本發(fā)明涉及隧道工程、工程物探、地球物理學(xué)、地震勘探和油氣勘探，特別涉及一種基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法。

背景技術(shù)：

1、地震數(shù)據(jù)預(yù)處理，又稱之為道集優(yōu)化，為后續(xù)反演提供了良好的數(shù)據(jù)基礎(chǔ)。通過高質(zhì)量的地震數(shù)據(jù)預(yù)處理能最大限度的保證地震數(shù)據(jù)的有效信號，提高后續(xù)反演結(jié)果準確性。而反演結(jié)果的準確性不僅影響了油氣勘探行業(yè)的儲層識別率，并且也同時降低了隧道工程、工程物探、地球物理學(xué)、地震勘探和油氣勘探行業(yè)以及鐵路隧道勘探中突水、巖溶的風(fēng)險性。

2、常規(guī)的地震道集數(shù)據(jù)僅包含了一個方位的信息，但已滿足常規(guī)勘探的需求。近年來，隨著地震數(shù)據(jù)采集技術(shù)的逐步提高，產(chǎn)生了多種寬方位的地震道集數(shù)據(jù)，如：ovt地震數(shù)據(jù)和徑向插值地震道集數(shù)據(jù)。相比于常規(guī)的地震道集數(shù)據(jù)，寬方位ovt道集數(shù)據(jù)通常包含4～6個方位，每個方位都是獨立的一個常規(guī)地震道集。并且寬方位數(shù)據(jù)還包含了方位時差和各項異性等特性，通常用于裂縫的走向、傾向和傾角的預(yù)測，也可以實現(xiàn)多尺度的裂縫預(yù)測。然而，ovt地震數(shù)據(jù)的振幅是隨著方位變化而變化的，徑向插值地震道集數(shù)據(jù)常通過徑向插值方法生成，方位采集次數(shù)一般要低于ovt數(shù)據(jù)，其間的不少方位道集數(shù)據(jù)是通過插值實現(xiàn)的，適用于需要進行高精度空間重建的場景，如城市區(qū)域、復(fù)雜地質(zhì)結(jié)構(gòu)或特殊的勘探任務(wù)?？偟膩碚f，寬方位道集數(shù)據(jù)中包含了更多有效的地震信號。

3、目前，在常規(guī)的徑向插值地震道集數(shù)據(jù)中，需要把徑向插值地震道集數(shù)據(jù)轉(zhuǎn)換為常規(guī)道集(單個方位)，因此要對徑向插值數(shù)據(jù)進行分方位疊加。由于此類數(shù)據(jù)同一個位置每個方位的偏移距范圍不同，因此不能基于分方位分偏移距疊加；由于地震數(shù)據(jù)采集的覆蓋次數(shù)是固定的，所以，需要將偏移距轉(zhuǎn)換為角道集后再進行分方位分角度疊加。傳統(tǒng)的疊加操作為每個方位角道集數(shù)據(jù)等權(quán)重的現(xiàn)行直接相加，這種通俗使用的疊加方法是將寬方位道集數(shù)據(jù)轉(zhuǎn)為常規(guī)道集數(shù)據(jù)的有效手段。但實際上每個方位的疊加權(quán)重不是均勻的，因為無論是地震數(shù)據(jù)在采集還是處理中，每個方位的道集數(shù)據(jù)都難以做到同步，這樣勢必會產(chǎn)生累計誤差。所以需要采用一種更科學(xué)的方法，更加智能的來確定每個方位的疊加權(quán)重。

4、隨著智能優(yōu)化算法在本領(lǐng)域的引入，單目標(biāo)智能優(yōu)化算法可將每個方位的疊加權(quán)重納入種群的維度中，并同時建立目標(biāo)函數(shù)進行求解以達到智能確定疊加權(quán)重的目的，其中單目標(biāo)求解算法，如：遺傳算法(genetic?algorithm，ga)、粒子群優(yōu)化算法(particleswarm?optimization，pso)、鯨魚優(yōu)化算法(whale?optimization?algorithm，woa)和蜉蝣優(yōu)化算法(mayfly?optimization?algorithm，ma)等。在對單目標(biāo)全局非線性球鞋算法的更新與改進中，目前計算機領(lǐng)域相關(guān)高水平的學(xué)者相繼提出了多目標(biāo)智能優(yōu)化算法，如：多目標(biāo)蜉蝣優(yōu)化算法(multi-objective?mayfly?algorithm，mma)、多目標(biāo)遺傳算法三代(nsga-iii)和多目標(biāo)非洲禿鷲算法(african?vultures?optimization?algorithm，avoa)等。

5、針對徑向插值地震道集數(shù)據(jù)需要確定疊加系數(shù)的特殊性，需要建立多個目標(biāo)函數(shù)作為約束，在此基礎(chǔ)上，采用多目標(biāo)算法智能地確定每個方位的疊加權(quán)重，使疊加后的地震角道集和井旁合成地震道更加貼合，更貼合地層的真實規(guī)律，最大程度地保證了地震數(shù)據(jù)的有效信號，并提高了處理后地震數(shù)據(jù)的分辨率。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于采用多目標(biāo)蜉蝣算法智能地確定徑向插值地震道集數(shù)據(jù)每個方位的疊加權(quán)重，實現(xiàn)徑向插值地震道集數(shù)據(jù)的高保真處理，為后續(xù)反演提供有力的數(shù)據(jù)支撐，提供一種基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法。

2、為了實現(xiàn)上述發(fā)明目的，本發(fā)明實施例提供了以下技術(shù)方案：

3、基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，包括以下步驟：

4、步驟1，加載層位數(shù)據(jù)和井位，收集測井?dāng)?shù)據(jù)和地震數(shù)據(jù)；

5、步驟2，在進行徑向插值地震道集處理時，將寬方位道集轉(zhuǎn)換為常規(guī)道集，對每個方位進行常規(guī)道集優(yōu)化處理；

6、步驟3，初始化多目標(biāo)蜉蝣算法的參數(shù)，設(shè)定各方位的疊加權(quán)重范圍；構(gòu)建多目標(biāo)蜉蝣算法的目標(biāo)函數(shù)，完成多目標(biāo)蜉蝣算法的初始化；

7、步驟4，采用多目標(biāo)蜉蝣算法進行迭代，動態(tài)更新疊加權(quán)重，逐步尋優(yōu)，得到pareto集合；

8、步驟5，提取最終pareto集合中居中部位的蜉蝣位置，將該蜉蝣位置中的疊加權(quán)重作為每個方位的最佳疊加權(quán)重。

9、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：

10、本發(fā)明基于多目標(biāo)蜉蝣算法的智能徑向插值地震道集數(shù)據(jù)處理，相對于現(xiàn)有技術(shù)的顯著優(yōu)勢在于利用智能優(yōu)化算法確定多目標(biāo)函數(shù)作為約束，智能確定每個方位的疊加權(quán)重，從而實現(xiàn)對寬方位地震道集數(shù)據(jù)的高效處理。相較于單目標(biāo)蜉蝣算法僅能優(yōu)化一個目標(biāo)函數(shù)的方式，多目標(biāo)蜉蝣算法能同時優(yōu)化多個目標(biāo)函數(shù)，提高了對目標(biāo)函數(shù)求解的均衡性。這種方法有助于最大程度地保證地震數(shù)據(jù)的有效信號，提高后續(xù)反演結(jié)果的準確性和處理后地震數(shù)據(jù)的分辨率。相比傳統(tǒng)的線性直接相加方法，本發(fā)明能夠更準確地確定每個方位的疊加權(quán)重，從而減少累計誤差，提高地震數(shù)據(jù)的質(zhì)量和準確性。這對于后續(xù)優(yōu)質(zhì)儲層識別率和勘探中的風(fēng)險性都具有積極的影響。

技術(shù)特征：

1.基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，其特征在于：所述步驟2中，在進行徑向插值地震道集處理時，將徑向插值地震數(shù)據(jù)體分為15°、45°、75°、105°、135°和165°六個方位；每個方位的角道集區(qū)間范圍為1°～30°的整數(shù)角度；每個方位的角道集區(qū)間范圍中1°～10°為近角度，11°～20°為中角度，21°～30°為遠角度。

3.根據(jù)權(quán)利要求2所述的基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，其特征在于：所述步驟2中，將寬方位道集轉(zhuǎn)換為常規(guī)道集，對每個方位進行常規(guī)道集優(yōu)化處理的步驟，包括：

4.根據(jù)權(quán)利要求2所述的基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，其特征在于：所述步驟3中，初始化多目標(biāo)蜉蝣算法的參數(shù)的步驟，包括：

5.根據(jù)權(quán)利要求2或4所述的基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，其特征在于：所述步驟3中，設(shè)定各方位的疊加權(quán)重范圍的步驟，包括：設(shè)置每個方位的初始疊加權(quán)重為1/6，設(shè)置疊加權(quán)重下限為0.1，設(shè)置疊加權(quán)重上限為0.2。

6.根據(jù)權(quán)利要求4所述的基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，其特征在于：所述步驟3中，構(gòu)建多目標(biāo)蜉蝣算法的目標(biāo)函數(shù)，完成多目標(biāo)蜉蝣算法的初始化的步驟，包括：

7.根據(jù)權(quán)利要求6所述的基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，其特征在于：所述步驟4具體包括以下步驟：

8.根據(jù)權(quán)利要求7所述的基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，其特征在于：所述步驟4-1具體包括以下步驟：

技術(shù)總結(jié)
本發(fā)明涉及隧道工程、工程物探、地球物理學(xué)、地震勘探和油氣勘探技術(shù)領(lǐng)域，提出基于多目標(biāo)蜉蝣算法的智能徑向插值地震數(shù)據(jù)處理方法，包括：收集測井?dāng)?shù)據(jù)和地震數(shù)據(jù)；在進行徑向插值地震道集處理時，將寬方位道集轉(zhuǎn)換為常規(guī)道集，對每個方位進行常規(guī)道集優(yōu)化處理；初始化多目標(biāo)蜉蝣算法的參數(shù)，設(shè)定各方位的疊加權(quán)重范圍；構(gòu)建多目標(biāo)蜉蝣算法的目標(biāo)函數(shù)，完成多目標(biāo)蜉蝣算法初始化；采用多目標(biāo)蜉蝣算法進行迭代，動態(tài)更新疊加權(quán)重；提取Pareto集合中居中部位的蜉蝣位置，將該蜉蝣位置中的疊加權(quán)重作為每個方位的最佳疊加權(quán)重。本發(fā)明采用多目標(biāo)蜉蝣算法確定徑向插值地震道集數(shù)據(jù)每個方位的疊加權(quán)重，實現(xiàn)徑向插值地震道集數(shù)據(jù)的高保真處理。

技術(shù)研發(fā)人員：王君順,張威,梁萬虎,徐同啟,祁衛(wèi)華,楊小兵,王崇明,李守剛,趙錄學(xué),姬云平,林剛
受保護的技術(shù)使用者：蘭州鐵道設(shè)計院有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6