到这样的结论：定向地震波技术能够提高反射波信号信噪比,延时参数变化对信噪比有很大影响,采用合理的延时参数能得到更高的信噪比.     

地震属性参数在札达—泉水沟深地震测深资料预处理与震相识别中的应用

地震属性分析技术在地球物理勘探领域的广泛应用,启发研究人员将其应用于人工源宽角反射/折射深地震测深剖面的资料预处理和震相识别。采用札达-泉水沟深地震测深资料,提取振幅、信噪比、主频、瞬时带宽、瞬时高频能量等地震属性参数,分析不同参数的物理含义,挑选其中对界面变化敏感的参数,对深地震测深资料进行预处理,并利用P波和S波的联合扫描,提高震相识别的准确性。走时互换结果显示,采用地震属性参数可有效提高震相拾取的准确性,进而提高后续地壳速度结构反演结果的精度。     

基于接收阵列的时域地震波束形成方法

地震勘探中,针对目的层地震数据信噪比较低情况,为改善信噪比,本文提出一种基于接收阵列的时域地震波束形成方法(TSBBRA).该方法的理论依据是波束形成原理,文中通过对相控震源激发定向地震波场的分析,提出在反射地震勘探中,在信号接收端同样能生成定向地震波的思路.具体地,论文给出在地震数据集上先对单炮记录分组,再对组内记录时域内延时、叠加,生成对应定向地震波场的地震记录的方法.TSBBRA方法适于杂波干扰强,且杂波与目的层反射波方向不一致的地震条件.本文先通过波场模拟,展示了TSBBRA方法具有形成定向地震波场的能力;而后通过对比相控震源与TSBBBRA时间剖面,说明了TSBBRA方法的有效性;最后在吉林某油页岩矿区,用TSBBRA方法,分别针对浅层目标与深层目标,生成定向地震波数据.与原始数据相比,目标层信噪比提高了3~35 dB,在时间剖面上观测到的深部目标信号从200 ms扩展到1000 ms,TSBBRA剖面资料与测区附近区域的地质与地震资料一致.由此得出结论,TSBBRA方法有助于改善目的层地震资料信噪比,当关注深部目的层时,由于TSBBRA方法能有效压制噪声,因此可用于能够实现更大的勘探深度.实验中,我们给出了浅层勘探结果,由于本方法对震源及观测系统没有限制,实际应用中TSBBRA方法可作为深部资源勘探领域提高深部地震资料信噪比的有效方法.     

基于深度卷积神经网络的地震数据局部信噪比估计

估计地震数据的信噪比对于地震数据的处理和解释具有重要作用.以往估计地震数据信噪比的方法都需要分离数据中的有效信号和噪声,然后再估计相应的信噪比.这些估计方法的精度严重依赖信号估计方法或噪声压制方法的有效性,往往存在偏差.本文提出一种估计地震数据局部信噪比的深度卷积神经网络模型,通过迭代训练优化参数,构建从含噪地震数据到其信噪比的特征映射.然后使用该神经网络完成信噪比的推理预测,不需要分离地震数据中的有效信号和噪声.模拟数据和实际资料的处理结果都表明,本文的方法可以准确而高效地估计局部地震数据的信噪比,为地震数据质量的定量评价提供依据.     

基于正则化条件的地震数据局部信噪比估计方法

信噪比是衡量地震数据质量的重要指标之一,在地震数据处理和解释中有着重要的作用.目前已有的地震数据信噪比估计方法往往得到的是整个数据的全局信噪比,这种方法只能说明地震数据总体质量的好坏,无法直观细致地刻画地震信号的局部质量.本文提出一种基于正则化条件的局部信噪比估计方法.该方法的基本原理是使用正则化共轭梯度法求解局部信噪比最优解,正则化算子的参数将控制地震信号各点数据局部信噪比的平滑性.其中应用一种基于"过滤波"的级联信号估计方法来计算有效信号,该方法利用有效信号和噪声的相关性特征计算局部信噪比中的有效信号.局部信噪比估计方法利用了信号中每个数据点及其邻域各点的局部信息,避免了使用单个数据点而可能出现的信噪比不合理值,而且局部处理能够减少全局噪声对信噪比估算的影响,该方法可以更准确地表征地震资料信噪分布特征.另外,局部信噪比对去噪方法的评估也具有重要意义.理论模型测试和实际资料处理结果表明,局部信噪比估计方法能够准确反映任一给定地震信号剖面的局部信噪比特征,为非平稳地震数据质量评估提供了直观的评判标准.