改进的粒子群波阻抗反演方法与应用

doi:10.3969/j.issn.1673-8926.2011.01.018

岩性油气藏 ›› 2011, Vol. 23 ›› Issue (1): 103–106.doi: 10.3969/j.issn.1673-8926.2011.01.018

改进的粒子群波阻抗反演方法与应用

王丽，王山山，杨威

成都理工大学地球物理学院

出版日期:2011-02-20 发布日期:2011-02-20
第一作者:王丽，1985 年生，女，成都理工大学在读硕士研究生，研究方向为地球物理信号与信息处理。地址：（ 610059）成都理工大学榕树园十二单元6-2。E-mail：wanglimeili@163.com

Improved method of particle swarm impedance inversion and its application

WANG Li， WANG Shanshan， YANG Wei

College of Geophysics， Chengdu University of Technology， Chengdu 610059， China

Online:2011-02-20 Published:2011-02-20

摘要/Abstract

摘要：

针对常规粒子群优化算法在波阻抗反演中普遍出现的收敛速度慢、反演效率不高等缺点，提出了层状模型约束下的粒子群波阻抗反演方法。该方法通过迭代反演每层的样点数和对应的波阻抗值，并利用对模型层数的扫描实现波阻抗反演。模型试算结果表明，与常规粒子群算法比较，该方法收敛速度和反演精度均显著提高。实际资料的反演证明了该方法的有效性。

关键词: 低渗透, 活性水, 室内实验, 表面活性剂

Abstract:

A new method of particle swarm optimization（PSO） impedance inversion is proposed because of the short comings of conventional PSO algorithm which has slow convergence rate and low inversion efficiency. The algorithm uses PSO algorithm to calculating the sample number and impedance for each layer of the model, and then uses the scanning method to obtain the optimal number of the layer. Compared with conventional PSO algorithm, the examples of synthetic data showthat the method significantly improves the inversion accuracy and convergence rate, and the actual data also proves the validity of this method.

Key words: lowpermeability, active water, laboratory experiment, surfactant

王丽，王山山，杨威. 改进的粒子群波阻抗反演方法与应用[J]. 岩性油气藏, 2011, 23(1): 103–106.

WANG Li， WANG Shanshan， YANG Wei. Improved method of particle swarm impedance inversion and its application[J]. Lithologic Reservoirs, 2011, 23(1): 103–106.

参考文献

［1］王西文，石兰亭，雍学善，等.地震波阻抗反演方法研究［J］.岩性油气藏，2007，19（3）：80-88.
［2］文钢锋，王智，韩军，等.地质模型反演预测隐蔽油气藏［J］.岩性油气藏，2009，21（1）：94-98.
［3］刘全新，高建虎，董雪华.储层预测中的非线性反演方法［J］.岩性油气藏，2007，19（1）：81-85.
［4］刘全新，方光建.利用模拟退火算法实现地震叠前反演［J］.岩性油气藏，2010，22（1）：87-92.
［5］王辉，张玉芬.基于模型的叠前数据多参数非线性反演［J］.岩性油气藏，2008，20（2）：108-113.
［6］ Kennedy J，Eberhart R. Particle swarm optimization ［C］∥IEEE International Conference on Neural Networks. Proceedings of IEEE International Conference，1995：1 942-1 948.
［7］ Eberhart R，Kennedy J. A new optimizer using particle swarm theory ［C］∥Micro Machine and Human Science. Proceedings of the Sixth International Symposium，1995：39-43.
［8］徐刚，瞿金平，杨智韬.一种改进的自适应粒子群优化算法［J］.华南理工大学学报，2008，36（9）：6-10.
［9］江宝钏，胡俊溟.求解多峰函数的改进粒子群算法的研究［J］.宁波大学学报，2008，21（2）：150-154.
［10］赵全友，潘保昌，郑胜林.基于群评价的带变异粒子群算法［J］.计算机工程与应用，2009，45（12）：57-59.
［11］易远元，袁三一，黄凯，等.地震波阻抗反演的粒子群算法实现［J］.石油天然气学报，2007，29（3）：79-81.

相关文章 15

[1]	白佳佳, 司双虎, 陶磊, 王国庆, 王龙龙, 史文洋, 张娜, 朱庆杰. DES+CTAB复配驱油剂体系提高低渗致密砂岩油藏采收率机理[J]. 岩性油气藏, 2024, 36(1): 169-177.
[2]	何贤, 闫建平, 王敏, 王军, 耿斌, 李志鹏, 钟光海, 张瑞湘. 低渗透砂岩孔隙结构与采油产能关系——以东营凹陷南坡F154区块为例[J]. 岩性油气藏, 2022, 34(1): 106-117.
[3]	曹旭升, 韩昀, 张继卓, 罗志伟. 渗吸效应对裂缝性低渗砾岩油藏开发的影响——以玛湖乌尔禾组储层为例[J]. 岩性油气藏, 2020, 32(4): 155-162.
[4]	代波, 王磊飞, 庄建, 袁维彬, 王学生. 超低渗透油藏CO₂驱最小混相压力实验[J]. 岩性油气藏, 2020, 32(2): 129-133.
[5]	张意超, 陈民锋, 屈丹, 毛梅芬, 杨子由. X油田特低渗透油藏井网加密效果预测方法[J]. 岩性油气藏, 2020, 32(1): 144-151.
[6]	张志刚, 刘春杨, 刘国志. 低渗透油田储层连通关系动静态综合评价方法[J]. 岩性油气藏, 2019, 31(5): 108-113.
[7]	陶帅, 郝永卯, 周杰, 曹小朋, 黎晓舟. 透镜体低渗透岩性油藏合理井网井距研究[J]. 岩性油气藏, 2018, 30(5): 116-123.
[8]	廖明光, 郭芸菲, 姚泾利, 廖纪佳, 南郡祥. 鄂尔多斯盆地华池—合水地区长3₁储层孔喉结构特征[J]. 岩性油气藏, 2018, 30(3): 17-26.
[9]	马力, 欧阳传湘, 谭钲扬, 王长权, 宋岩, 林飞. 低渗透油藏CO₂驱中后期提效方法研究[J]. 岩性油气藏, 2018, 30(2): 139-145.
[10]	殷代印, 项俊辉, 王东琪. 大庆油田长垣外围特低渗透扶杨油层综合分类[J]. 岩性油气藏, 2018, 30(1): 150-154.
[11]	李友全, 韩秀虹, 阎燕, 张德志, 周志为, 孟凡坤. 低渗透油藏CO₂吞吐压力响应曲线分析[J]. 岩性油气藏, 2017, 29(6): 119-127.
[12]	庞小军, 代黎明, 王清斌, 刘士磊, 冯冲. 渤中凹陷西北缘东三段低渗透储层特征及控制因素[J]. 岩性油气藏, 2017, 29(5): 76-88.
[13]	陈明强, 王宁, 张阳, 任龙. 渭北油田浅层油藏产能预测方法[J]. 岩性油气藏, 2017, 29(5): 134-139.
[14]	闫建平, 梁强, 耿斌, 赖富强, 温丹妮, 汪宙峰. 低渗透砂岩微孔特征与孔隙结构类型的关系——以东营凹陷南斜坡沙四段为例[J]. 岩性油气藏, 2017, 29(3): 18-26.
[15]	刘晨, 王凯, 王业飞, 周文胜. 针对A油田的抗温、抗盐聚合物/表面活性剂二元复合驱油体系研究[J]. 岩性油气藏, 2017, 29(3): 152-158.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

改进的粒子群波阻抗反演方法与应用

Improved method of particle swarm impedance inversion and its application

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10