Przegląd zastosowań algorytmów optymalizacji globalnej w przetwarzaniu danych sejsmicznych

• Autorzy: Pieniążek K.

Warianty tytułu

EN

Review of the application of algorithms of global optimization in seismic data processing

• Języki publikacji: PL

Abstrakty

PL

W artykule omówiono zaczerpnięte z literatury światowej przykłady aplikacji metod optymalizacji globalnych w przetwarzaniu danych sejsmicznych. Metody optymalizacyjne są pomocne zwłaszcza w zawansowanych procedurach przetwarzania – inwersji, czy analizie AVO. Techniki takie jak metoda symulowanego wyżarzania czy algorytmy genetyczne próbuje się stosować w rozwiązaniu problemów, które w dużym stopniu uwzględniają niejednorodność i złożoność budowy ziemi i dla których rozwiązanie analityczne jest trudne lub niemożliwe do otrzymania.

EN

In this paper the examples from literature of application algorithms of global optimization in seismic data processing are presented. Optimization methods are helpful especially in advanced processing procedures – inversion or AVO analysis. Technique such as simulated annealing or genetic algorithms are tried to be applied in solving the problems which take into account heterogeneity and complexity of the geological media and which can not be solved in a traditional way.

Słowa kluczowe

PL

optymalizacja globalna; dane sejsmiczne; metoda symulowanego wyżarzania; algorytm genetyczny

EN

global optimization; seismic data; simulated annealing; genetic algorithm

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Nafta-Gaz
• Rocznik: 2009
• Tom: R. 65, nr 12
• Strony: 942--946
• Opis fizyczny: Bibliogr. 27 poz., rys.

Twórcy

autor

Pieniążek K.

• Instytut Nafty i Gazu, Kraków

Bibliografia

• [1]. Carrion P., Bohm G.: Seismic reflection tomography via simulated annealing. The Leading Edge, 1994.
• [2]. Dębski W.: Zastosowanie techniki Monte Carlo do rozwiązywania wybranych zagadnień sejsmologicznych. Instytut Geofizyki PAN, 2004.
• [3]. Goldberg D.E.: Genetic algorithms in search for optimization and machine learning. Addison-Wesley Publ. Co., 1989.
• [4]. Holland J.H.: Adaptation in natural and artificial systems: Univ. Michigan Press, 1975.
• [5]. Horne S., MacBeth C.: Inversion for seismic anisotropy using genetic algorithms. Geophysical Prospecting 42, 953-974, 1994.
• [6]. Jędrzejowska-Tyczkowska H., Pieniążek K.: Zastosowanie metod optymalizacji globalnej, a szczególnie symulowanego wyżarzania (simulated annealing), do rozwiązania odwrotnego zadania kinematycznego w metodzie sejsmicznej. Nafta-Gaz, 2007.
• [7]. Jin S., Madariaga R.: Background velocity inversion with a genetic algorithm. Geophys. Res. Lett., 20, 93-96, 1993.
• [8]. Lomax A., Snieder R.: Finding sets of acceptable solutions with a genetic algorithm with application to surface wave group dispersion in Europe. Geophys. Res. Lett., 21, 2617-2620, 1994.
• [9]. Mallick S.: Model-based inversion of amplitude-with-offset data using a genetic algorithm. Geophysics, 60, 939-954, 1995.
• [10]. McComarck M.D, Stoisits R.F., MacAllister D.J., Crawford K.D.: Applications of genetic algorithms in exploration and production,. The Leading Edge, 1999.
• [11]. Miecznik J., Wojdyła M., Danek T.: Application of nonlinear methods to inversion of 1D magnetotelluric sounding data based on very fast simulated annealing. Acta Geophysica Polonica, vol. 51, no. 3, pp. 307-322, 2003.
• [12]. Mosegaard K., Tarantola A.: Monte Carlo sampling of solutions to inverse problems. J. Geophys. Res., 100, 12431-12447, 1995.
• [13]. Mosegaard R., Vestergaard P.D.: A simulated annealing approach to seismic model optimization with sparse priori information. Geophysical Prospecting, 39, 599-611, 1991.
• [14]. Neves F.A., de Hoop M.V.: Some remarks on nonlinear amplitude versus scattering angle-azimuth inversion on anisotropic media. Geophysics, vol. 65, no 1, p. 158-166, 2000.
• [15]. Nolte B., Frazer L.N.: Vertical seismic profile inversion with genetic algorithms. Geophys. J. Internat, 117, 162-178, 1994.
• [16]. Qin Y., Zhang Z. Xu S.: CDP mapping in tilted transversely isotriopic (TTI) media. Part II: Velocity analysis by combining CDP mapping with genetic algorithm. Geophysical Prospecting, 51, 325-332, 2003.
• [17]. Rothmann D.H.: Nonlinear inversion, statistical mechanics and residual statics estimation. Geophysics, 50, 2784-2796, 1985.
• [18]. Ryden N., Park C.B., 2006, Fast simulated annealing inversion of surface waves on pavement using phase-velocity spectra, Geophysics vol. 71 no 4, p. R49-R58
• [19]. Sambridge M., Drijkoningen G.: Genetic algorithms in seismic waveform inversion: Geophys. J. Internat., 109, 323-342, 1992.
• [20]. Sen M., Stoffa P.L.: Global optimization methods in geophysical inversion. Elsevier, 1995.
• [21]. Sen M., Stoffa P.L.: Nonlinear one-dimensional seismic waveform inversion using simulated annealing. Geophy-sics, 56, 1624-1638, 1991.
• [22]. Vestergaard P.D., Mosegaard R.: Inversion of post-stack seismic data using simulated annealing. Geophysical Prospecting, 39, 613-624, 1991.
• [23]. Wilson W.G., Laidlaw W.G., Vasudevan K.: Residual sta-tics estimation using the genetic algorithm. Geophysics, vol. 59, no 5, p. 766-774, 1994.
• [24]. Wojdyla M., Danek T.: Inversion of magnetotelluric sounding data based on Very Fast Simulated Annealing. 18th International workshop on Electromagnetic induction in the earth, El Vendrell, 17-23 September 2006.
• [25]. Wood W.T.: Simultaneous deconvolution and wavelet inversion as a global optimization. Geophysics, vol. 64, no 4, p. 1108-1115, 1999.
• [26]. Xin-Quan Ma: A constrained global inversion method using an overparametrized scheme: application to poststack seismic data. Geophysics, vol. 66, no 2, p. 613-626, 2001.
• [27]. Xin-Quan Ma: Simultaneous inversion of prestack seismic data for rock properties using simulated annealing. Geophysics, vol. 67, no 6, p. 1877-1885, 2002.