李建蓉

(苏州市职业大学 机电工程学院，江苏 苏州 215104)

随着社会对能源需求的不断增加，对计算机计算方法和软件实现的研究也越来越迫切。本研究采用混合粒子算法设计了一种合理的粒子群算法，并结合计算机编程工具实现了一套仿真软件，验证了算法的合理性，为计算储能提供科学的依据。研究的主要内容是提出波阻抗反演算法的设计，以达到提高地震数据分辨率的目的。

1 波速数据的反演公式设计

波阻抗的反演公式数据主要测试声学测井数据和密度数据。通过反Gardner方程和利用已经校正的密度测井数据，可以计算速度数据[1]。两种数据都将用作波阻抗反演公式的输入值。

反演公式是v=AρB，使用的数据挖掘区3022煤矿煤层8个数值作为相关算法的一个例子进行详细描述，见表1。

由表1得到速度和密度之间的关系，如图1所示。

表1 3022煤矿密度和速度值

图1 密度和速度关系

根据反Gardner公式设计的原理[2]，结合图1的数据，使用最小二乘法进行插值计算A=1.380 4，B=0.939 9，得到密度和速度之间的关系为

式中：v表示速度，单位为m/s；ρ表示密度，单位为g/cm3。

由式(1)可计算深度从390.5～391.4 m的井的速度。根据已测量的密度，可计算出速度，据此得到井密度和速度关系，见表2。为了验证计算公式的正确性，将速度值保留小数点后三位。

由表2结果得出：由式(1)计算出的速度值和测量的速度值基本相同。测量速度时，可以使用这个公式计算，并通过式(2)计算地层密度ρ，其计算公式为

表2 井密度和速度关系

1.1 地震记录数据的修正

测井数据符合连续采样深度[3]，地震跟踪数据符合采样时序。因此，采样深度测井数据通过深度—时间转换为顺序采样[4]，设计的转换公式为

式中Tj表示在分析地震记录的组成部分时使用的时间窗函数。

指出首个j振动图部分处在i和i+1时刻的n矩量[5]之间，其计算公式为

式(4)中：ΔTj表示时间窗函数中的宽度，第一个j是小波函数[6]的地震记录轮廓；Si是第一个i小波系数。k表示时间窗函数宽度的一半；n表示时间窗口的时间。小波函数ΔTj的时间窗宽度与比例参数成正比，其与频率值成反比。所以随着频率分量的增加，ΔTj将逐渐减少。通过式(4)，地震记录分量数据的公式可以进一步校正，校正公式可以像式(5)那样设定为

2 实际的场声阻抗反演

挖掘数据的数据预处理步骤为：首先，采集地震数据解析[9]，不改变地震振幅，这是反演计算结果准确的前提条件。其次，结合迁移归属技术和卷积信号，提高地震记录段的分辨率，注意处理时提高高频信号的组成和带宽，保持有效的低频信号。

表3 第八矿区矿井井深3022时间转换结果

以第八矿区井深3022地震资料为例，对混合粒子群优化算法进行声阻抗反演方法进行验证。因为在现场记录数据有限，只有密度测井数据，采矿面积按式(1)速度反演计算值，这里j为序号的深度，v为速度。然后通过深度—时间变换，将测井数据的深度转化为时间数据。第八矿区井深3022矿山采样间隔为Δh=0.1m深，采样间隔为m。从1到n层的纵波是自激的，记住的运行时间。在累积和的过程中，随着j的增加可以使得时域采样间隔整数倍，可以建立相应的j点深度和时域之间的关系。据此得到第八矿区井深3022深度—时间转换结果，如表3所示。

2.1 混合粒子群算法获得地震小波

对于3022矿的第八矿区，设立了如公式(6)所示的混合粒子优化(pso)算法的目标函数方程。

式(6)中：E为目标函数；N为样本点；w(t)为地震小波；r(t)为反射系数；s(t)为井附近的地震轨迹。

小波的长度是粒子尺寸；混合粒子群优化(pso)算法是随机初始小波序列。可以设置子波长为150 nm，粒子群大小为100，通过3022矿小波提取，如图2所示。

图2 3022井的小波提取

2.2 混合粒子群反转声阻抗

在接收数据前，在反演的基础上，提取小波频率处理数据，声波测井曲线计算对应于井声的声反射系数曲线，采用混合粒子群算法提取小波和相邻通道的反射系数，然后与地震记录相结合，接下来邻接反射系数反演计算。反过来循环直到需要计算所有方式的反射系数，反演计算过程结束。

基于3022矿井进行反演试验，该试验采样时间为200～400 ms，采样率为1 ms，CDP为88～108，混合粒子群初始群体为200，颗粒尺寸为201粒子，最大速率值范围介于1和-1之间，加速因子为2，突变概率为1%，约束水平为20，混合粒子群反演声阻抗。

由图3、图4、图5可知，使用混合粒子群算法反演波阻抗计算和波阻抗实际记录基本相同。表明反演计算方法是可行的。

图3 3022井道测试道路实际记录

图4 3022井道记录的轨迹反演

图5 阻抗和反相波阻抗之间的记录比较结果

3 反向功能模块的混合粒子群仿真

使用现有技术，运用Microsoft Visual C ++ 6.0中的计算机软件，根据前面描述的算法编程模块对3022井实现了一套仿真软件，软件界面如图6所示。图中序号4，9，12分别表示速度和密度之间关系见表1。

由图6可知，在仿真软件中可确定煤层的位置。根据表1数据，煤层底板分布情况在仿真软件中清晰显示。

图6 反向功能模块仿真界面

4 结论

在矿区计算中准确归纳出井密度和速度之间的关系，设计了一套声阻抗混合粒子群反演方法，并通过测量数据验证，在计算机中进行仿真实现，此方法可帮助确定煤层的位置。

混合粒子群在采煤中采用声阻抗反演算法，可以帮助工作人员清晰识别煤层地层的勘探开发，为准确测定煤层，计算煤层厚度、煤储量，具有积极的作用，可以解决一些实际问题。

参考文献：

[1]聂鲁. 煤高精度地震波阻抗反演研究与应用智能算法[D].北京：中国矿业大学，2009：58-60.

[2]王丽. 粒子群波阻抗反演方法的研究与应用[D]. 成都：成都理工大学，2011：75-79.

[3]LIMING S A.油气藏反演理论研究及其应用探测[D]. 北京：中国科学院研究生院，2003：49-55.

[4]苗光文，刘聪，王殿，等. 吉林勘探区波阻抗反演煤层特征分析及储层预测应用[J]. 地球物理进展，2011(5)：1788-1795.

[5]张赛明，陈凌君.堆叠边界保持波阻抗反演约束共轭梯度[J].中国有色金属学报，2013(9)：2532-2539.

[6]侯铮. Dc电阻率和瑞利波非线性联合反演方法研究[D]. 北京：中国地质大学，2013：65-70.

[7]乐友喜，黄建亮，张杨，等. 地震储层预测技术限制下的定性模型及其在梨树断层凹陷中的应用[J]. 吉林大学学报(地球科学版)，2013(2)：632-640.

[8]尹兴耀，张世新，张峰. 对于深层流体识别两种弹性阻抗反演和罗素流体因子直接估算方法研究[J]. 地球物理学报，2013(7)：2378-2390.

[9]聂汝，岳建华. 基于地震参数反演的自适应混沌突变粒子群算法[J]. 四川大学学报(自然科学版)，2009，46(1)：89-94