L-BFGS法时间域全波形反演中初始矩阵的选择方法

有限内存BFGS(Limited-memory Broyden-Fletcher-Goldfarb-Shanno,L-BFGS)方法是地震全波形反演(Full waveform inversion,FWI)中应用最广泛的优化方法之一。该方法需要提供Hessian逆矩阵的一个初始近似矩阵,初始近似矩阵可以在每次迭代中都进行更新,也可以固定不变。L-BFGS法的收敛性能与初始矩阵的选择以及更新方式紧密相关。在分析了全波形反演中Hessian逆矩阵的几种不同近似方式之后,分别将它们作为初始矩阵应用到了时间域L-BFGS法全波形反演中,详细比较了不同近似方式对反演精度和效率的影响,为LBFGS法全波形反演中初始矩阵的选择提供了依据。数值试验结果表明,在不同的初始矩阵选择以及不同更新方式下,L-BFGS法的收敛速度表现出明显差异。当初始矩阵固定不变时,以虚震源为基础的两种方式收敛最快,采用波场能量矩阵的两种方式要慢一些,其中包含有记录残差反传波场能量的方式收敛最慢。初始矩阵每次迭代更新时,各种方式的收敛速度都慢于固定不变时的情形。此外,同种方式分别作为L-BFGS法的初始矩阵和共轭梯度法的预条件矩阵时,L-BFGS法的性能要优于预条件共轭梯度法。

基于照明预处理的分步多参数时间域声波全波形反演方法研究

密度是地震勘探中最重要的信息之一,在岩性解释、储层流体预测等多个方面起到不可替代的作用。但在全波形反演(FWI)中,由于密度和速度串扰的影响,很难反演出理想的密度信息。针对该问题,采取分步多参数全波形反演的策略,将反演的高精度速度结果作为初始速度模型,联合初始密度模型进行下一步多参数同时反演,通过提高初始速度模型的精度,得到更为准确的密度结果。同时,为了进一步平衡梯度能量,减小地震波传播过程中几何扩散的影响,采用照明预处理L-BFGS法提高反演精度。模型测试结果表明,分步多参数全波形反演及照明预处理L-BFGS法能很好地提高反演精度。

弹性波全波形反演中的四种优化方法对比

弹性波全波形反演(EFWI)是一种高精度成像方法。由于EFWI本质是一个强非线性问题,因此常采用局部优化算法进行求解,不同优化算法的反演结果差异很大。在较为常用的共轭梯度法(CG)、L-BFGS法(Limited-memory Broyden-Fletcher-Goldfarb-Shanno Algorithm)的基础上使用伪Hessian矩阵作为梯度预条件算子,实现了预条件共轭梯度法(P-CG)和预条件L-BFGS(P-L-BFGS)反演方法。文中首先对这四种优化算法的原理及实现流程进行了介绍;然后通过绕射体模型和MarmousiⅡ模型对四种算法进行测试。结果表明:①近似Hessian预条件算子可以对深部能量进行补偿,并加快反演的收敛速度;②CG法、P-CG法实现较为简单,但由于仅使用了一阶梯度信息,无法对多参数耦合效应进行压制,对于较为复杂的MarmousiⅡ模型,P-CG法可得到略差于L-BFGS法的反演结果;③L-BFGS法和P-L-BFGS法的实现更复杂,但由于在反演过程中使用了近似Hessian矩阵,对于多参数耦合效应具有一定的压制效果;④对于MarmousiⅡ模型,L-BFGS法和P-L-BFGS法都能反演出精度较高的纵、横波速度模型,但密度反演会出现过拟合现象。