張 進,安振芳,邢 磊,安玲芳,趙 璽,陳曉琦

(中國海洋大學(xué)海洋地球科學(xué)學(xué)院,山東青島266100)

基于混沌蟻群算法的彈性阻抗反演

張 進,安振芳,邢 磊,安玲芳,趙 璽,陳曉琦

(中國海洋大學(xué)海洋地球科學(xué)學(xué)院,山東青島266100)

彈性阻抗反演屬于疊前反演,能夠反映振幅隨偏移距或入射角的變化,可以獲得縱波速度、橫波速度、密度、泊松比以及拉梅系數(shù)等多種巖性參數(shù)。目前,彈性阻抗反演的常規(guī)算法為廣義線性反演,該反演方法強烈依賴初始模型,容易陷入局部極小。為此,嘗試將一種優(yōu)秀的非線性算法——混沌蟻群算法應(yīng)用于彈性阻抗反演中,該算法具有能達到全局最小,不依賴初始模型等優(yōu)點。模型測試證明了混沌蟻群算法的穩(wěn)定性和可靠性。將基于混沌蟻群的彈性阻抗反演方法應(yīng)用于勝利油田某儲層,其反演結(jié)果與實際鉆探及測井解釋相一致,驗證了該反演方法的可行性和有效性。

彈性阻抗；非線性反演；混沌蟻群算法

彈性阻抗反演屬于疊前反演的范疇,是聲波阻抗與AVO技術(shù)的結(jié)合,因此彈性阻抗反演可反映振幅隨偏移距變化的信息,具有良好的保真性和多信息性。與AVO相比,彈性阻抗反演中子波的提取不受角度限制,還有助于確定剩余NMO校正,所以彈性阻抗反演比AVO更魯棒。由彈性阻抗反演數(shù)據(jù)體可獲得縱、橫波阻抗,縱、橫波速度,縱橫波速度比,密度,泊松比以及拉梅系數(shù)等多種參數(shù)體,比疊后波阻抗反演更能反映地層巖性和流體特征,進而更可靠地揭示地下儲層的空間展布情況和巖石物性及含油氣性[1]。

1999年,Connolly[2]首次引入彈性阻抗(Elastic Impedance,EI)概念,并將其用于巖性識別和流體預(yù)測。2000年,Cambois[3]對AVO反演和EI反演進行了比較,認為這兩種方法只有在子波不隨偏移距變化時才是相同的。2001年,Mallick[4]對Connolly彈性阻抗公式的應(yīng)用條件進行了討論。2002年,Whitcombe[5]對Connolly提出的彈性阻抗進行了歸一化。2003年,倪逸[6]提出了一種基于范數(shù)動態(tài)可調(diào)的彈性阻抗計算方法。2003—2004年，馬勁風[7-8]分別提出了廣義彈性阻抗(Generalized Elastic Impedance,GEI)、反射率阻抗(Reflectivity Impedance,RI)和射線彈性阻抗(Ray-path Elastic Impedance,REI)概念。2006年,Quakenbush等[9]提出了泊松比阻抗(Poisson Impedance,PI)。隨后,王保麗等[10-11]提出了基于Gray近似與Fatti近似的彈性阻抗公式。經(jīng)過近十年的研究與發(fā)展,彈性阻抗反演技術(shù)日臻完善,在國內(nèi)外各大油田中的實際應(yīng)用效果明顯[12-16]。

彈性阻抗反演本質(zhì)上為典型的非線性參數(shù)估計問題。常規(guī)的反演方法,如約束稀疏脈沖反演(Constrained Sparse Spike Inversion,CSSI),通常是把非線性問題線性化,解的穩(wěn)定性受初始模型的影響較大,且容易陷入局部極小。因此必須尋求一種完全非線性優(yōu)化算法來求解地球物理中的反問題。

蟻群算法由Dorigo等人首先提出,即螞蟻系統(tǒng)(Ant System,AS),并成功應(yīng)用于求解旅行商問題(Traveling Salesman Problem,TSP)[17-19]。該算法的問世引起了普遍關(guān)注和研究,針對AS算法的缺點,提出了許多改進的蟻群算法,如本文采用的混沌蟻群算法等[20-22]。蟻群算法不僅克服了傳統(tǒng)優(yōu)化算法容易陷入局部極優(yōu)的缺點,而且還提高了搜索精度和搜索效率。鑒于此,近年來有些學(xué)者將其應(yīng)用到其它領(lǐng)域,并取得了很好的應(yīng)用效果[23-25]。為了求解地球物理中的反問題,我們將混沌蟻群算法應(yīng)用于彈性阻抗反演。具體做法為:首先將目標函數(shù)中的反射系數(shù)序列進行合理編碼,以映射為離散域優(yōu)化問題。然后仿照AS算法的思想對最優(yōu)解進行搜索。在搜索過程中,為了提高收斂速度及解的質(zhì)量,每一次循環(huán)過程中都加入混沌算子,在當前最優(yōu)值附近進行混沌搜索。若搜索到的新值優(yōu)于當前最優(yōu)值,則替換掉當前最優(yōu)值,直至得到最終結(jié)果。最后我們將該彈性阻抗反演方法應(yīng)用于勝利油田某儲層,其反演結(jié)果與實際鉆探及測井解釋相一致。

1 彈性阻抗反演的基本原理

Connolly[2]根據(jù)Zoeppritz方程的三項Aki-Richards簡化公式推導(dǎo)出與角度有關(guān)的彈性阻抗表達式為:

(1)

根據(jù)聲波阻抗與反射系數(shù)的關(guān)系而構(gòu)建的彈性阻抗與反射系數(shù)的關(guān)系表達式為:

(2)

仿照聲波阻抗(AI)遞推反演,得出彈性阻抗反演遞推公式為:

(3)

在沒有噪聲的情況下,用與角度有關(guān)的數(shù)據(jù)表示的褶積模型為:

(4)

式中:S(θ)為角度地震道；R(θ)為角度反射系數(shù)；W(θ)為角度子波。

在彈性阻抗反演之前需要分別對地震資料和測井資料進行處理。地震資料的特點是縱向分辨率低、橫向密集；而測井資料的特點是縱向分辨率高、橫向稀疏。彈性阻抗反演就是將二者的優(yōu)勢結(jié)合起來,以富含地下地質(zhì)信息的地震資料為主,以測井資料作為約束,進行地震與測井聯(lián)合反演。

彈性阻抗反演的基本步驟主要包括[1]:①地震資料處理；②測井資料處理；③建立低頻模型；④提取角度子波。其中,第2)步需要利用測井獲得的縱波速度、橫波速度和密度以及地震數(shù)據(jù)提供的角度,根據(jù)公式(1)計算出井旁道彈性阻抗IE(θ)偽測井曲線。第④步需要根據(jù)公式(4)從角道集數(shù)據(jù)體中提取角度子波,提取角度子波需要滿足的條件為:

(5)

式中:E為誤差能量；d為井旁地震記錄；s=r*w為合成地震記錄；r為反射系數(shù)；w為提取的子波。提取的最佳子波就是使誤差能量E最小的子波。

利用彈性阻抗反演獲得的彈性阻抗數(shù)據(jù)體,再根據(jù)公式(6)進行巖性參數(shù)的提取,即可得到縱波速度、橫波速度和密度等基本巖性參數(shù)。通過參數(shù)之間的相互關(guān)系進行計算還可以得到泊松比、拉梅系數(shù)以及剪切模量等巖性參數(shù)。

(6)

2 混沌蟻群算法的基本原理

混沌蟻群算法的核心思想是:螞蟻在外出覓食過程中,如何利用混沌搜索原理以及信息素的釋放與揮發(fā)機制,在最短時間內(nèi)建立起巢穴和食物源之間的最短路徑。假設(shè)在以巢穴N為中心,以R為半徑的一定空間范圍內(nèi)有一食物源F,有m只螞蟻同時爬出巢穴尋找食物。由于剛開始誰也不知道食物源位置,只好分頭行動各自為營,在找到食物源以前,每只螞蟻的行為都是混沌的。由于混沌的遍歷性特點,很快其中的一只螞蟻k最先發(fā)現(xiàn)了食物源。因在速度相同的情況下螞蟻k用時最短,故螞蟻k所走路徑即為最短路徑。螞蟻在覓食過程中會釋放出一種信息素,它們會根據(jù)信息素的多少來選擇行走的路徑,研究表明螞蟻更傾向于走信息素多的路徑。而信息素的多少與路徑的長短有關(guān),因為信息素會隨著時間的流逝而揮發(fā),且在速度相同的情況下單位時間內(nèi)短路徑上通過的螞蟻多,于是短路徑上的信息素越來越多,這就意味著越來越多的螞蟻選擇短路徑,這樣就形成了一種正反饋機制,直到所有的螞蟻都選擇最短路徑為止[17]。

最初的蟻群算法用于解決TSP問題,因為蟻群覓食的過程與TSP的求解非常相似,下面以TSP為例,介紹混沌蟻群算法[26-28]。

2.1 自變量的編碼

本文采用陳燁[29]提出的“十進制編碼”方式將待優(yōu)化函數(shù)的自變量表示為一串十進制數(shù)字串{d(0),d(1),d(2),…,d(l-1)},而自變量可以通過如下解碼公式解碼得到:

(7)

解碼公式所表示的過程可以用圖1來形象地描述。圖1兩端的黑色圓點分別代表螞蟻搜索的起點與終點,每一列數(shù)字視作一個隔層,起點和終點之間共有8個隔層,每層有10個城市,螞蟻從起點到終點的搜索過程中,必須依次經(jīng)過所有隔層,中間不允許跳過任何一層。

圖1 螞蟻搜索路徑示意

2.2 狀態(tài)轉(zhuǎn)移規(guī)則

(8)

式中：dk=(0,1,…,n-1)表示螞蟻k下一步允許選擇的城市。

2.3 信息素更新規(guī)則

如果殘留信息不被及時更新就會影響啟發(fā)信息,t+n時刻在路徑(i,j)上的信息可根據(jù)公式(9)和公式(10)進行調(diào)整:

(9)

(10)

2.4 混沌算子的嵌入

基本蟻群算法雖然具有較強的魯棒性和發(fā)現(xiàn)較好解的能力,但是也存在搜索時間過長、易于停滯的問題。為了提高收斂速度及解的質(zhì)量,每一次循環(huán)過程中都加入混沌算子?；煦缒Ｐ陀泻芏喾N,目前通常用Logistic映射產(chǎn)生混沌序列:

(11)

式中:u為常數(shù),一般取值范圍為[3.56,4.00]。當u=4.00,Zj∈(0,1)且不等于0.25,0.50,0.75時,將產(chǎn)生混沌現(xiàn)象,Zj會在(0,1)遍歷。

3 利用混沌蟻群算法進行彈性阻抗反演

本文利用混沌蟻群算法對彈性阻抗進行反演,其所要求的目標函數(shù)為:

(12)

式中:F(r)為誤差函數(shù)；S為角道集；w(θ)為角度子波；r(θ)為要求的角度反射系數(shù)序列。由(12)式可知,反演出的角度反射系數(shù)r(θ)必須滿足使誤差函數(shù)F(r)最小的條件。

基于混沌蟻群算法的彈性阻抗反演流程(圖2)如下。

1) 根據(jù)公式(4)和公式(5)提取角度子波。

2) 對要求的反射系數(shù)序列r(θ)進行編碼。

3) 根據(jù)公式(8)選擇下一個城市。

4) 根據(jù)公式(9)和公式(10)對殘留信息素進行更新處理。

5) 每只螞蟻構(gòu)造出一條路徑后,由公式(7)對自變量進行解碼并計算其函數(shù)值。篩選出迭代最優(yōu)螞蟻,若它比全局最優(yōu)螞蟻還好,則將其設(shè)置為全局最優(yōu)螞蟻。

6) 在全局最優(yōu)螞蟻附近進行混沌搜索,若搜索到的解比全局最優(yōu)螞蟻更好,則將其替換成全局最優(yōu)螞蟻。

7) 根據(jù)公式(12)計算誤差函數(shù)F(r)。

8) 循環(huán)迭代,對最優(yōu)解不斷進行優(yōu)化,直到滿足終止條件。

9) 根據(jù)公式(7)對最優(yōu)路徑上的城市進行解碼,解碼后的值即為要求的各個反射系數(shù)值。

圖3a是利用5°角道集反演出的反射系數(shù)與真實反射系數(shù)對比；圖3b為計算出的地震記錄與實際地震記錄的對比?？梢钥闯?反演結(jié)果與實際數(shù)據(jù)吻合得很好。

采用同樣的方法求取其他角度道集的反射系數(shù),然后根據(jù)第一層的彈性阻抗值IE0,即可得到各角度的彈性阻抗值。其中5°,25°和45°角道集反演出的彈性阻抗曲線如圖4所示。

圖2 基于混沌蟻群算法的彈性阻抗反演流程

圖3 利用5°角道集反演的反射系數(shù)(圓圈)與真實的反射系數(shù)(實線)對比(a)；合成地震記錄(圓圈)與實際地震記錄(實線)對比(b)

圖4 5°,25°和45°角道集反演出的彈性阻抗曲線

采用部分實際測井曲線對反演方法進行測試,總共有100個采樣點,采樣間隔是1ms。圖5給出了反演結(jié)果和實際測井曲線的對比。其中圖5a,圖5b和圖5c中的紅虛線表示原始P波速度、原始S波速度和密度測井曲線；圖5c和圖5d中的紅虛線表示偽P波阻抗(lP)和偽S波阻抗(lS),它們依據(jù)原始P波速度、S波速度和密度數(shù)據(jù)計算所得。圖5中的藍實線為反演出的P波速度、S波速度、密度、P波阻抗和S波阻抗?？梢钥闯?反演出的各彈性參數(shù)曲線與原測井曲線吻合得很好。

圖5 反演結(jié)果(藍實線)與測井曲線(紅虛線)對比

4 應(yīng)用實例

我們選擇勝利油田某儲層部分2D地震數(shù)據(jù)來測試本文反演方法。在彈性阻抗反演之前需要進行一系列振幅保持處理,比如球面擴散補償、地表一致性反褶積、隨機噪聲衰減、反Q濾波和疊前時間偏移等,以確保最終疊前振幅能夠精確表示地下界面的反射強度。然后將預(yù)處理的偏移距數(shù)據(jù)體轉(zhuǎn)換成角道集數(shù)據(jù)體,從中抽取5°,15°和25°的角道集,并提取與之相應(yīng)的角度子波。最后我們用混沌蟻群算法對處理好的實際數(shù)據(jù)進行彈性阻抗反演,得到了多種反映巖性和流體變化的屬性剖面,反演出的λρ，μρ和vP/vS剖面如圖6至圖8所示。

為了驗證本文提出的反演方法的可行性和有效性,我們抽取的測線穿過GS1井(CDP 377),儲層位于井深約2890m(2398ms)處。對GS1井的測井資料進行分析,我們發(fā)現(xiàn)與周圍泥巖相比含油砂巖的μρ相對較高,而λρ和vP/vS則相對較低。從圖6至圖8中可以看出,用混沌蟻群算法反演出的屬性剖面與GS1井的實際鉆探及測井解釋結(jié)果相一致(如圖中用白色橢圓所圈出的位置)。表明了混沌蟻群算法不僅搜索精度高而且穩(wěn)定性能好,體現(xiàn)了彈性阻抗反演在尋找油氣資源方面的巨大潛力。

圖6 過GS1井(CDP 377)的λρ剖面(橢圓所圈位置即是預(yù)測儲層位置)

圖7 過GS1井(CDP 377)的μρ剖面(橢圓所圈位置即是預(yù)測儲層位置)

圖8 過GS1井(CDP 377)的vP/vS剖面(橢圓所圈位置即是預(yù)測儲層位置)

5 結(jié)論

本文提出了基于混沌蟻群算法的彈性阻抗反演方法,經(jīng)模型測試和實際資料的應(yīng)用分析后得出以下認識:

1) 基于混沌蟻群算法的彈性阻抗反演方法具有不依賴于初始模型,避免陷入局部極小值的優(yōu)點,能夠在較短時間內(nèi)搜索到全局最優(yōu)解。模型測試證明了將混沌蟻群算法應(yīng)用于彈性阻抗反演的可行性和有效性。

2) 本文將基于混沌蟻群算法的彈性阻抗反演方法應(yīng)用于勝利油田某儲層的疊前地震數(shù)據(jù),得到了λρ，μρ和vP/vS巖性參數(shù)剖面,與測井解釋結(jié)果相一致。表明本文基于混沌蟻群算法的彈性阻抗非線性反演方法切實可行,具有良好的發(fā)展?jié)摿蛻?yīng)用前景,為油氣藏屬性分析和預(yù)測提供了一條新的途徑。

[1] 王保麗,印興耀,張繁昌.彈性阻抗反演及應(yīng)用研究[J].地球物理學(xué)進展,2005,20(1):89-92 Wang B L,Yin X Y,Zhang F C.Elastic impedance inversion and its application[J].Progress in Geophysics,2005,20(1):89-92

[2] Connolly P.Elastic impedance[J].The Leading Edge,1999,18(4):438-452

[3] Cambois G.AVO inversion and elastic impedance[J].Expanded Abstracts of 70thAnnual Internat SEG Mtg,2000,142-145

[4] Mallick S.AVO and elastic impedance[J].The Leading Edge,2001,20(10):1094-1104

[5] Whitcombe D N.Elastic impedance normalization[J].Geophysics,2002,67(1):60-62

[6] 倪逸.彈性波阻抗計算的一種新方法[J].石油地球物理勘探,2003,38(2):147-150,155 Ni Y.A new method for calculation of elastic wave impedance[J].Oil Geophysical Prospecting,2003,38(2):147-150,155

[7] 馬勁風.地震勘探中廣義彈性阻抗的正反演[J].地球物理學(xué)報,2003,46(1):118-124 Ma J F.Forward modeling and inversion method of generalized elastic impedance in seismic exploration[J].Chinese Journal of Geophysics,2003,46(1):118-124

[8] Ma J F,Morozov I B.Ray-path elastic impedance[J].CSEG National Convention,2004,10-12

[9] Quakenbush M,Shang B,Tuttle C.Poisson impedance[J].The Leading Edge,2006,25(2):126-128

[10] 王保麗,印興耀,張繁昌.基于Gray近似的彈性波阻抗方程及反演[J].石油地球物理勘探,2007,42(4):435-439 Wang B L,Yin X Y,Zhang F C.Gray approximation based elastic wave impedance equation and inversion[J].Oil Geophysical Prospecting,2007,42(4):435-439

[11] 王保麗,印興耀,張繁昌,等.基于Fatti近似的彈性阻抗方程及反演[J].地球物理學(xué)進展,2008,23(1):192-197 Wang B L,Yin X Y,Zhang F C,et al.Elastic impedance equation based on Fatti approximation and inversion[J].Progress in Geophysics,2008,23(1):192-197

[12] Lu S M,McMechan G A.Elastic impedance inversion of multichannel seismic data from unconsolidated sediments containing gas hydrate and free gas[J].Geophysics,2004,69(1):164-179

[13] 劉國萍,陳小宏,李景葉.彈性波阻抗在時移地震中的應(yīng)用分析[J].地球物理學(xué)進展,2006,21(2):559-563 Liu G P,Chen X H,Li J Y.Application and analysis of elastic impedance in time-lapse seismology[J].Progress in Goephysics,2006,21(2):559-563

[14] 孫翠娟,張文,劉志斌.彈性波阻抗反演技術(shù)在遼東灣隱蔽油氣藏勘探中的應(yīng)用[J].中國海上油氣,2007,19(3):162-165,172 Sun C J,Zhang W,Liu Z B.An application of the elastic impedance inversion technique to exploration of subtle reservoirs in Liaodong gulf[J].China Offshore Oil and Gas,2007,19(3):162-165,172

[15] 暢永剛,張宗和,王志美,等.彈性阻抗反演在火山巖發(fā)育區(qū)應(yīng)用效果分析——以冀東灘海地區(qū)南堡構(gòu)造為例[J].天然氣地球科學(xué),2007,18(3):422-425 Chang Y G,Zhang Z H,Wang Z M,et al.Application effects of elastic impedance seismic trace inversion in igneous strata[J].Natural Gas Geoscience,2007,18(3):422-425

[16] 彭真明,李亞林,巫盛洪,等.碳酸鹽巖儲層多角度彈性阻抗流體識別方法[J].地球物理學(xué)報,2008,51(3):881-885 Peng Z M,Li Y L,Wu S H,et al.Discriminating gas and water using multi-angle extended elastic impedance inversion in carbonate reservoirs[J].Chinese Journal of Geophysics,2008,51(3):881-885

[17] Colorni A,Dorigo M,Maniezzo V,et al.Distributed optimization by ant colonies[J].Proceedings of European Conference on Artificial Life,1991,134-142

[18] Dorigo M,Maniezzo V,Colorni A.Ant system:optimization by a colony of cooperating agents[J].IEEE Transactions on Systems,Man,and Cybernetics(Part B),1996,26(1):29-41

[19] Dorigo M,Gambardella L M.Ant colony system:a cooperative learning approach to the traveling salesman problem[J].IEEE Transactions on Evolutionary Computaion,1997,1(1):53-66

[20] 高尚.解旅行商問題的混沌蟻群算法[J].系統(tǒng)工程理論與實踐,2005,25(9):100-104,125 Gao S.Solving traveling salesman problem by chaos ant colony optimization algorithm[J].Systems Engineering-Theory and Practice,2005,25(9):100-104,125

[21] 陳燁.變尺度混沌蟻群優(yōu)化算法[J].計算機工程與應(yīng)用,2007,43(3):68-70 Chen Y.Scaleable chaotic ant colony optimization[J].Computer Engineering and Applications,2007,43(3):68-70

[22] 袁冬根,劉曉東,蔡磊,等.基于混沌蟻群算法的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練研究[J].微電子學(xué)與計算機,2009,26(4):11-14 Yuan D G,Liu X D,Cai L,et al.The research of BP neural network training based on the chaos ant colony optimization[J].Microelectronics and Computer,2009,26(4):11-14

[23] 吳鋒,周昊,鄭立剛,等.基于變尺度混沌蟻群算法的飛灰中的碳質(zhì)量分數(shù)優(yōu)化[J].浙江大學(xué)學(xué)報(工學(xué)版),2010,44(6):1127-1132 Wu F,Zhou H,Zheng L G,et al.Application of scaleable chaotic ant colony algorithm in control of unburned carbon in fly ash[J].Journal of Zhejiang University:Engineering Science,2010,44(6):1127-1132

[24] 耿艷香,孫云山,謝靖鵬,等.混沌蟻群算法在圖像邊緣檢測中的應(yīng)用[J].計算機工程與應(yīng)用,2015,51(2):194-197 Geng Y X,Sun Y S,Xie J P,et al.Research on chaotic ant colony algorithm in image edge detection[J].Computer Engineering and Applications,2015,51(2):194-197

[25] 崔明勇,艾欣.基于混沌蟻群算法的微網(wǎng)多目標低碳調(diào)度[J].電網(wǎng)技術(shù),2012,32(7):1-5 Cui M Y,Ai X.Multi-objective low carbon dispatching of micro-grid using chaotic ant swarm algorithms[J].Power System Technology,2012,32(7):1-5

[26] 段海濱,王道波,于秀芬.基于云模型的小生境MAX-MIN相遇蟻群算法[J].吉林大學(xué)學(xué)報(工學(xué)版),2006,36(5):803-808 Duan H B,Wang D B,Yu X F.MAX-MIN meeting ant colony algorithm based on cloud model theory and niche ideology[J].Journal of Jilin University:Engineering and Technology Edition,2006,36(5):803-808

[27] 段海濱,丁全心,?？〗?等.基于并行蟻群優(yōu)化的多UCAV任務(wù)分配仿真平臺[J].航空學(xué)報,2008,29(增刊):192-197 Duan H B,Ding Q X,Chang J J,et al.Multi-UCAVs task assignment simulation platform based on parallel ant colony optimization[J].Acta Aeronautica et Astronautica Sinica,2008,29(S):192-197

[28] 吳新杰,陶崇娥,李媛.混沌蟻群算法在回歸分析中的應(yīng)用[J].遼寧大學(xué)學(xué)報,2007,34(2):101-103 Wu X J,Tao C E,Li Y.Chaotic ant colony optimization ant its application in multi-linear regression analysis problem[J].Journal of Liaoning University,2007,34(2):101-103

[29] 陳燁.用于連續(xù)函數(shù)優(yōu)化的蟻群算法[J].四川大學(xué)學(xué)報(工程科學(xué)版),2004,36(6):117-120 Chen Y.Ant colony system for continuous function optimization[J].Journal of Sichuan University:Engineering Science Edition,2004,36(6):117-120

(編輯：朱文杰)

Elastic impedance inversion based on chaos ant colony algorithm

Zhang Jin,An Zhenfang,Xing Lei,An Lingfang,Zhao Xi,Chen Xiaoqi

(CollegeofMarineGeoscience,OceanUniversityofChina,Qingdao266100,China)

As a pre-stack inversion,elastic impedance inversion not only characterizes amplitude variation with offset or incident angle,but also offers more lithologic parameters,such as P-wave velocity,S-wave velocity,density,Poisson’s ratio,Lame coefficient etc.However,the common elastic impedance inversion algorithms are generalized linear methods,which are strongly dependent on initial model and easily fall into local minimum.A good nonlinear algorithm,chaos ant colony algorithm,is introduced to elastic impedance inversion in this paper.The chaos ant colony algorithm is model-independent and able to reach global minimum.Model test has demonstrated the reliability and stability of the algorithm.The inversion results of a reservoir in Shengli Oilfield are consistent with the drilling data,which proves the feasibility and effectiveness of the method.

elastic impedance,nonlinear inversion,chaos ant colony algorithm

2015-04-13;改回日期：2015-07-03。

張進(1978—)，男，博士，副教授，主要從事地震反演與儲層預(yù)測研究。

邢磊(1984—)，男，博士，講師，主要從事海洋地球物理勘探方面的研究工作。

國家自然科學(xué)基金項目(41004046和41230318)資助。

P631

A

1000-1441(2015)06-0716-08

10.3969/j.issn.1000-1441.2015.06.010