储层图形（像）融合与富气非线性检测方法研究
|
摘要
基于图像融合与非线性算法的理论和方法，采用新的方法技术与思路，创建了新型的储层图(像)融合技术和油气地震非线性检测方法与技术。
(1)基于图像融合的理论与方法，创建了基于PCA变换和小波变换(包含第二代小波)的储层图形(像)融合技术。基于PCA变换储层图形(像)融合是利用能量集中的主分量重构储层图形(像)，而基于小波变换储层图形(像)是利用图形(像)各自携带的特征与细节在多个分解层和多个频带上进行融合。它们是一种创新的油气储层信息综合处理技术，可获得储层目标区的更为准确、更为全面和更为可靠的图形描述，是一种确定性描述。融合后的储层图形(像)反映了多种地震属性或参数的共同地质因素，实现了直接将地震属性或参数转换为地质信息。
(2)基于非线性算法的理论与方法，首次创建了一种集遗传算法，混沌算法、ANFIS算法及禁忌搜索算法的优势于一体的新的地震非线性反演方法，即全局优化混合智能算法，采用这种算法，以概率搜索方式进行运算，且概率自适应变化，以达到混合算法的均衡；采用具有多输入多输出的网络结构，在测井约束下，建立自适应权函数和综合非线性映射关系及自动更新非线性映射关系，对反演过程及其反演结果起到约束和控制作用，极大地提高了反演的精度和分辨率，因此，这种反演方法是一种高精度与高分辨率的地震反演方法，具有反演地震多属性的功能。
(3)基于弹性参数是储层岩性预测与油气检测中极佳的参数，创建了弹性参数反演技术系列。这种弹性参数反演技术是由基于方程的泊松比(σ)反演方法、弹性参数换算技术、基于改进的加权叠加技术与混合智能算法纵横波联合弹性参数反演方法及弹性参数综合解释方法组成。这种方法技术系列属于叠前反演技术，是一种先进的反演技术。
(4)储层密度反演方法是基于混合智能算法地震非线性反演方法在测井密度约束下，利用地震波阻抗数据实现储层密度的反演，获得储层密度剖面。流体密度是在获得储层密度的基础上，利用流体密度计算方法，即可得到流体密度及流体密度剖面，它是检测富气的绝好参数。
(5)所研制的《储层预测与油气检测软件系统》具有四大功能，即储层图形(流)融合、速度与密度等参数反演、多种弹性参数反演及解释等功能。该软件系统具有图形化的操作界面，使用方便，具有较强的实用价值。在国内，首次推出了储层图形(像)融合软件。
(6)在大庆丰乐地区，采用地震非线性反演方法，获得了高分辨率的三维速度数据体和三维密度数据体，并对最佳有利火山岩体和油气进行了识别与预测，取得了很好的地质效果，为复杂的火山岩体的识别与预测提供了新的方法技术。在四川地区，成功地在圈定的储层目标区内预测出富气层及其部位，极大地提高了勘探开发的成功率。总之，该方法技术与软件系统适应不同特点的地区和不同特点的储层类型，具有较高的科学价值与实用价值及推广应用前景。
On the basis of the theories and methods of the image fusion and nonlinearinversion algorithm, this paper developed new-style reservoir image fusion technique,seismic nonlinear oil/gas detection method and technique by using new methods,techniques and ideas.
(1) Based on the theory and method of image fusion, this paper developedreservoir image fusion technique which is based on PCA transform and wavelettransform (including second era wavelet). The reservoir image fusion technique basedon PCA transform utilizes the dominant component focused the most energy toreconstruct the reservoir image; however, the reservoir image fusion technique based onwavelet transform utilizes the properties and details contained in each images toperform fusion in many decomposition layers and many frequency bands. So, thistechnique is a new oil/gas information integrative processing technique which canprovide more accurate, complete, and reliable image descriptions of the target zones inthe reservoirs; and also is a new technique which can truly describe the reservoir imageafter fusion, and reflect the same geologic factors in multiple seismic attributes orparameters, and directly transform the seismic attributes or parameters into thegeological information.
(2) Based on the theory and method of the nonlinear algorithm, this paper tht firstdeveloped a new seismic nonlinear inversion method that integrates all advantages ofgenetic algorithm, chaos algorithm, ANFIS algorithm and tabu searching algorithm, thatis, a global optimization hybrid intelligent algorithm. This algorithm implementscomputation with probability searching mode, moreover, the probability changesself-adaptively to make the hybrid algorithm uniform. In this technique, the networkstructure with multi-inputs and multi-outputs are adopted, and under the constraint ofthe logging data, the self-adaptive weight function and comprehensive nonlinearmapping relationship are established and nonlinear mapping relationship areautomatically updated, which can constrain and control the inversion results, andimprove inversion precision and resolution greatly. Therefore, it is a seismic inversion method with high precision and high resolution, and can perform seismicmulti-attributes inversion.
(3) Based on the elastic parameters is the optimal parameter for reservoir lithologyprediction and oil/gas detection, the paper developed elastic parameter inversiontechnique series, which consists of poisson'ratio inversion based on equation, elasticparameter conversion technique, improved weighting stack technique and P-wave andS-wave simultaneous elastic parameter inversion technique which based on hybridintelligent algorithm, and elastic parameter integrative interpretation method. Thistechnique series belongs to prestack inversion technique, and is an advanced inversiontechnique.
(4) Reservoir density inversion method is based on hybrid intelligent seismicnonlinear inversion method, and applies seismic acoustic impedance data to performreservoir density inversion with the constraint of the logging density data, and gainsreservoir density section. Then, fluid density computation method is adopted to obtainthe fluid density and fluid density section, which are the optimal parameters for oil/gasdetection.
(5) "Reservoir prediction and oil/gas detection software system" developed by theauthor has four functions, including reservoir image fusion function, velocity anddensity parameters etc. inversion function, various elastic parameters inversion functionand interpretation function. This software system has the graphical interfaces, isconvenient for operation, and has strong application values. This reservoir image fusionsoftware is the first one developed at home.
(6) Seismic nonlinear inversion method was applied to obtain 3D velocity volumeand 3D density volume with high resolution in Fengle area of Daqing oil field, andperform the most favorable volcano rock body recognition and oil/gas prediction, andgood geologic results have been obtained. Therefore, this method provided new methodand technique for the recognition and prediction of the complex volcano rock bodies.Moreover, this technique was applied to successfully predict oil/gas accumulation zonesand their locations in the delineated reservoir target zones in Sichuan basin, andimprove the successful rate of the exploration and exploitation in this area greatly. Inconclusion, this technique and software system are suitable for various areas andreservoir types with different properties, and have high science value, application valueand popularizing application prospects.
(1)基于图像融合的理论与方法，创建了基于PCA变换和小波变换(包含第二代小波)的储层图形(像)融合技术。基于PCA变换储层图形(像)融合是利用能量集中的主分量重构储层图形(像)，而基于小波变换储层图形(像)是利用图形(像)各自携带的特征与细节在多个分解层和多个频带上进行融合。它们是一种创新的油气储层信息综合处理技术，可获得储层目标区的更为准确、更为全面和更为可靠的图形描述，是一种确定性描述。融合后的储层图形(像)反映了多种地震属性或参数的共同地质因素，实现了直接将地震属性或参数转换为地质信息。
(2)基于非线性算法的理论与方法，首次创建了一种集遗传算法，混沌算法、ANFIS算法及禁忌搜索算法的优势于一体的新的地震非线性反演方法，即全局优化混合智能算法，采用这种算法，以概率搜索方式进行运算，且概率自适应变化，以达到混合算法的均衡；采用具有多输入多输出的网络结构，在测井约束下，建立自适应权函数和综合非线性映射关系及自动更新非线性映射关系，对反演过程及其反演结果起到约束和控制作用，极大地提高了反演的精度和分辨率，因此，这种反演方法是一种高精度与高分辨率的地震反演方法，具有反演地震多属性的功能。
(3)基于弹性参数是储层岩性预测与油气检测中极佳的参数，创建了弹性参数反演技术系列。这种弹性参数反演技术是由基于方程的泊松比(σ)反演方法、弹性参数换算技术、基于改进的加权叠加技术与混合智能算法纵横波联合弹性参数反演方法及弹性参数综合解释方法组成。这种方法技术系列属于叠前反演技术，是一种先进的反演技术。
(4)储层密度反演方法是基于混合智能算法地震非线性反演方法在测井密度约束下，利用地震波阻抗数据实现储层密度的反演，获得储层密度剖面。流体密度是在获得储层密度的基础上，利用流体密度计算方法，即可得到流体密度及流体密度剖面，它是检测富气的绝好参数。
(5)所研制的《储层预测与油气检测软件系统》具有四大功能，即储层图形(流)融合、速度与密度等参数反演、多种弹性参数反演及解释等功能。该软件系统具有图形化的操作界面，使用方便，具有较强的实用价值。在国内，首次推出了储层图形(像)融合软件。
(6)在大庆丰乐地区，采用地震非线性反演方法，获得了高分辨率的三维速度数据体和三维密度数据体，并对最佳有利火山岩体和油气进行了识别与预测，取得了很好的地质效果，为复杂的火山岩体的识别与预测提供了新的方法技术。在四川地区，成功地在圈定的储层目标区内预测出富气层及其部位，极大地提高了勘探开发的成功率。总之，该方法技术与软件系统适应不同特点的地区和不同特点的储层类型，具有较高的科学价值与实用价值及推广应用前景。
On the basis of the theories and methods of the image fusion and nonlinearinversion algorithm, this paper developed new-style reservoir image fusion technique,seismic nonlinear oil/gas detection method and technique by using new methods,techniques and ideas.
(1) Based on the theory and method of image fusion, this paper developedreservoir image fusion technique which is based on PCA transform and wavelettransform (including second era wavelet). The reservoir image fusion technique basedon PCA transform utilizes the dominant component focused the most energy toreconstruct the reservoir image; however, the reservoir image fusion technique based onwavelet transform utilizes the properties and details contained in each images toperform fusion in many decomposition layers and many frequency bands. So, thistechnique is a new oil/gas information integrative processing technique which canprovide more accurate, complete, and reliable image descriptions of the target zones inthe reservoirs; and also is a new technique which can truly describe the reservoir imageafter fusion, and reflect the same geologic factors in multiple seismic attributes orparameters, and directly transform the seismic attributes or parameters into thegeological information.
(2) Based on the theory and method of the nonlinear algorithm, this paper tht firstdeveloped a new seismic nonlinear inversion method that integrates all advantages ofgenetic algorithm, chaos algorithm, ANFIS algorithm and tabu searching algorithm, thatis, a global optimization hybrid intelligent algorithm. This algorithm implementscomputation with probability searching mode, moreover, the probability changesself-adaptively to make the hybrid algorithm uniform. In this technique, the networkstructure with multi-inputs and multi-outputs are adopted, and under the constraint ofthe logging data, the self-adaptive weight function and comprehensive nonlinearmapping relationship are established and nonlinear mapping relationship areautomatically updated, which can constrain and control the inversion results, andimprove inversion precision and resolution greatly. Therefore, it is a seismic inversion method with high precision and high resolution, and can perform seismicmulti-attributes inversion.
(3) Based on the elastic parameters is the optimal parameter for reservoir lithologyprediction and oil/gas detection, the paper developed elastic parameter inversiontechnique series, which consists of poisson'ratio inversion based on equation, elasticparameter conversion technique, improved weighting stack technique and P-wave andS-wave simultaneous elastic parameter inversion technique which based on hybridintelligent algorithm, and elastic parameter integrative interpretation method. Thistechnique series belongs to prestack inversion technique, and is an advanced inversiontechnique.
(4) Reservoir density inversion method is based on hybrid intelligent seismicnonlinear inversion method, and applies seismic acoustic impedance data to performreservoir density inversion with the constraint of the logging density data, and gainsreservoir density section. Then, fluid density computation method is adopted to obtainthe fluid density and fluid density section, which are the optimal parameters for oil/gasdetection.
(5) "Reservoir prediction and oil/gas detection software system" developed by theauthor has four functions, including reservoir image fusion function, velocity anddensity parameters etc. inversion function, various elastic parameters inversion functionand interpretation function. This software system has the graphical interfaces, isconvenient for operation, and has strong application values. This reservoir image fusionsoftware is the first one developed at home.
(6) Seismic nonlinear inversion method was applied to obtain 3D velocity volumeand 3D density volume with high resolution in Fengle area of Daqing oil field, andperform the most favorable volcano rock body recognition and oil/gas prediction, andgood geologic results have been obtained. Therefore, this method provided new methodand technique for the recognition and prediction of the complex volcano rock bodies.Moreover, this technique was applied to successfully predict oil/gas accumulation zonesand their locations in the delineated reservoir target zones in Sichuan basin, andimprove the successful rate of the exploration and exploitation in this area greatly. Inconclusion, this technique and software system are suitable for various areas andreservoir types with different properties, and have high science value, application valueand popularizing application prospects.
引文
[1] 熊翥．21世纪初中期勘油气地球物理展望[M]，北京：石油工业出版社，2006．
[2] 马在田．走向21世纪的实用地震学[J]，地球物理学报，1995，38(4)：539-547．
[3] 李庆忠．走向精确勘探的道路[M]，北京：石油工业出版社，1993．
[4] 黄绪德．油气预测与油气藏描述—地震勘探直接找油气．南京：江苏科学技术出版社，2003．
[5] 李正文．沉积盆地有效储集层综合识别技术[M]，成都：四川科学技术出版社，2002．
[6] 何国金，李克鲁等．多用卫星遥感数据的信息融合：理论，方法和实践[J]，中国图像图形学报，1999，4(9)：744-750．
[7] Taxt T, Solberg A H S. Information Fusion in Remote Sensing[J].Vistas in Astronomy, 1997,41(3):337-342.
[8] Simone G, Farina A, Morabito F C, Serpico, at ai. Image Fusion Techniques for Remote Sensing Applications[J].Information Fusion, 2002, (3):3-15.
[9] Daily M.I., Farr T. and Elachi C. Geologic, Interpretation from Composited Radar and Landsat Imagery[J], Photogrammetric Engineering and Remote Sensing, 1979, 45(8):1109-1116.
[10] Laner D.T., and Todd W.J., Land Cover Mapping with Merged Landsat RBV and MSS Stereoscopic Images[J], Proc. of ASP Fall technical Conference, San Franciso, 1981, 680-689.
[11] 陆宏波，施惠昌．基于小波变换的图像融合方法[J]，电子工程师，2001，27(5)：54-57
[12] 王蓉，谢元旦．基于小波的图像融合算法的实现[J]，鞍山科技大学学报，2003，26(5)：337-340．
[13] 王国峰，张科，李言峻．基于小波多分辨分析的图像融合方法[J]，红外与激光工程，2003，32(5)：513-515．
[14] (法)Stephane mallat编著，杨力华，戴道清，黄文良，湛秋辉等译．信号处理的小波引导[M]，机械工业出版社，2003．
[15] 陈武凡．小波分析及其在图像处理中的应用[M]，科学出版社，2002．
[16] 李晓春，陈京．基于小波变换的图像融合算法研究[J]，遥感技术与应用，2003，18(1)：27-30．
[17] 郭德成，阎岩，张建．基于小波变换的医学图像融合技术[J]，中国医学影像技术，2003，19(3)：370-372．
[18] 王亚杰，王晓岩，刘学平．基于小波变换的多聚焦图像融合评述[J]，沈阳航空工业学院学报，2005，22(4)：65-67．
[19] 刘斌，彭家雄．基于区域的小波多尺度多聚焦图像融合方法[J]，量子电子学报，2005，22(2)：159-164．
[20] 楚恒，李杰，朱维乐．一种基于小波变换的多聚焦图像融合方法[j]，光电工程，2005，32(8)：59-63．
[21] Lih, Manjunath B S, Mitra S K. Multifocus image fusion using the wavelet transform[J],Graphical Models and Image Processing, 1995.3.
[22] Mallat S G, Zhong S. Characterization of signal form multiscale edges. IEEE Transaction son Pattern Analysis and Machine Intelligence, 1992,14(7):710-732.
[23] Li S T, Kwok J T, Wang Y N. Using the Discrete Wavelet Frame Transform to Merge Landsat TM and SPOT Panchromatic Image[J]. Information Fusion, 2001, (3):17-23.
[24] 戴勇，李正文等．油气储层图像(形)融合方法及应用研究[J]，天然气工业，2005，25(3)：61-62．
[25] Maiter H, Bloch. Image Fusion[J].Vistas in Astronomy, 1997,41(3):329-335.
[26] (美)冈萨雷斯(Gonzalez.R.C.)等著，阮秋琦等译．数字图像处理(第二版)[M]，北京：电子工业出版社，2003．
[27] (美)冈萨雷斯(Gonzalez.R.C.)等著，阮秋琦等译．数字图像处理(MATLAB版)[M]，北京：电子工业出版社，2005．
[28] 贾永红等著．数字图像处理[M]，武汉：武汉大学出版社，2003．
[29] 何东健等著．数字图像处理[M]，西安：西安电子科技大学出版社，2003．
[30] (法)Jain,A.K.著，韩博，徐枫译．数字图像处理基础[M]，北京：清华大学出版社，2006．
[31] 刘同明．数据融合技术及其应用[M]，国防工业出版社，1998．
[32] 康耀红．数据融合理论与应用[M]，西安电子科技大学出版社，1997．
[33] 覃征．数字图像合[M]，西安交通大学出版社，2004．
[34] 余成波．数字图像处理及MATLAB实现[M]，重庆大学出版社，2003．
[35] (美)John H.mathews,Karis D.Fink著．陈渝，周潞，钱方等译．数值算法(MATLAB版)[M]，电子工业出版社，2003．
[36] 孙兆林．MATLAB 6.X图像处理[M]，清华大学出版社，2002．
[37] 李弼成，彭天强，彭波等．智能图像处理技术[M]，电子工业出版社，2004．
[38] 杨淑莹，VC++图像处理程序设计[M]，北京交通大学出版社，2005．
[39] 求是科技编著．Visual C++数字图像处理典型算法及实现[M]．北京：人民邮电出版社，2006．
[40] 张加友，王江安．红外图像融合[J]，光电子与激光，2000，11(5)：537-539．
[41] Lawrence A.Klein著，戴亚平，刘征，郁光辉译．多传感器数据融合理论及应用[M]，北京理工大学出版社，2004．
[42] Achalakul T, Lee J, and Taylor S. Resilient Image Fusion. In:Proceedings of the International Conference on Parallel Processing Workshops[M], Toronto, Canada, August 2000,291-296
[43] Zhang Z, Blum R S.A Hybird Image Registration Technique for A Digital Camera Image Fusion Application[J],Information Fusion, 2001, (2):135-149.
[44] Kcbota T. Adaptive Pixel-Based Data Fusion for Boundary Detection. In:Proceedings of the Second International Workshop on Energy Minimization Methods in Computer Vision and Pattern Recognition[M].July 1999,173-188.
[45] Ferretti A, Prati C, Rocca F. Multibaseline In:SAR DEM Reconstruction:The Wavelet Approach. IEEE Trans on Geoscience and Remote Sensing[J], 1999, 37(2):705-715.
[46] Fusion Based on Mutual Information. In: Proceedings of the 1996 IEEE International Conference on Image Processing(ICIP' 96)[M],September 16-19,1996, Ⅰ:265-268.
[47] Huber R. Scene Classification of SiR Image Acquired from intiparallel Tracks Using Evidential and Rule-based Fusion[J].Image and Vision Computing, 2001, (19):1001-1010.
[48] 杨文采地球物理反演和层析成象[M]，地质出版社，1989．
[49] 朱光明等译地球物理数据分析—离散反演理论，地质出版社，1988．
[50] 王小平，曹立明．遗传算法-理论、应用与软件实现[M]，西安：西安交通大学出版社，2002．
[51] 刘勇，康立山．非数值并行计算(2册)-遗传算法[M]，北京：科学出版社，1995．
[52] 杨文采．神经网络在算法在地球物理反演中的应用[J]，石油物探，1995，34(1)：116-120．
[53] 李敏强等．遗传算法的基本理论与应用[M]，北京：科学出版社，2002．
[54] 陈章良．遗传算法及其应用[M]，北京：人民邮电出版社，2004．
[55] 孔瑞祥，屈梁生．遗传算法优化效率的定量评价，自动化学报，2000，26(4)：552-556．
[56] Schmitt L M. Theory of genetic algorithms [J]. Theoretical Computer Science, 2001, 259(1-2): 1-61.
[57] Schmitt L M. Theory of genetic algorithmsⅡ[J]. Theoretical Computer Science, 2004, 310(1-2): 181-231.
[58] Bhau B, Lee S Ming J. Self-Optimizing Image Segment System Using a Genetic Algorithm. In:proceedings of the Fourth International Conference on Genetic Algorithms, Morgan Kaufmann Publishers [M],1991,362-464.
[59] D.E. Goldberg. Genetic Algorithms in Search, Optimization, and Machime Learning [M], Addison-Wesley, Reading, MA, 1989.
[60] L.J. Fogel, A.J. Owens, and M.J. Walsh. Artificial Intelligenc Through simulated Evolution[M], John Wiley &sons, New York, NY, 1966.
[61] D. Whitley, T. Starkweather, and C. Bogart. Genetic algorithms and neural networks: optimizing connections and connectivity[M],Paraallel Computin, 14:347-361,1990.
[62] X. Yao simulated annealing with extended neighbourhood. [M], Int. J. of Computer Math., 1991,40:169-189.
[63] H. Kitano. Designing neural networks using genetic algorithms with graph generation system[M], Complex Systems, 4:461-476,1990.
[64] D.B. Fogel. An information criterion for optimal neural network selection[J], IEEE Trans. On Neural Networks, 1991, 2:490-497.
[65] S. Nolfi, J.L. Elman, and d. Parisi. Learning and evolution in neural networks. Technical Report CRT-9019, Center for Research in Language [M], University of California, San Diego, La Jolla, CA 92093-0126, U.S.A.,July 1990.
[66] X. Yao. The evolution of connectionist networks. In T. Dartnall, editor, Artificial Intelligence and Creativity [M], pages 233-243. Kluwer Academic Publishers, Dordrecht, 1994.
[67] X. Yao and Y. Liu, Evolving artificial neural networks through volutionary programming, in Evolutionary Programming V, Proc. of the Fifth Annual Conference on Evolutionary Programming[M], MIT Press, 1996.
[68] X. Yao, Y. Liu, and G. Lin, Evolutionary programming made faster [J], IEEE Transactions on Evolutionary Computation, p. Submitted, 1996.
[69] X. Yao, A new simulated annealing algorithm[J], Int. J. of computer Math.,vol. 56, pp. 161-168,1995.
[70] X. Yao, An empirical study of genetic operators in genetic algorithms[J], MicroProcessing and Microprogramming, vol. 38, pp. 707-714,1993.
[71] G. Syswerda, Uniform crossover in genetic algorithms, in Proc. Of the Third Iht'1 conf. On Genetic Algorithms and Their Applications[M], (J.D. schaffer, ed.),pp.1-9, Morgan Kaufmann, San Mateo, CA, 1989.
[72] Schaffer J D, Caruana R A, Eshelman L J. A study of control parameters affecting online performance of genetic algorithms for function optimization[M], In: Proc. 3rd Int. Conf. Genetic Algorithms. 1989,122-136.
[73] Zhang J, Morris A M. A sequential learning approach for single hidden layer neural networks[J], Neural networks, 1998,11(1):65-80.
[74] Shahab Mohaghegh, Reza Arefi, Sam Ameri, Khashayar Aminiand, Roy Nutter. Petroleum reservoir characterization with the aid of artificial neural networks[J], Journal of Petroleum Science and Engineering, 1996,16:263-274.
[75] Karlene A. Hoo, Eric D. Sinzinger, Michael J. Piovoso[J], Journal of Process Control, 2002,12:193-202.
[76] 焦李成．神经网络的应用和实现[M]，西安：西安电子科技大学出版社，1993．
[77] 黄德双．神经网络模式识别系统理论[M]，北京：电子工业出版社，1996．
[78] Abhijit S．Pandys．Robert B．Macy著，徐勇译．神经网络模式识别及其实现[M]，北京：电子工业出版社，1999．
[79] 陈守煜．工程模糊集理论与应用[M]，北京：国防工业出版社，1998．
[80] 朱玉仙等．模糊数学方法[M]，长春：吉林大学出版社，1994．
[81] 周继成等．人工神经网络——第六代计算机的实现[M]，北京：科普出版社，1993．
[82] 阎平凡，张长水．人工神经网络与模拟进化计算[M]，清华大学出版社，2000．
[83] 杨建刚．人工神经网络实用教程[M]，浙江大学出版社，2001．
[84] 阎小平，张长水．人工神经网络与模拟进化计算[M]，北京：清华大学出版社，2000．11
[85] 戴葵．等译．神经网络设计[M]，北京：机构工业出版，2002．
[86] Sieisma J and dow R J F. Neural net pruning. Why and how. [J],Proceedings of IEEE International Conference on Neural Networks, 1998,1, 325-333.
[87] Brian Hrussel. Introduction to seismic inversion methods[M], U.S.A, SEG. 1992
[88] Jang J.S.R. ANFIS:Adaptive-Network-Based Fuzzy Inference System, IEEE Transaction on System, Man and Cybernetics, 1993, 23(3):665-685.
[89] 张颖，张艳秋．软件计算方法[M]，北京：科学出版社，2002．
[90] 王凌．智能优化算法及其应用[M]，北京：清华大学出版社，2001．
[91] 潘正君，康立山，陈毓屏．演化计算[M]．北京：清华大学出版社，1998．
[92] 张德林．油气藏地震信息研究[M]，石油工业出版社，2001．
[93] 邹恩，李祥飞，陈建国．混沌控制及其优化应用[M]，国防科技大学出版社，2002．
[94] 李昊，胡云昌，曹宏铎．加速混沌优化方法及其应用，系统工程学报，2002，17(1)：41-44．
[95] 张彤，王宏伟，王子才．变尺度混沌优化方法及其应用[J]，控制与决策，1999，14(3)：613-615．
[96] 雷德明．利用混沌搜索全局最优解的一种混合遗传算法[[J]，系统工程与电子技术，1999，21(12)：81-84．
[97] 郭惠昕．混沌遗传优化算法及其程序研制，常德师范学院学报(自然科学版)，2002，14(4)：40-42．
[98] 巩敦卫，朱美强等．一种新的基于混沌变异解决早熟收敛的遗传算法[J]，控制与决策，2003，18(6)：686-689．
[99] 姚俊峰，梅炽，彭小奇．混沌遗传算法(CGA)的应用研究及其优化效率评价[J]，自动化学报，2002，28(6)：935-942．
[100] 郝柏林．分岔、混沌、奇怪吸引子、湍流及其它—关于确定论系统中的内在随机性[J]，物理学进展，1983，3(3)．
[101] 刘式达等．非线性动力学和复杂现象[M]，北京气象出版社，1990．
[102] 杨文采．地震道的非线性混沌反演—Ⅰ．理论与数值试验[J]．地球物理学报，1993，36(2)：222-232．
[103] 杨文采．非线性地震道的反演-Ⅱ．关于Lyapunov指数和吸引子[J]．地球物理学报，1993，36(3)：376-386．
[104] 姚俊峰等．混沌遗传算法及其应用[J]．系统工程，2001，19(1)：70-74．
[105] 李兵，蒋慰孙．混沌优化方法及其应用[J]．控制理论与应用，1997，14(4)：613-615．
[106] 李家俊，田凯等．地震波阻抗参数混沌控制反演[J]．控制理论与应用，2002，19(5)：746-749．
[107] 李洪奇，刘洪，李幼铭．混沌控制反演系统构造及算法逻辑设计[J]．地球科学—中国地质大学学报，2001，26(1)：78-82．
[108] Gu Yuqiao, Huang Wuqun, Chen Tianlun. Chaotic dynamics in weight space of neural networks[J],Commum Wheor Phys, 1999,32:247-252.
[109] Mackey M, Glass L. Oscillation and chaos in physiological control systems[J], Science, 1977,197:287-289.
[110] Jatinder N.D. Gupta, Randall S. Sexton. Comparing backpropagation with a genetic algorithm for neural network training[J], Omega, 1999,27:679-684.
[111] Shi Yu, Yu Sheng lin. Optimization based on improved real-coded genetic algorithm[J], Transaction of Nanjing University of Aeronautics & Astronau-tics, 2002,19(1):53-58.
[112] Ning Wang, Liming Liu, Lingling Liu. Genetic algorithm in chaos[J], Or Transactions, 2001,5(3):1-10,
[113] Wang Lin, Wei Chengjian, Sheng Shaohan. Genetic algorithm combined with a chaotic sequence[J], Systems Engineering-Theory & Practics, 1999,19(11):1-7.
[114] Rudolph G. Convergence properties of control parameters for genetic algorithms[J], IEEE Trans on Neutral Networks, 1994,5(1):65-67.
[115] Yuan X H, Yuan Y B, Zhang Y C. A hybrid chaotic genetic algorithm for short-term hydro system scheduling[J],Mathematics and Computers in Simulation, 2002, 59(4): 319-327.
[116] 恽为民，席裕庚．遗传算法的运行机理分析[J]，控制理论与应用，1996，13(3)：297-303．
[117] 恽为民，席裕庚．遗传算法的全局收敛性和计算效率分析[J]，控制理论与应用，1996，13(4)：455-460．
[118] 孔瑞祥，屈梁生．遗传算法优化效率的定量评价，自动化学报，2000，26(4)：552-556．
[119] 景广军，梁学梅，范训礼．遗传神经网络预测模型的设计与应用，计算机工程与应用 [J]，2001．9：1-3．
[120] 牟永光．储层地球物理学[M]，北京：石油工业出版社，1996
[121] 殷八斤等AVO技术的理论与实践[M]，石油工业出版社，1995．
[122] AVO inversion of a Gulf of Mexico bright spot—a case study[J], Geophysics, vol. 64, No. 5; p (1480-491).
[123] Fatti, J. L., Smith, G.C. , Vail, P.J., Strauss, P.J. and Levitt, P.R. , 1994, Detection of gas in sandstone reservoirs using AVO analysis: A 3-D seismic case history using the Geostack tech- nique[J], Geophysics, 59, 1362—1376.
[124] Shuey, R.T., 1985, A simplification of the Zoeppritz equations [J] Geophysics, Vol. 50, pp. 609-614.
[125] Wojciech Debski and Albert Tarantola, 1995, Information on elastic parameters obtained from the amplitudes of reflected waves[J], Geophysics, 60, no. 5, P. 1426-1436.
[126] Patrice Nsoga Mahob etc., 1999, Case History AVO inversion of a Gulf of Mexico bright spot—A casestudy [J], Geophysics, Vol. 64, P. 1480—1491.
[127] Yanghua Wang, 1999, Approximation to Zoeppritz equations and their use in AVO analysis[J], Geophysics, Vol. 64. No. 6, P. 1920—1927.
[128] Smith, G.C. and Gidlow, P. M., 1987, Weighted stacking for rock property estimation and detec tion of gas[J], Geophysical Prospecting, Vol. 35, pp. 993-1014.
[129] Verrn, R.W. and Hilterman, F.J., 1995, I..ithology color—coded seismic sections: The calibration of AVO crosssplotting to reck properties[J], The Leading Edge, Vol. 14, No. 8, pp. 847-853.
[130] 王炳章译，采用遗传算法作基于模型的AVO反演。石油物探译丛，1995年12月．
[131] 傅文敏译，利用AVO确定储层流体和弹性模量。石油物探译丛，1997年12月．
[132] 杨振武译，3D断AVO处理和应用。石油物探译丛，1998年10月．
[133] Jamesl Simon等，AVO反演和直接油气检测，美国勘探地球物理学家学会，第65届年会论文集．1996．
[134] AgurG．J SeVink等．3D非线性渐近反演：在实际和合成数据上的应用研究[M]，SEG第65届年会论文集，北京：石油工业出版社，1996．
[135] Aritd Butand等，通过AVO反演进行岩性识别[M]，SEG，第65届年会论文集，北京：石油工业出版社，1996．
[136] Ganguan Xia等，两步法速度估计与τ-p域AVO反演[M]，SEG，第65届年会论文集，北京：石油工业出版社，1996．
[137] Rick Wattance等，叠前反演：AVO在岩性和烃类流体定量评价中的扩展应用[M]，SEG，第67届年会论文集，北京：石油工业出版社，1999．
[138] 郭全仕．日趋成熟的AVO技术[M]，SEG，第67届年会论文集，北京：石油工业出版社，1999．
[139] 郑晓东．Zoeppritz方程的近似及其应用[J]，石油地球物理勘探，1991，26(2)：129-144．
[140] 郑晓东．AVO理论和方法的一些新进展[J]，石油地球物理勘探，1992，27(3)：305-317
[141] Aki和Richards PG著．李钦祖等译．定量地震学[M]．地震出版社，1986．
[142] 唐建明，AVO纵横波反演，物探化探计算技术，2002，24(1)，27-30．
[143] 朱培民，王家映，於文辉等．用纵波AVO数据反演储层裂缝密度参数．石油物探，2001，40(2)：1-12．
[144] Tsvankin I. Reflection moveout and parameter estimation for horizontal transverse isotropy. Geophysics, 1997,62 (2):614-629.
[145] Ruger A. Variation of P-wave reflectivity with offset and azimuth in anisotropic media.Geophysics, 1998,63 (3):935-947.
[146] 熊金良，张保庆，李国发．三维纵波方位AVO反演及抗噪能力分析[M]，CPS／sEG2004国际地球物理会议论文集．2004．
[147] Minsley B J, Willis M E, Krasovec M et al. Investigation of a fractured reservoir using P-wave AVOA analysis: a case study of the Emilio Field with support from synthetic examples. Expanded Abstracts of 74th Annual International SEG Meeting, 2004, 10 248-251.
[148] Biot M A. Theory of Propagation of Elastic Waves in a Fluid-saturated Porous Solid[J], Journal of the Acoustical Society of America, 1956, 28:168-178.
[149] Biot M A. Theory of Propagation of elastic waves in a fluid-saturated porous solid, part Ⅱ:Higher-frequency range[J]. Journal of the Acoustical Society of America, 1956, 28(2):179-191.
[150] Dvorkin J Nur A. Dynamic poroelasticity: A unified model with the squirt and the Blot mechanisms[j], Geophysics, 1993, 58(4):524-533.
[151] Mamadou Sanou. Acoustic Wave Propagation in Saturated Porous Media:Reformulation of the Blot/Squirt Flow Theory[j], Journal of Applied Geophysics, 2000, 44: 313-325.
[152] 苗鸿伟，邢伟国，松辽盆地南部深层油气富集规律及成藏模式剖析[J]，中国石油勘探，2002，7(4)：41-45．
[153] 松辽盆地北就丰乐地区三维地震资料解释成果报告(内部)，大庆油田有限责任公司勘探公司，2004．12
[154] 松辽盆地北部杏山——杏山南地区三维地震连片处理释成果报告(内部)，大庆油田有限责任公司勘探分公司，2006．1
[155] 李明，吴海波等，松辽盆地北部深层火山岩气藏识别与预测技术[J]，石油地质物理勘探，2002，37(5)：477-484．
[156] 蔡先华，谭胜章等．松辽盆地南部长岭断陷火成岩分布及成藏规律[J]．石油物探，2002，41(3)：363-366．
[157] 李勇，李正文．高分辨率非线性反演方法及应用研究[J]，天然气工业，2004，24(3)：58-60．
[158] 李勇，邵泽辉，李琼．地震优化非线性反演方法及应用研究[J]，矿物岩石，2004，24(1)：101-104．
[159] 李勇，王续本，徐炳高等．基于混合模糊神经网络储层地震反演研究[J]，矿物岩石，2006，26(1)：116-119．
[160] 李勇，李琼，李正文等．基于GA-ANFIS的油气储层地震预测方法及应用[J]，天然气工业，2006，26(5)：40-42．
[161] 李勇，李正文．塔里木复杂油气储层地球物理方法技术系列探讨[J]，中南大学学报(自然科学版)，2006，37(S1)：181-183．
[2] 马在田．走向21世纪的实用地震学[J]，地球物理学报，1995，38(4)：539-547．
[3] 李庆忠．走向精确勘探的道路[M]，北京：石油工业出版社，1993．
[4] 黄绪德．油气预测与油气藏描述—地震勘探直接找油气．南京：江苏科学技术出版社，2003．
[5] 李正文．沉积盆地有效储集层综合识别技术[M]，成都：四川科学技术出版社，2002．
[6] 何国金，李克鲁等．多用卫星遥感数据的信息融合：理论，方法和实践[J]，中国图像图形学报，1999，4(9)：744-750．
[7] Taxt T, Solberg A H S. Information Fusion in Remote Sensing[J].Vistas in Astronomy, 1997,41(3):337-342.
[8] Simone G, Farina A, Morabito F C, Serpico, at ai. Image Fusion Techniques for Remote Sensing Applications[J].Information Fusion, 2002, (3):3-15.
[9] Daily M.I., Farr T. and Elachi C. Geologic, Interpretation from Composited Radar and Landsat Imagery[J], Photogrammetric Engineering and Remote Sensing, 1979, 45(8):1109-1116.
[10] Laner D.T., and Todd W.J., Land Cover Mapping with Merged Landsat RBV and MSS Stereoscopic Images[J], Proc. of ASP Fall technical Conference, San Franciso, 1981, 680-689.
[11] 陆宏波，施惠昌．基于小波变换的图像融合方法[J]，电子工程师，2001，27(5)：54-57
[12] 王蓉，谢元旦．基于小波的图像融合算法的实现[J]，鞍山科技大学学报，2003，26(5)：337-340．
[13] 王国峰，张科，李言峻．基于小波多分辨分析的图像融合方法[J]，红外与激光工程，2003，32(5)：513-515．
[14] (法)Stephane mallat编著，杨力华，戴道清，黄文良，湛秋辉等译．信号处理的小波引导[M]，机械工业出版社，2003．
[15] 陈武凡．小波分析及其在图像处理中的应用[M]，科学出版社，2002．
[16] 李晓春，陈京．基于小波变换的图像融合算法研究[J]，遥感技术与应用，2003，18(1)：27-30．
[17] 郭德成，阎岩，张建．基于小波变换的医学图像融合技术[J]，中国医学影像技术，2003，19(3)：370-372．
[18] 王亚杰，王晓岩，刘学平．基于小波变换的多聚焦图像融合评述[J]，沈阳航空工业学院学报，2005，22(4)：65-67．
[19] 刘斌，彭家雄．基于区域的小波多尺度多聚焦图像融合方法[J]，量子电子学报，2005，22(2)：159-164．
[20] 楚恒，李杰，朱维乐．一种基于小波变换的多聚焦图像融合方法[j]，光电工程，2005，32(8)：59-63．
[21] Lih, Manjunath B S, Mitra S K. Multifocus image fusion using the wavelet transform[J],Graphical Models and Image Processing, 1995.3.
[22] Mallat S G, Zhong S. Characterization of signal form multiscale edges. IEEE Transaction son Pattern Analysis and Machine Intelligence, 1992,14(7):710-732.
[23] Li S T, Kwok J T, Wang Y N. Using the Discrete Wavelet Frame Transform to Merge Landsat TM and SPOT Panchromatic Image[J]. Information Fusion, 2001, (3):17-23.
[24] 戴勇，李正文等．油气储层图像(形)融合方法及应用研究[J]，天然气工业，2005，25(3)：61-62．
[25] Maiter H, Bloch. Image Fusion[J].Vistas in Astronomy, 1997,41(3):329-335.
[26] (美)冈萨雷斯(Gonzalez.R.C.)等著，阮秋琦等译．数字图像处理(第二版)[M]，北京：电子工业出版社，2003．
[27] (美)冈萨雷斯(Gonzalez.R.C.)等著，阮秋琦等译．数字图像处理(MATLAB版)[M]，北京：电子工业出版社，2005．
[28] 贾永红等著．数字图像处理[M]，武汉：武汉大学出版社，2003．
[29] 何东健等著．数字图像处理[M]，西安：西安电子科技大学出版社，2003．
[30] (法)Jain,A.K.著，韩博，徐枫译．数字图像处理基础[M]，北京：清华大学出版社，2006．
[31] 刘同明．数据融合技术及其应用[M]，国防工业出版社，1998．
[32] 康耀红．数据融合理论与应用[M]，西安电子科技大学出版社，1997．
[33] 覃征．数字图像合[M]，西安交通大学出版社，2004．
[34] 余成波．数字图像处理及MATLAB实现[M]，重庆大学出版社，2003．
[35] (美)John H.mathews,Karis D.Fink著．陈渝，周潞，钱方等译．数值算法(MATLAB版)[M]，电子工业出版社，2003．
[36] 孙兆林．MATLAB 6.X图像处理[M]，清华大学出版社，2002．
[37] 李弼成，彭天强，彭波等．智能图像处理技术[M]，电子工业出版社，2004．
[38] 杨淑莹，VC++图像处理程序设计[M]，北京交通大学出版社，2005．
[39] 求是科技编著．Visual C++数字图像处理典型算法及实现[M]．北京：人民邮电出版社，2006．
[40] 张加友，王江安．红外图像融合[J]，光电子与激光，2000，11(5)：537-539．
[41] Lawrence A.Klein著，戴亚平，刘征，郁光辉译．多传感器数据融合理论及应用[M]，北京理工大学出版社，2004．
[42] Achalakul T, Lee J, and Taylor S. Resilient Image Fusion. In:Proceedings of the International Conference on Parallel Processing Workshops[M], Toronto, Canada, August 2000,291-296
[43] Zhang Z, Blum R S.A Hybird Image Registration Technique for A Digital Camera Image Fusion Application[J],Information Fusion, 2001, (2):135-149.
[44] Kcbota T. Adaptive Pixel-Based Data Fusion for Boundary Detection. In:Proceedings of the Second International Workshop on Energy Minimization Methods in Computer Vision and Pattern Recognition[M].July 1999,173-188.
[45] Ferretti A, Prati C, Rocca F. Multibaseline In:SAR DEM Reconstruction:The Wavelet Approach. IEEE Trans on Geoscience and Remote Sensing[J], 1999, 37(2):705-715.
[46] Fusion Based on Mutual Information. In: Proceedings of the 1996 IEEE International Conference on Image Processing(ICIP' 96)[M],September 16-19,1996, Ⅰ:265-268.
[47] Huber R. Scene Classification of SiR Image Acquired from intiparallel Tracks Using Evidential and Rule-based Fusion[J].Image and Vision Computing, 2001, (19):1001-1010.
[48] 杨文采地球物理反演和层析成象[M]，地质出版社，1989．
[49] 朱光明等译地球物理数据分析—离散反演理论，地质出版社，1988．
[50] 王小平，曹立明．遗传算法-理论、应用与软件实现[M]，西安：西安交通大学出版社，2002．
[51] 刘勇，康立山．非数值并行计算(2册)-遗传算法[M]，北京：科学出版社，1995．
[52] 杨文采．神经网络在算法在地球物理反演中的应用[J]，石油物探，1995，34(1)：116-120．
[53] 李敏强等．遗传算法的基本理论与应用[M]，北京：科学出版社，2002．
[54] 陈章良．遗传算法及其应用[M]，北京：人民邮电出版社，2004．
[55] 孔瑞祥，屈梁生．遗传算法优化效率的定量评价，自动化学报，2000，26(4)：552-556．
[56] Schmitt L M. Theory of genetic algorithms [J]. Theoretical Computer Science, 2001, 259(1-2): 1-61.
[57] Schmitt L M. Theory of genetic algorithmsⅡ[J]. Theoretical Computer Science, 2004, 310(1-2): 181-231.
[58] Bhau B, Lee S Ming J. Self-Optimizing Image Segment System Using a Genetic Algorithm. In:proceedings of the Fourth International Conference on Genetic Algorithms, Morgan Kaufmann Publishers [M],1991,362-464.
[59] D.E. Goldberg. Genetic Algorithms in Search, Optimization, and Machime Learning [M], Addison-Wesley, Reading, MA, 1989.
[60] L.J. Fogel, A.J. Owens, and M.J. Walsh. Artificial Intelligenc Through simulated Evolution[M], John Wiley &sons, New York, NY, 1966.
[61] D. Whitley, T. Starkweather, and C. Bogart. Genetic algorithms and neural networks: optimizing connections and connectivity[M],Paraallel Computin, 14:347-361,1990.
[62] X. Yao simulated annealing with extended neighbourhood. [M], Int. J. of Computer Math., 1991,40:169-189.
[63] H. Kitano. Designing neural networks using genetic algorithms with graph generation system[M], Complex Systems, 4:461-476,1990.
[64] D.B. Fogel. An information criterion for optimal neural network selection[J], IEEE Trans. On Neural Networks, 1991, 2:490-497.
[65] S. Nolfi, J.L. Elman, and d. Parisi. Learning and evolution in neural networks. Technical Report CRT-9019, Center for Research in Language [M], University of California, San Diego, La Jolla, CA 92093-0126, U.S.A.,July 1990.
[66] X. Yao. The evolution of connectionist networks. In T. Dartnall, editor, Artificial Intelligence and Creativity [M], pages 233-243. Kluwer Academic Publishers, Dordrecht, 1994.
[67] X. Yao and Y. Liu, Evolving artificial neural networks through volutionary programming, in Evolutionary Programming V, Proc. of the Fifth Annual Conference on Evolutionary Programming[M], MIT Press, 1996.
[68] X. Yao, Y. Liu, and G. Lin, Evolutionary programming made faster [J], IEEE Transactions on Evolutionary Computation, p. Submitted, 1996.
[69] X. Yao, A new simulated annealing algorithm[J], Int. J. of computer Math.,vol. 56, pp. 161-168,1995.
[70] X. Yao, An empirical study of genetic operators in genetic algorithms[J], MicroProcessing and Microprogramming, vol. 38, pp. 707-714,1993.
[71] G. Syswerda, Uniform crossover in genetic algorithms, in Proc. Of the Third Iht'1 conf. On Genetic Algorithms and Their Applications[M], (J.D. schaffer, ed.),pp.1-9, Morgan Kaufmann, San Mateo, CA, 1989.
[72] Schaffer J D, Caruana R A, Eshelman L J. A study of control parameters affecting online performance of genetic algorithms for function optimization[M], In: Proc. 3rd Int. Conf. Genetic Algorithms. 1989,122-136.
[73] Zhang J, Morris A M. A sequential learning approach for single hidden layer neural networks[J], Neural networks, 1998,11(1):65-80.
[74] Shahab Mohaghegh, Reza Arefi, Sam Ameri, Khashayar Aminiand, Roy Nutter. Petroleum reservoir characterization with the aid of artificial neural networks[J], Journal of Petroleum Science and Engineering, 1996,16:263-274.
[75] Karlene A. Hoo, Eric D. Sinzinger, Michael J. Piovoso[J], Journal of Process Control, 2002,12:193-202.
[76] 焦李成．神经网络的应用和实现[M]，西安：西安电子科技大学出版社，1993．
[77] 黄德双．神经网络模式识别系统理论[M]，北京：电子工业出版社，1996．
[78] Abhijit S．Pandys．Robert B．Macy著，徐勇译．神经网络模式识别及其实现[M]，北京：电子工业出版社，1999．
[79] 陈守煜．工程模糊集理论与应用[M]，北京：国防工业出版社，1998．
[80] 朱玉仙等．模糊数学方法[M]，长春：吉林大学出版社，1994．
[81] 周继成等．人工神经网络——第六代计算机的实现[M]，北京：科普出版社，1993．
[82] 阎平凡，张长水．人工神经网络与模拟进化计算[M]，清华大学出版社，2000．
[83] 杨建刚．人工神经网络实用教程[M]，浙江大学出版社，2001．
[84] 阎小平，张长水．人工神经网络与模拟进化计算[M]，北京：清华大学出版社，2000．11
[85] 戴葵．等译．神经网络设计[M]，北京：机构工业出版，2002．
[86] Sieisma J and dow R J F. Neural net pruning. Why and how. [J],Proceedings of IEEE International Conference on Neural Networks, 1998,1, 325-333.
[87] Brian Hrussel. Introduction to seismic inversion methods[M], U.S.A, SEG. 1992
[88] Jang J.S.R. ANFIS:Adaptive-Network-Based Fuzzy Inference System, IEEE Transaction on System, Man and Cybernetics, 1993, 23(3):665-685.
[89] 张颖，张艳秋．软件计算方法[M]，北京：科学出版社，2002．
[90] 王凌．智能优化算法及其应用[M]，北京：清华大学出版社，2001．
[91] 潘正君，康立山，陈毓屏．演化计算[M]．北京：清华大学出版社，1998．
[92] 张德林．油气藏地震信息研究[M]，石油工业出版社，2001．
[93] 邹恩，李祥飞，陈建国．混沌控制及其优化应用[M]，国防科技大学出版社，2002．
[94] 李昊，胡云昌，曹宏铎．加速混沌优化方法及其应用，系统工程学报，2002，17(1)：41-44．
[95] 张彤，王宏伟，王子才．变尺度混沌优化方法及其应用[J]，控制与决策，1999，14(3)：613-615．
[96] 雷德明．利用混沌搜索全局最优解的一种混合遗传算法[[J]，系统工程与电子技术，1999，21(12)：81-84．
[97] 郭惠昕．混沌遗传优化算法及其程序研制，常德师范学院学报(自然科学版)，2002，14(4)：40-42．
[98] 巩敦卫，朱美强等．一种新的基于混沌变异解决早熟收敛的遗传算法[J]，控制与决策，2003，18(6)：686-689．
[99] 姚俊峰，梅炽，彭小奇．混沌遗传算法(CGA)的应用研究及其优化效率评价[J]，自动化学报，2002，28(6)：935-942．
[100] 郝柏林．分岔、混沌、奇怪吸引子、湍流及其它—关于确定论系统中的内在随机性[J]，物理学进展，1983，3(3)．
[101] 刘式达等．非线性动力学和复杂现象[M]，北京气象出版社，1990．
[102] 杨文采．地震道的非线性混沌反演—Ⅰ．理论与数值试验[J]．地球物理学报，1993，36(2)：222-232．
[103] 杨文采．非线性地震道的反演-Ⅱ．关于Lyapunov指数和吸引子[J]．地球物理学报，1993，36(3)：376-386．
[104] 姚俊峰等．混沌遗传算法及其应用[J]．系统工程，2001，19(1)：70-74．
[105] 李兵，蒋慰孙．混沌优化方法及其应用[J]．控制理论与应用，1997，14(4)：613-615．
[106] 李家俊，田凯等．地震波阻抗参数混沌控制反演[J]．控制理论与应用，2002，19(5)：746-749．
[107] 李洪奇，刘洪，李幼铭．混沌控制反演系统构造及算法逻辑设计[J]．地球科学—中国地质大学学报，2001，26(1)：78-82．
[108] Gu Yuqiao, Huang Wuqun, Chen Tianlun. Chaotic dynamics in weight space of neural networks[J],Commum Wheor Phys, 1999,32:247-252.
[109] Mackey M, Glass L. Oscillation and chaos in physiological control systems[J], Science, 1977,197:287-289.
[110] Jatinder N.D. Gupta, Randall S. Sexton. Comparing backpropagation with a genetic algorithm for neural network training[J], Omega, 1999,27:679-684.
[111] Shi Yu, Yu Sheng lin. Optimization based on improved real-coded genetic algorithm[J], Transaction of Nanjing University of Aeronautics & Astronau-tics, 2002,19(1):53-58.
[112] Ning Wang, Liming Liu, Lingling Liu. Genetic algorithm in chaos[J], Or Transactions, 2001,5(3):1-10,
[113] Wang Lin, Wei Chengjian, Sheng Shaohan. Genetic algorithm combined with a chaotic sequence[J], Systems Engineering-Theory & Practics, 1999,19(11):1-7.
[114] Rudolph G. Convergence properties of control parameters for genetic algorithms[J], IEEE Trans on Neutral Networks, 1994,5(1):65-67.
[115] Yuan X H, Yuan Y B, Zhang Y C. A hybrid chaotic genetic algorithm for short-term hydro system scheduling[J],Mathematics and Computers in Simulation, 2002, 59(4): 319-327.
[116] 恽为民，席裕庚．遗传算法的运行机理分析[J]，控制理论与应用，1996，13(3)：297-303．
[117] 恽为民，席裕庚．遗传算法的全局收敛性和计算效率分析[J]，控制理论与应用，1996，13(4)：455-460．
[118] 孔瑞祥，屈梁生．遗传算法优化效率的定量评价，自动化学报，2000，26(4)：552-556．
[119] 景广军，梁学梅，范训礼．遗传神经网络预测模型的设计与应用，计算机工程与应用 [J]，2001．9：1-3．
[120] 牟永光．储层地球物理学[M]，北京：石油工业出版社，1996
[121] 殷八斤等AVO技术的理论与实践[M]，石油工业出版社，1995．
[122] AVO inversion of a Gulf of Mexico bright spot—a case study[J], Geophysics, vol. 64, No. 5; p (1480-491).
[123] Fatti, J. L., Smith, G.C. , Vail, P.J., Strauss, P.J. and Levitt, P.R. , 1994, Detection of gas in sandstone reservoirs using AVO analysis: A 3-D seismic case history using the Geostack tech- nique[J], Geophysics, 59, 1362—1376.
[124] Shuey, R.T., 1985, A simplification of the Zoeppritz equations [J] Geophysics, Vol. 50, pp. 609-614.
[125] Wojciech Debski and Albert Tarantola, 1995, Information on elastic parameters obtained from the amplitudes of reflected waves[J], Geophysics, 60, no. 5, P. 1426-1436.
[126] Patrice Nsoga Mahob etc., 1999, Case History AVO inversion of a Gulf of Mexico bright spot—A casestudy [J], Geophysics, Vol. 64, P. 1480—1491.
[127] Yanghua Wang, 1999, Approximation to Zoeppritz equations and their use in AVO analysis[J], Geophysics, Vol. 64. No. 6, P. 1920—1927.
[128] Smith, G.C. and Gidlow, P. M., 1987, Weighted stacking for rock property estimation and detec tion of gas[J], Geophysical Prospecting, Vol. 35, pp. 993-1014.
[129] Verrn, R.W. and Hilterman, F.J., 1995, I..ithology color—coded seismic sections: The calibration of AVO crosssplotting to reck properties[J], The Leading Edge, Vol. 14, No. 8, pp. 847-853.
[130] 王炳章译，采用遗传算法作基于模型的AVO反演。石油物探译丛，1995年12月．
[131] 傅文敏译，利用AVO确定储层流体和弹性模量。石油物探译丛，1997年12月．
[132] 杨振武译，3D断AVO处理和应用。石油物探译丛，1998年10月．
[133] Jamesl Simon等，AVO反演和直接油气检测，美国勘探地球物理学家学会，第65届年会论文集．1996．
[134] AgurG．J SeVink等．3D非线性渐近反演：在实际和合成数据上的应用研究[M]，SEG第65届年会论文集，北京：石油工业出版社，1996．
[135] Aritd Butand等，通过AVO反演进行岩性识别[M]，SEG，第65届年会论文集，北京：石油工业出版社，1996．
[136] Ganguan Xia等，两步法速度估计与τ-p域AVO反演[M]，SEG，第65届年会论文集，北京：石油工业出版社，1996．
[137] Rick Wattance等，叠前反演：AVO在岩性和烃类流体定量评价中的扩展应用[M]，SEG，第67届年会论文集，北京：石油工业出版社，1999．
[138] 郭全仕．日趋成熟的AVO技术[M]，SEG，第67届年会论文集，北京：石油工业出版社，1999．
[139] 郑晓东．Zoeppritz方程的近似及其应用[J]，石油地球物理勘探，1991，26(2)：129-144．
[140] 郑晓东．AVO理论和方法的一些新进展[J]，石油地球物理勘探，1992，27(3)：305-317
[141] Aki和Richards PG著．李钦祖等译．定量地震学[M]．地震出版社，1986．
[142] 唐建明，AVO纵横波反演，物探化探计算技术，2002，24(1)，27-30．
[143] 朱培民，王家映，於文辉等．用纵波AVO数据反演储层裂缝密度参数．石油物探，2001，40(2)：1-12．
[144] Tsvankin I. Reflection moveout and parameter estimation for horizontal transverse isotropy. Geophysics, 1997,62 (2):614-629.
[145] Ruger A. Variation of P-wave reflectivity with offset and azimuth in anisotropic media.Geophysics, 1998,63 (3):935-947.
[146] 熊金良，张保庆，李国发．三维纵波方位AVO反演及抗噪能力分析[M]，CPS／sEG2004国际地球物理会议论文集．2004．
[147] Minsley B J, Willis M E, Krasovec M et al. Investigation of a fractured reservoir using P-wave AVOA analysis: a case study of the Emilio Field with support from synthetic examples. Expanded Abstracts of 74th Annual International SEG Meeting, 2004, 10 248-251.
[148] Biot M A. Theory of Propagation of Elastic Waves in a Fluid-saturated Porous Solid[J], Journal of the Acoustical Society of America, 1956, 28:168-178.
[149] Biot M A. Theory of Propagation of elastic waves in a fluid-saturated porous solid, part Ⅱ:Higher-frequency range[J]. Journal of the Acoustical Society of America, 1956, 28(2):179-191.
[150] Dvorkin J Nur A. Dynamic poroelasticity: A unified model with the squirt and the Blot mechanisms[j], Geophysics, 1993, 58(4):524-533.
[151] Mamadou Sanou. Acoustic Wave Propagation in Saturated Porous Media:Reformulation of the Blot/Squirt Flow Theory[j], Journal of Applied Geophysics, 2000, 44: 313-325.
[152] 苗鸿伟，邢伟国，松辽盆地南部深层油气富集规律及成藏模式剖析[J]，中国石油勘探，2002，7(4)：41-45．
[153] 松辽盆地北就丰乐地区三维地震资料解释成果报告(内部)，大庆油田有限责任公司勘探公司，2004．12
[154] 松辽盆地北部杏山——杏山南地区三维地震连片处理释成果报告(内部)，大庆油田有限责任公司勘探分公司，2006．1
[155] 李明，吴海波等，松辽盆地北部深层火山岩气藏识别与预测技术[J]，石油地质物理勘探，2002，37(5)：477-484．
[156] 蔡先华，谭胜章等．松辽盆地南部长岭断陷火成岩分布及成藏规律[J]．石油物探，2002，41(3)：363-366．
[157] 李勇，李正文．高分辨率非线性反演方法及应用研究[J]，天然气工业，2004，24(3)：58-60．
[158] 李勇，邵泽辉，李琼．地震优化非线性反演方法及应用研究[J]，矿物岩石，2004，24(1)：101-104．
[159] 李勇，王续本，徐炳高等．基于混合模糊神经网络储层地震反演研究[J]，矿物岩石，2006，26(1)：116-119．
[160] 李勇，李琼，李正文等．基于GA-ANFIS的油气储层地震预测方法及应用[J]，天然气工业，2006，26(5)：40-42．
[161] 李勇，李正文．塔里木复杂油气储层地球物理方法技术系列探讨[J]，中南大学学报(自然科学版)，2006，37(S1)：181-183．