随着油气勘探技术的发展及复杂油气藏勘探的需要,近年来叠前地震技术成为地震油气勘探开发研究中的研究重点。其中叠前AVO反演,由于能获得纵横波速度、密度、其他储层敏感弹性参数,及储层特征参数,使得地震反演解释从定性解释发展到定量解释,叠前AVO反演因此而成为地震反演中的新生力量。由于叠前AVO反演实质为非线性反演,所以,本文开展了具有全局寻优能力的智能优化算法在叠前AVO非线性反演中的应用研究。本文首先对地球物理反演理论、叠前AVO非线性反演理论基础及地震反演方法等进行了介绍。并开展了基于贝叶斯理论的叠前AVO反演研究,对基于不同概率密度分布函数的AVO反演目标方程进行了推导,得到不同的反演约束方程。基于该理论研究,提出一种新的反演约束方法,即将模型的先验概率分布用横向误差概率密度及纵向模型参数概率密度的乘积表示,新目标方程通过加入测井背景曲线,增加了反演的低频信息,对提高反演精度及反演结果的横向连续性具有明显效果。本文首先开展了对简单遗传算法的研究,并基于简单遗传算法进行了自适应改进。由于遗传算法存在早熟收敛及易陷入局部最优解的现象,对单一算法的改进难以有效解决这两方面的问题,因此本文将模拟退火算法、免疫算法及粒子群优化算法融入改进的自适应遗传算法中。基于嵌入式、串联式及竞争／合作三种混合策略,分别进行了免疫遗传算法、遗传模拟退火算法及遗传-粒子群协同进化算法的研究,其中免疫遗传算法及遗传-粒子群协同进化算法为研究重点。基于每种优化算法对层状均匀介质模型及由海上某段实际测井曲线建立的理论模型进行了反演试算。本文将免疫算法思想融入遗传算法中,提出了具有嵌入式混合特征的免疫遗传算法。相对于遗传算法来说,免疫遗传算法增加了疫苗提取、疫苗接种及免疫选择三个操作。基于抗体浓度调整机制,同时考虑了个体适应度和种群个体密集程度,构建出一种简单有效的免疫选择概率公式,使得算法在中后期能保持种群的多样性,有效避免了遗传算法的早熟现象并改善算法的全局寻优能力。结合叠前AVO非线性反演的具体情况,论文采用一种改进的疫苗提取方法——动态疫苗提取,将疫苗提取与构建免疫记忆库相结合,该方法能加快全局寻优速度并有效保护最优解,使得最终输出的最优解为历史最优解。基于协同进化思想,本文提出一种基于免疫思想的遗传-粒子群合作型协同进化算法。算法将种群分为两个子种群,子种群分别进行遗传进化和粒子群进化,在完成内部进化后子种群合并为新种群,并在免疫操作下得到进一步进化,新种群再重新随机分配个体进行下一轮迭代进化。该算法在协同进化框架下,综合考虑了遗传算法、粒子群算法及免疫算法的优缺点,三种算法的有机结合,实现优势互补及信息交流,增强了算法的全局寻优能力。同时,遗传-粒子群协同进化算法具有并行性,比起其他算法具有更大的发展潜力。基于简单遗传算法、改进遗传算法、遗传模拟退火算法、免疫遗传算法及遗传-粒子群协同进化算法分别进行了基于层状均匀介质模型及实际测井曲线模型的反演试算。层状均匀介质模型反演试算显示出简单遗传优化算法具有较好的纵波速度反演结果,但横波反演结果对于上下层物性差异不大才层位较难区分,改进遗传算法及其他三种混合遗传算法的三参数反演效果较简单遗传算法都要高,具有更好的抗噪性。但在反演参数较多的实际测井曲线模型中,免疫遗传算法及遗传-粒子群协同进化算法比起改进遗传算法具有更高的分辨率及抗噪性,而遗传-粒子群协同进化算法较免疫遗传算法,在密度的反演精度上有了很大的提高。基于免疫思想的免疫遗传算法和遗传-粒子群协同进化算法由于采用免疫记忆细胞,能有效保护算法的历史最优解,因此使得反演结果能很好的拟合测井曲线的变化趋势,在海上薄含油储层的预测中具有明显的优势。论文基于新疆塔里木盆地的碳酸盐岩缝洞型储层开展了基于遗传-粒子群协同进化算法的叠前AVO非线性反演研究。首先通过神经网络技术对SNl井垮塌段测井曲线进行了重构,并通过岩石物理分析确定了纵波速度及密度为工区储层敏感弹性参数。然后对实际叠前数据进行预处理,并提取了不同角度的统计子波。最后利用遗传-粒子群协同进化算法进行了叠前AVO非线性反演研究,反演结果显示出井位置的低值异常与测井解释相吻合,预测出鹰山组顶部及内幕储层较发育,并圈定出有利储层发育区域。遗传-粒子群协同进化算法在碳酸盐岩缝洞型储层的叠前AVO反演中具有一定的应用价值,但对于实际地震数据密度反演的精度及稳定性还有待进一步提高。