油气资源仍然是目前以及今后几十年难以替代的能源之一,随着油气勘探技术的不断发展,类型相对简单的构造型油气藏的开发已几近殆尽,如何寻找岩性油气藏将成为主要研究方向。地震勘探是寻找和判别岩性油气藏的重要手段,而地震波阻抗反演有助于油藏描述及后期的地震资料解释,它能够比较真实地反映地下的岩层和地质结构,为钻井提供可靠的依据。在实际工程中的很多问题,其本质都可转化为最优化问题,地震波阻抗反演便属于多参数的非线性优化问题,其主要目的是获得地下介质的反射系数,进而得到密度、速度等相关参数。近年来各种非线性方法发展迅速、日新月异,从早期提出的牛顿法、梯度法和蒙特卡洛法等传统的非线性反演方法,到后来出现的遗传算法、模拟退火法、蚁群算法和人工神经网络法等启发式反演方法,正是这些新方法的不断涌现为地震反演带来了希望和曙光。粒子群优化算法作为一种新兴的高效算法,引起了国内外学者的广泛关注。该算法源于对鸟群运动行为的研究,是由美国电气工程师Eberhart和社会心理学家Kennedy提出的一种基于群体智能的演化计算技术,粒子群优化算法凭借原理简单易于实现的优势,已逐渐成为一个研究热点。目前,粒子群优化算法已应用于神经网络训练、函数优化、模糊系统控制等诸多领域并取得了较好的效果。本文首先介绍了选题依据及地震反演和波阻抗反演在国内外的发展概况,对粒子群优化算法的理论基础和研究现状作了简要的阐述,分析了粒子群优化算法的原理及实现流程。在粒子群优化算法中,参数的设置会影响算法优化的结果,因此,如何选择合适的参数以获得令人满意的解是算法需要攻克的难题之一。本文结合不同维数的函数试算对粒子群优化算法的参数选取进行了详细研究,分别讨论了各个参数对算法的影响以及选取的经验准则,为粒子群优化算法的参数选取提供理论上的指导和参考。本文在大量阅读并充分理解粒子群优化算法理论的基础上,将粒子群优化算法应用于地震波阻抗反演中,并针对常规粒子群优化算法出现的后期收敛速度慢、反演精度不高等缺点,提出了一种层状模型约束下的粒子群优化算法。该方法的基本思想是将地震记录中每一道所对应的地下结构视为层状波阻抗模型,通过调整模型的层数和每层的样点数来实现层状约束。试算结果表明,层状模型约束下的粒子群优化算法能有效克服常规粒子群优化算法反演结果出现的随机波动,加快算法的收敛速度,提高反演效率。利用层状模型约束下的粒子群优化算法分别对二维理论模型和实际地震资料进行速度反演和波阻抗反演,证明了该算法的实用性和有效性。