摘要
传统的Metropolis-Hastings(MH)算法是一种常见的随机反演方法,可以得到大量来自于后验分布的样本,从而得到更可靠的参数估计和反演结果的不确定性信息,但对于较为复杂的参数空间,MH算法往往不能对其充分搜索。为此,针对该问题提出了基于量子退火MH算法的叠前随机反演方法,主要通过调节算法的接受概率提高算法的计算效率和稳定性。模型试算与实际数据反演结果表明,相较于传统的MH算法,该方法具有更高的收敛效率。
The conventional MH(Metropolis-Hastings)algorithm is a common stochastic inversion method.It can get a lot of samples from the posterior distribution to obtain more reliable parameter estimation and uncertainty information of inversion results.But the MH algorithm cannot fully search on it for more complex parameter space.For this purpose we propose a prestack stochastic inversion based on the quantum annealing MH algorithm to improve the computational efficiency and stability of the inversion.Tests on synthetic and real data show that the proposed method has higher convergence efficiency than the conventional MH algorithm.
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2018年第1期153-160,共8页
Oil Geophysical Prospecting
基金
国家科技重大专项(2016ZX05027004-001
2016ZX05002005-009HZ)
国家"973"项目(2014CB239201-7HZ)
国家自然基金项目(41674130)
中国石油大学(华东)自主创新科研计划项目(18CX06020A)
中国石油集团川庆地球物理勘探公司合作项目"基于叠前反演的页岩储层参数预测技术"
中国石油天然气集团公司科学研究与技术开发项目(2017D-5006-16)联合资助
关键词
地震随机反演
叠前地震反演
量子退火
MH算法
seismic stochastic inversion
prestack seismic inversion
quantum annealing
Metropolis-Hastings(MH)algorithm
