随着油气勘探与开发的不断深入，勘探目标逐渐变深、变小和更加复杂，勘探领域已由原来的构造油气藏向隐蔽油气藏延伸。现有的地震采集、处理及储层预测技术的精度已不能满足日益复杂的勘探对象的要求。地震波阻抗反演的任务是从地震记录中设法将子波和噪音消除，得到仅反映地下界面变化情况的反射系数序列，进而求出各层的速度和密度参数，依此推断地下介质分布情况。因此，对于精细油气勘探来说，地震波阻抗反演成果在油藏描述及油气横向预测等研究工作中所起的作用也越来越重要，它能较真实地反映出地下的地质构造和岩性，能够大大提高钻井的成功率。 由地震资料直接反演波阻抗是一典型的非线性反演问题。目前，解决此类问题的一个重要途径和方法就是将非线性问题线性化，使非线性问题简化为线性反演问题，然后利用线性化方法进行反演。这类反演方法通常是从构造一个初始波阻抗模型(或地质模型)出发，采用模型优选迭代挠动算法，通过不断修改、更新模型，使模型正演合成的地震记录与实际地震数据为最佳吻合，最终的模型数据便是反演结果。这种线性化的反演方法虽然具有计算速度快的优点，但它存在严重的不足，即反演结果的可靠性严重依赖于初始模型的选取，极易陷入局部极小。 随着智能计算方法的发展，非线性全局搜索算法如蒙特卡洛法、模拟退火法和遗传算法等方法已渗入到地震波阻抗反演领域。这些方法的特点是对初始模型的依赖性不强，而且在优化问题的求解中具有比常规线性优化方法更为强大的全局寻优和非线性映射能力。以生物工程为基础的遗传算法、以统计物理学为基础的模拟退火和以人工智能为基础的神经网络等非线性智能技术虽然为地震反演、储层预测带来了生机，方法研究取得了明显突破，但在实际应用中还是遇到了一些难以克服的困难，如计算速度、算法的稳定性和收敛性等。因此，针对当前反演方法存在的问题和实用局限性，充分利用前沿交叉学科的最新进展，寻找一种收敛速度快，不易陷入局部极小，而又能使人接受其计算工作量的反演新方法对地震数据的反演和解释显得尤为重要。 粒子群优化算法(Particle Swarm Optimization，简称PSO)是一类新兴的基于群智能的随机优化算法，同其它的进化算法相比，其最具吸引人的特征是简单容易实现和更强的全局优化能力，在算法的搜索过程中具有非线性特点，可以适用于非线性地球物理的反演问题。因此，开展对粒子群反演法的进一步研究和对地震资料进行粒子群优化反演，不仅对于丰富地球物理非线性反演方法具有一定的理论意义，而且对利用地震资料进行油气储层纵横向预测、精细油藏描述以寻找隐蔽油气藏具有重要的实用价值。本文在前人研究工作的基础上，以地震波阻抗反演核心，以粒子群优化算法为手段，利用现代优化理论与地球物理学学科的交叉渗透，采用粒子群优化算法创新性地研究一种新的地震反演方法—粒子群波阻抗反演法。 围绕粒子群波阻抗反演法，本文开展了以下几个方面的研究： (1)系统地总结和研究了当前地球物理非线性反演方法的进展情况、存在的问题和非线性反演理论发展的可能方向。各种非线性反演方法各有特色也各有不足，目前还不能够做出某一种方法绝对优于其它方法的结论。不同的研究者根据其经验与喜好，可能强调其中某种方法的优点，对其它方法做山偏颇的评价。地球物理非线性反演存在的主要问题是计算量问题、解的适定性问题、反演问题的非线性和地球物理反演问题非线性的特殊性。然而，随着地球物理科学对解决非线性、多参数问题的需求，目前的方法在某些方面如对反演精度要求的提高等已不能满足要求。因此，必须研究新的地球物理反演方法。 (2)系统研究和叙述了非线性反演中的最优化算法包括进化算法和群智能算法(蚁群算法和粒子群优化算法)的特点和优点。群智能算法的特点为：群体中相互合作的个体是分布的，这样更能够适应当前网络环境下的工作状态：没有中心的控制与数据，这样的系统更具有鲁棒性，不会由于某一个或者某几个个体的故障而影响整个问题的求解；可以不通过个体之间直接通信而是通过非直接通信进行合作，这样的系统具有更好的可扩充性。由于系统中个体的增加而增加的系统的通信开销在这里十分小；系统中每个个体的能力十分简单，这样每个个体的执行时间比较短，并且实现也比较简单，具有简单性。因为具有这些明显的特点，虽说群智能的研究还处于初级阶段，并且存在许多困难，但是可以预言群智能的研究代表了以后计算机研究发展的一个重要方向。 (3)详细研究和分析了粒子群优化算法的基本原理，对粒子群优化算法的惯性权重(ω)、学习因子(c<,1>，c<,2>)、最大速度(v<,max>)、群体规模、粒子的维度以及中止条件等参数进行了较为详细的分析和叙述。 (4)对粒子群优化算法的研究现状和进展作了较为详细的研究，粒子群算法的研究处于初期，需要研究的问题还很多，如粒子群算法的收敛性问题、粒子群算法的参数空间问题、粒子群算法的数学理论、粒子群算法与其它优化算法的融合以及粒子群新应用领域的开拓等等，这些都是目前的研究热点。 (5)对目前几种常用的地震波阻抗反演方法如直接反演法(递归反演法、道积分反演法)和模型反演法(广义线性反演法、测井约束反演法)的特点进行了分析，常规波阻抗反演方法在储层预测、油藏描述中发挥了积极的作用，这在一定程度上提高了预测的精度，而且也已经发展成为一项较为成熟的、应用广泛的地震岩性处理技术。 (6)对非线性全局寻优的波阻抗反演方法(遗传算法、模拟退火算法、人工神经网络方法、多尺度反演方法等)进行了描述，指出了当前地震波阻抗反演方法存在的问题。 (7)通过充分吸收和消化国内外学者关于非线性最优化方法的研究成果，在进行粒子群算法反演地震波阻抗研究过程中，类比于模拟退火与遗传算法等启发式随机反演方法，将其应用到地震波阻抗反演中。通过模拟数值算例，从建立不同的目标函数角度出发，研究了粒子群优化算法用于地震波阻抗反演的可行性及其反演的精度问题。采用同样的子波使用粒子群算法和遗传算法分别进行了反演，可以看出粒子群算法总体上要优于遗传算法。从对模型的反演结果来看，粒子群算法具有很强的全局搜索能力，搜索次数少，计算时间短，反演结果的精度也很高，从而证实了粒子群算法用于地震波阻抗反演是可行的。 (8)为了验证粒子群波阻抗反演的实际效果，选取了新疆准东地区的地震叠后资料应用粒子群算法作了波阻抗反演的计算。目的是通过对该段实际地震资料的波阻抗反演，来验证本文提出的粒子群波阻抗反演方法的正确性、有效性。通过大量的实际资料的处理，证明了本文方法的有效性和较强的实用性，使用起来非常方便高效。通过使用数字模型和实测数据对成像效果进行分析验证，结果表明本文所述方法原理先进，程序设计正确实用，对于利用地震勘探资料研究油田的储层具有很好的使用价值，为非线性地震反演提供了一种新的有效的反演思路。 由于非线性问题涉及广泛，不仅与大量数学、物理问题有关，而且也渗透着其他学科(如生物、化学、地质)和应用学科(如计算机、经济学等)的研究成果。可以说，非线性反演方法的发展，是学科交叉、联合的反映。正由于它是一门新兴学科，必然还有许多不足，理论不完备，方法不完善，效果还有待进一步提高。 本论文的研究还主要局限在算法实现等方面，加上这项研究本身就具有相当的难度，因此提出了以下几个值得进一步研究和探讨的问题： (1)从改进的粒子群算法入手，对粒子群反演算法作进一步深入研究； (2)从叠前地震资料入手，研究叠前粒子群波阻抗反演算法的实现； (3)从三维地震资料入手，研究三维数据体的粒子群波阻抗反演算法的实现； (4)从地震属性入手，将粒子群优化算法引入计算地震属性中； (5)从算法的实质入手，将粒子群反演算法引入到其他地球物理资料的反演中。