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已经基本枯竭。地震勘探日益成为发掘和识别岩性油气藏的重要途径,地震波阻抗反演不仅能很好的提高地震资料的后期解释,更能有效描述油藏信息。这种信息处理方式比较真实、全面地反映了岩层和地质结构,是钻井可靠性和安全性的重要依据。目前传统的线性反演方法已经满足不了实际的反演需求,不能取得好的反演结果。因此,本文采用非线性反演算法,基于粒子群优化算法进行改进融合,将其应用到波阻抗反演中,采用理论模型验证其可行性与可靠性,以便后期应用到实际地震资料反演中进行储层预测。文中首先简要介绍了地震反演的相关理论,波阻抗反演的基本原理及地震子波提取的方法,建立了反演的目标函数;详细的介绍了粒子群算法的原理、基本流程,重点对粒子群算法的学习因子、最大速度、惯性权重调整的一些策略进行研究,分析了算法的优缺点。为了弥补算法的缺陷,引入了混沌算法并融合遗传算法,提出了一种基于线性递减惯性权重的混沌粒子群遗传混合优化算法。在对算法理论研究的基础上,本文对其进行了仿真分析。惯性权重的选取在粒子群算法中非常重要,本文对不同惯性权重的选取策略进行了分析、仿真,结果表明线性惯性权重优于其它几种策略,可在一定程度上可以改进提高算法的收敛性和准确性;改进算法的多种测试函数仿真结果表明:改进的粒子群算法性能优于传统粒子群算法,因为采用了混沌搜索,借鉴了其伪随机性和遍历性,使算法具有更好的搜索能力和求解效率,避免了传统粒子群算法的盲目性,具有更精细的持续的局部搜索能力;改进后的算法也利用了遗传算法保持种群的多样性的优势,使其具有不易陷入局部最优的能力,表现出了很好的全局搜索能力,同时使无效迭代次数大幅度减小,提高了收敛速度。最后将本文提出的混合粒子群优化算法应用到波阻抗反演中,通过对简单和复杂的地震模型进行模拟试算,验证了改进后的算法进行波阻抗反演的可行性与精确性;将该算法应用于实际的地震数据处理中,实现波阻抗反演。