来源：期刊VIP网 时间：
作者：胥可;钱坤;于洪;闵帆;
单位：西南石油大学计算机与软件学院;重庆邮电大学计算智能重庆市重点实验室;西南石油大学人工智能研究院;
摘要：在地震勘探剩余静校正阶段，遗传算法处理低信噪比数据时容易受到噪声干扰，迅速陷入局部最优。本文提出一种基于概率统计的慢速扩展遗传算法（Slow Expansion Genetic Algorithm for Residual Static Correction,SEGA）。以动校正后的共中心点道集数据作为输入，通过地震道与混波模型道互相关，分别获取炮点与检波点的互相关矩阵，并利用所提出的转换函数获得静校正量概率矩阵；根据该概率矩阵的值，进行种群的初始化、交叉、变异；通过选择最优染色体更新叠加剖面，并利用慢速扩展相空间来重新确定校正量的上下界；重复如上步骤直至收敛。实验结果表明，SEGA在某山区收集的地震数据上能显著提高叠加剖面的成像质量，与最大叠加能量法和基准遗传算法相比，叠加能量分别提升了6.61%、5.55%。
关键词：互相关;;最大能量法;;模型道;;相空间
基金资助：国家自然科学基金(62136002;61876027);; 南充市科技局项目(23XNSYSX0062;23XNSYSX0013)
