CN1441913A - 海洋数据收集的最佳路线 - Google Patents

Abstract

一种在震波填充爆破中用来寻找最优路线的方法，该方法运用一个神经网络来推算电缆的羽状漂动，并在单元自动机中使用多个偏移成本图和位势。该程序在每个单元格位置处确定电缆坐标，并储存一个前驱单元格的坐标，以消除多路线情况的发生。

Description

海洋数据收集的最佳路线

技术领域

本发明涉及用于海洋震波勘测法的填充勘测路线的最优化方法，所述勘测被设计来对水面下的地层进行均匀采样。

背景技术

在震波勘测中，由于电缆的羽状漂动(feathering)，许多水下地表并没有被正确地采样。因此为了对那些在第一遍扫描中被遗漏的区域进行采样，需要一艘震波勘测船额外地经过一个预期探测的区域，这严重地增加了完成一次测量的时间和相关费用。这些辅助路线被称为“填充爆破(infill shooting)”。在一次勘测的填充部分(infillportion)期间，有无数条可能的路线勘测船可以穿过。而且，在许多情况下，最优的填充路线是很难确定的。然而，如果能够确定最优填充路线，将明显地降低与地震数据收集相关的全部工作和开销。

海洋数据收集的一大部分被投入到一次勘测的填充部分中。填充工作可能需要数个星期来完成。由于一艘震波勘测船的典型营运成本超过每天$50000，所以填充数据是非常昂贵的。因此，最优填充爆破能够为勘测各个震波探测项目带来巨大的成本节约。这些巨大的成本削减能够提供一个在海洋数据收集市场上很有竞争力的优势。

现在已有许多知名的技术被运用来优化一组给定的数据。例如，遗传算法、模拟退火、单元自动机、以及基于微积分的算法，都已经被用来优化不同的物理量。许多知名的方法也已经被研究出来用于寻找两点之间的最短路线。比较有用的技术之一是由Lee提出的。Lee的算法能够找到一个包含障碍的矩形网格上两点之间的最短路线。在Lee的方案中，移动仅限于垂直和水平方向上的。参照图1，一条最短路线的路由以下面的方法逐渐形成：由一个“目标”单元格开始，如图1所示在所有相邻的空白单元格上设置一个“1”。然后，在所有与包括一个“1”值的单元格相接的单元格内设置一个“2”。这个过程持续进行直到到达了“起始”单元格为止。

从“起始”单元格100开始，并且以最低的数值移动到相邻的单元格102，以这样的方式就能确定最优路线。注意，在路线生成阶段，允许对角线移动，然而，在一些情况下它们是不被允许的。例如，一个出租车司机必须把他的车控制在铺砌的道路上，而不能走一条穿过了私人财产的对角路线。上述例子的最优路线103在图2中示出。

然而，移除一个障碍物单元格104将带来多路线解决方案105、106，如图3所示。当存在成本相等的解决方案时，该问题就被称为一个数字无差异问题。每条独立的路线都可以被作为一条最短程线。在本例中，仅存在2条等价路线。一张包括了数千个单元格的更大的地图可能产生许多等价的最短程线。乍一看，数字无差异问题看来是不成问题的，然而，在许多情况下一条路线可能比另一条更理想。例如，一条比较直的路线会比一条有数个转弯的路线更受欢迎。

此外，最短路线并不总是意味着它同样也是成本最低的路线。设想一个尝试驾车到城镇另一边机场的旅行推销员的问题。该推销员有两条路线可以选择：绕过城镇的长途高速公路或是直接穿过城市中心的短途行驶。穿过城镇的较短路线可能让推销员能够赶上一班较早的飞机，并且完成额外的销售，然而，如果城市中发生交通阻塞，受困于车流中可能使推销员错过所有的两班飞机。

在旅行推销员的例子中，成本最低的路线取决于推销员当天赶到机场所想要花费的时间。通常，确定一条最优路线取决于许多因素。不同于最短路线算法，最低成本技术需要一张初始的“成本图”。成本图是通过把一个区域的地图细分为一个单元格阵列而产生的。每个地图单元格都被指定一个成本值。成本值典型地代表了从一个地图单元格移动到另一个所带来的花费。对于二维的推销员问题而言，所述的高速公路路线将被指定一个低成本值，而城市中高交通密度的区域将被指定一个较高的成本值。障碍物——如湖泊、河流或是峡谷——将被指定非常大的成本值。通过正确处理上面产生的成本图，该推销员就能够制定一张“最优成本图”。这张图使得他能够确定去机场的最优路线。

如果一张成本表中所有的非障碍物单元格具有相等的权重，那么最后得到的最优成本图与最短路线图是等价的。例如，考虑图4中所示的最低成本图。图4所示例子中的每个条目代表了从一个单元格移动到另一个的开销。最优成本图中所有的单元格都预置了大整数。要产生一个最终的最优成本(BC)图，我们可以使用Stiles与Glickstein方法(见P.N.Stiles与I.S.Glickstein[1994]，“Highly ParallelizableRoute Planner Bases on Cellular Automata Algorithms.”(基于单元自动机算法的高度可并行化路由规划器)IBM J.RES.Develop.Vol.38No.2 March 1994，pp.167-181)。Stiles与Glickstein方法开始时把BC图中目标单元格设置为等于零，然后加上一个相邻单元格(MC_i)的图上成本。因而移动到单元格BC_j的成本就可如下计算：

cost＝BC_i+MC_j

其中

BC_i＝到当前单元格I的最优成本值

MC_j＝与当前单元格相邻的单元格的图上成本

考虑移动到另一个与当前单元格相邻的单元格所需的成本，就可计算得到BC。如果得到的成本低于BC_j，那么图上成本就被新的值替代，也就是BC_j＝cost。由于BC_j的值已经改变了，所述的单元格就被放到一个“待处理(TODO)”列表中等待进一步处理。所有的相邻单元格都遵循相同的步骤进行处理。当所有的相邻单元格都被处理后，处在TODO列表顶部的单元格就被以相似的方式处理。TODO列表上的单元格被依次处理直至TODO列表清空为止。为该过程开发的伪代码在下面的表格1中示出(见P.N.Stiles与I.S.Glickstein[1994]，167-181页)。

1.初始化

    设置所有的BC_j＝∞

    所有的邮件标志(MailFlag)MF_j

    TODO列表清空

    BC_goal＝0

2.成本最小化：循环直至TODO列表为空

    cost＝BC_i+MC_j

    如果cost＜BC_j

    BC_j＝cost

    如果MF_j＝false将j加入TODO列表，并设置MF_j＝true

3.路线生成

    第一路线单元格＝起始(start)单元格

    循环直至到达目标(goal)单元格

    检验每个最近的相邻单元格的BC值(2维情况下是8个

相邻单元格)

    选择下一个路线单元格作为具有最低BC值的单元格

注意

    BC_i是最优成本传播序列中第I个元素

    (比如BC_start＝路线起始位置处的BC值)

    MC_i是图上成本序列MC的的I个元素

    MF_i是邮件标志(mail-flag)序列MF中的第I个元素，该

    元素指示了一个单元格处在TODO列表上

    TODO列表是单元格的列表，这些单元格有更新它们的相邻单元格的潜在可能

表1-单元自动机算法的二维串行实施例(P.N.Stiles与I.S.Glickstein[1994]，p.167-181)

最终的BC图与图2中所示的图相同。现在，考虑一个如图5所示的稍有改动的BC图。如果最低成本算法应用于这张BC图，那么就产生了一条完全不同的路线107，如图6所示。现在的这条路线比最短路线算法算得的路线要长，然而，移动的成本却降低了。

在以上的例子中，每一个单元格都被指定了一个成本。这些成本可能是许多不同变量的一个函数。有可能建立一个n维的最低成本模型。例如，时间可以是另外的一个维度。至今为止在例子中考虑的单元格的数量相对都比较小。真正的地图含有数以千计的独立单元格，涉及这些真实地图的应用使得寻找一条最低成本路线成为一个相当复杂和困难的任务。因此，需要一个高效率的方法来为填充爆破一个震波勘测区域确定一条最优路线。

发明内容

本发明提供了一种使用多个偏移成本图来确定最优路线的有效方法。在本发明中，单元自动机被应用来为一个震波勘测中的填充部分确定最优路线，其中的单元值被表示成位势。“最低成本路线”的基本概念有所加强，并被应用在海洋震波作业中，以在填充爆破期间优化震波勘测船的路线。发明者对现有方法没有任何了解，现有的方法尝试使用多个成本图来为一艘震波勘测船寻找一条最优路线。

附图说明

图1示出了在一张最短路线图中对单元值的指定；

图2示出了图1所示的图的一条最优路线；

图3示出了一张最短路线图的多路线解决方案；

图4示出了一张最低成本图的等权重“图上成本”；

图5示出了一张修改过的成本图；

图6示出了一条最低成本路线；

图7示出了本发明一个优选实施例中一个填充勘测模型的截屏图；

图8示出了本发明一个优选实施例中的一条最优单程路线；

图9示出了本发明一个优选实施例中的一条最优路线，该路线要求电缆的中点从远处的单元格上方而不是牵引船上方通过；

图10示出了本发明一个优选实施例中的一个单位势，它被表示为散布在整张地图上的分布值；

图11示出了本发明一个优选实施例中用于一次空间搜索的不同开口；

图12示出了本发明一个优选实施例中一个最优CMP；以及

图13示出了本发明一个优选实施例中一次测试勘测被清空的速率。

具体实施方式

为了对本发明有一个详细的了解，应该结合附图来参考下面对优选实施例的详细描述。

海洋震波勘测在设计时假设了均匀的水下目标地层。在一个理想的世界中，一艘震波勘测船只需要沿着任何给定的爆破路线作一次单程航行，那么这次单程航行就能产生对水下地表的完整覆盖。不幸的是，这种情况很少发生。在多数情况下，目标地表层的大部分区域都未被均匀采样。覆盖面的下降通常归因于当地潜流引起的电缆羽状漂动或是延展。为了收集遗漏的数据，震波勘测船需要进行穿越勘测区的额外航行(填充爆破)。由于高昂的船只开销，希望找到一条穿过勘测区的最优填充勘测路线。

一条最优路线定义为穿过一个震波勘测区域并能获取最多数据的路线。例如，考虑图7所示的高度简化的填充图。一次单程航行被定义为一条航线，该航线从东面(右)进入勘测区并从西面(左)离开。勘测船的航线不允许从它自身回绕。图8中示出了最优路线110。

最优路线的梯阶形状是由限制移动到单元格中心所引起的。有一些知名的算法能够消除阶梯的边沿并使路线平滑。图8所示的全部19个相近的单元格中，最优路线消去了其中的13个。在这个非常简单的例子中，最优路线是很明显的。然而，对于复杂的地图而言，它们可能含有成千上万的单元格，它们的最优路线并不是显而易见的。为了使问题进一步复杂化，有许多不同的偏移范围需要考虑。注意以上的路线是仅仅计算了邻近的偏移而得到的。要计算考虑了所有偏移范围的最优路线，需要对最低成本路线算法作重大的修改。

然而，邻近路线的优化相对比较直接简明。在这种情况下，我们可以假定一个重合的爆破和接收位置。通过向邻近的单元格指定低成本值，最优路线问题被简化为找出穿过震波勘测区的最低成本路线问题。然而，同样的策略却不适用于中程或远程路线单元格的优化。如果我们尝试对远处的单元格使用近程方法，那么震波勘测船将简单地直接穿过所需要的单元格。因此，就需要爆破序列和远处的接收器之间的中点穿过数据单元格，如图9所示。

确定电缆形状是为中程或远程路线确定最优路线时的另一个要素。例如，如果震波勘测船向西北方向航行并改变方向向西，那么确定电缆形状将促进对最优路线中点坐标的计算。因此，希望得到一个函数，它能在震波牵引/源船只改变航线之前和之后确定电缆形状。基于理论上的考虑来计算电缆形状以前在计算上一直都是不可行的，因为这种计算对于船上处理能力而言具有过多的变化和未知因素。即使在非常简单稳定的状态坐标下，方程也是十分复杂的(例如，可见Krail与Brysk，Geophysics，Vol.54 No.3，March 1989，pp.302-308)。

在一个优选实施例中，在确定最优路线期间提供了一个经训练的神经网络来预测拖缆的位置。电缆函数或硬件实现的函数或神经网络可以被运用于可确定的位置。在若干个测试中，一个神经网络可以被训练来对任意一条合成电缆的行为作出令人满意的预测。通过在测试或是实际工作中数字式记录下电缆相对于船只的运动，就可以收集一个训练数据集。该训练集可被利用来训练神经网络，使它能在确定填充最优路线确定期间确定电缆位置。测试的结果非常令人振奋。某人可以选择一个模拟了电缆形状的函数。例如，在一个时间可变实施例中，通过观察一条绳索在水中拖动时的表现，推导出以下电缆函数。

令(X_n，Y_n)为拖缆移动到新的单元格位置后其前端的坐标。一条延伸到原位置(X₂，Y₂)的直线的斜率由下式给出： $\mathrm{Slope}=m=\frac{Y_n-Y_2}{X_n-X_2}---\left(1\right)$

各个接收器单元以距离d分开。沿一条直线从(X_n，Y_n)到(X₂，Y₂)的距离可以被写作： $d=\sqrt{{(x_n-x_2)}^2+{(y_n-y_2)}^2}---\left(2\right)$

把(1)式代入(2)式，并求解X₂的新坐标得到： $X_2=X_n-\frac{d}{\sqrt{1+m^2}}---\left(3\right)$

类似的，新的Y₂坐标的方程由下式给出： $y_2=y_n-\frac{\mathrm{md}}{\sqrt{1+m^2}}---\left(4\right)$

既然的坐标都已经算出，同样的步骤就被应用于新的(X₂，Y₂)和原来的(X₃，Y₃)之间，以获得新的(X₃，Y₃)坐标。因此这个步骤是循环的，因而它在计算上也是快速和高效的。

回想上面例子中的“最优成本图”是通过把当前的“最优成本单元”与处在其北边、南边、东边或西边的“成本图单元”相加而生成的。本发明的填充算法并非以此方式建立一张BC图，作为替代，本发明中新的优化策略依赖于一种前向搜索技术。在本发明的前向搜索方法中，船只的运动被限制于处在船只行进方向上的西北方、西方或西南方的单元格中。这种前向限制防止了电缆自身的回绕。这种技术的最大缺点在于震波勘测船将不能作超过45度角的转向，然而，这并不是一个严重的约束。

指定到BC图上的低成本单元格可以被视为叠加到一个恒定背景水平上的阶跃函数。在许多情况下都发现这些“一个基座上的点”函数经常会带来多条路线。这尤其符合稀疏的地图的情况。另外，结果产生的路线可能相当不规则，而需要平滑处理。本发明通过使用位势替代阶跃值解决了这些问题。从而，如图10所示，目标单元格的局部特性就按照下面的函数被分散到整张地图上： $\mathrm{cellvalue}=\frac{{-W}_i}{(1+R^n)}---\left(5\right)$

其中Wi是一个指定了近程、中程和远程单元格权重的指数。变量n是一个用户指定的整数，而R是从目标单元格到地图中任意另一个单元格的距离。注意，当n趋向无穷时，上述方程就变为一个阶跃函数。这种类型的位势能产生更为平滑的路线，并能减少多路线情况的发生。

一张典型的近程地图包括上百个甚至上千个目标单元格，每个单元格生成它自己的位势场。因此，在三维视图中观察的地图就像一条反转的山脉。优化路线就是要选择一条位势最小的路线，这就好比山脉中的一个徒步旅行者会尽可能地沿着山谷走一样。

一条海洋震波勘测船牵引了若干条拖缆，这些拖缆包含了数以百计的接收器组。理想情况下，为各个不同的接收器偏移范围都各自建立一张BC图。本发明的一个优选实施例为对应于近程、中程和远程路线的三种偏移范围各自建立了成本图。对于多个BC图，如下计算得到成本： $\mathrm{Cost}\left(j\right)=\mathrm{BC}\left(i\right)+\underset{1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{MC}}_m\left(k\right)$ 其中

         i＝船只的串行地址

         j＝目标单元格的串行地址    (6)

         k＝中点单元格串行地址

                m＝偏移范围的指数

优化船只的路线涉及许多的BC图。注意在方程6中，成本是由各个中点计算得到，而不是由船只的位置计算得到的。回到徒步旅行者的类比中来，这种技术非常类似于把一个登山队拴在一起，但每个队员又分别处在一个不同的山脊上。旅行者们不能完全自由地选择各自的路线，因为他们被绳索栓在一起。现在的任务是要找到一条翻越山脉的路线，使得每个队员的势能总和最小。

上述位势图能生成更平滑的路线并且减少数字无差异情况的发生，然而，多路线情况仍然可能发生。多张地图对于短程路线的优化来说不是一个特别烦人的问题，但是当处理多张BC图时，它们就会带来很大的困难。回想一下一条最低成本路线的选取，是从“起始单元格”开始，并以最低的开销移动到相邻的单元格。重复该过程直至达到目标单元格。如果该技术结合多张地图一同使用，那么在选定了路线之后，可能会出现一次“电缆跳动”或是肉眼可观测到的电缆移动。电缆跳动发生在多路线解决方案中选择错误路线的时候。确定最低成本路线的标准方法直到遇到路线分叉之前，都能正确工作。在分叉点上，将决定沿着哪条分支线继续前进。选择一个并非引起当前单元格电缆坐标更新的单元格将导致电缆连续性的中断。

在本发明中，当一个最优成本单元格被更新，电缆坐标就被存入一个序列中，该序列由被更新单元格的串行地址进行索引。在这种方式下，最终的BC图中每一个单元格都具有一系列相关联的电缆坐标。

为了避免电缆运动连续性的中断，在本发明的方法中采用一种新的策略，用以选择最低成本路线。当计算得到移动到一个相邻单元格的开销比那个单元格所存储的“最优成本”要低的时候，较高的成本将被较低的成本替代。一组新的电缆坐标就被指定给所述的单元格。所述的优选实施例还存储了另一条信息，就是前驱单元格(predecessorcell)的串行地址。换句话说，当一个单元格被更新时，引入更低“最优成本”值的相邻单元格就是前驱单元格。因此，与各个单元格相关联的是前驱单元格的地址。有了这个附加数据，找出一条最低成本路线就成了一个明确的过程。

路线的确定从“起始单元格”开始，获取前驱单元格的地址，并移动到那个新单元格的位置上。从这个新单元格的位置上(前驱单元格)，该优选实施例获取一个新的前驱单元格地址，并移动到那个新单元格的位置上。这个过程被重复直至到达目标单元格为止。这个优选方法能生成一条最低成本路线，该路线没有模糊不确定的或是分叉的路线。注意，尽管仍有可能存在成本相等的路线，但该优选方法能以明确的方式选择其中的一条。表2中列出了该优选填充算法伪代码的例子。

1.初始化

    设置所有的BC_i＝∞

    所有的邮件标志(Mail Flag)MF_i＝false

    TODO列表清空

    BC_goal＝-100

2.成本最小化：循环直至TODO列表为空

  从TODO列表中删除顶端的单元格I，并置MF_i＝false

  移动船只到一个相邻的单元格j，并计算电缆坐标

  对于单元格I的3个相邻单元格j(填充算法的3个相邻单元格) $\cos t\left(j\right)={\mathrm{BC}}_i+\mathrm{\Σ}{\mathrm{MC}}_m\left(k\right)$

  如果cost(j)＜BC_j  那么BC_j＝cost

  存储电缆坐标以及到单元格BC_j的索引

  前驱单元格I是序列j的值(UpDateFrom(j)＝I)

  如果MF_j＝false将j加入TODO列表，并设置MF_j＝true

3.路线生成

  第一路线单元格＝UpDateFrom(start cell)

  移动到单元格中，并获取一个新的UpDateFrom地址

  循环直至到达目标(goal)单元格

注意

  BC_i是最优成本传播序列中第I个元素

  (比如BC_start＝路线起始位置处的BC值)

  MC_i是图上成本序列MC的tx I个元素

  MF_i是图标志(map-flag)序列MF中的第I个元素，该元素

  指示了一个单元格处在TODO列表上

  TODO列表是单元格的列表，这些单元格有更新它们的相邻单元格的潜在可能

表2-填充算法的伪代码

使用位势提供了另一个好处，就是允许有多种搜索空间。本发明搜索了位于西北、西和西南方向的相邻单元格。这就形成了如图11所示的与水平成45度角的一个开口。所述的开口被定义为单次移动中所允许向前移动的单元格个数。例如，向西北方向的一次移动，就是与水平成45度角。然而，一次向西移动两个单元格并向北移动一个单元格，就形成了偏离水平方向25.6度的角。类似地，一次向左移动3个单元格并向上移动一个单元格，就产生了偏离水平方向18.8度的角。

通常，一个目标单元格都以阶跃值的形式定义(一个基函数上的极点)。然而，在本发明中，单元格的位势分布在整张地图上，因此本发明理论上采样了一个邻近的单元格。较小的开口限制了搜索空间，这就产生了更平滑的路线，并使得处理时间大大减少了。

在许多情况下，最优路线并不是显而易见的。考虑以下的这个例子，此例展示了一条最优路线的计算是如何依赖于所述开口的设置的。一个较宽的开口扩大了搜索空间，并可能导致变化更快的路线。例如在图12中，设置在26.6度上的开口提供了相当平滑的路线。在此例中，总共有100个目标单元格，其中包括33个近程单元格，33个中程单元格，以及34个远程单元格。每次经过勘测区域后，目标单元格的数量就有所下降。如果这点不成立，那么该路线就不是最优的。图13示出了一张震波测试项目区域被清除的速率曲线图。清除率曲线的指数衰减形状对于使用了本发明优选实施例的震波勘测区域而言是很典型的。每次通过勘测区域所收集的目标单元的确切数目取决于目标测试单元格的初始数量以及目标单元格的密度。

在本例中，最初两次的通过中收集了超过53％的目标单元格。每次通过后，目标单元格的数量都保持下降。下降的目标密度意味着需要更多的工作来积累数据。例如，如果目标单元分布在一个很大的区域内，一次连续的通过结果可能只能收集到一个目标单元。

因此，对于任何填充优化技术都很关键的是准确地确定动态条件下拖缆形状的能力，所述动态条件包括水流、风向以及船只运动的变化。一个优选实施例中提供了一个经过训练的神经网络以预测电缆的位置。可以用一个输入输出训练集训练神经网络来模拟电缆的行为，训练集中的输入输出数据是在起初的探测工作中从实际的电缆行为中收集，或是从一个模拟了震波勘测工作的电缆模型中收集而来的。在另一个替换实施例中，所述的方法在项目持续期间优化每一条路线。要为整个的项目优化路线需要对天气和水流变化的特性作长期的假设。然而需要注意的是，神经网络或是一些其他的电缆预测方法或设备，仅在拖船同时还作为爆破或震波源船只的情况下才是优选的。本发明还可以被用来优化两条或是多条爆破船的路线，从而使得一条拖缆能够保持一条直的路线。多条爆破船情况下的配置与单条船的情况基本相似，只有一个例外。在单条船选项下，该船可以随意向西北、西或是西南方向运动。最佳的移动就是能带来最低成本的那种。在一个多条船的配置中，举例来说，两条船都可能向这些方向移动，这就产生了9种可能的情况。这里的成本就通过对各条船的“移动成本”求和来计算得到。正确的移动(9种可能中)就是产生了最低成本的那种。该方法可以被推广用于任何数量(n)条爆破船的情况。

本发明使得运用一张填充地图找出单条最优路线成为可能。在这样一条路线不是显而易见的时候，这种能力是成本效率很高并且很有益处的。在航海员知道他所要采用的一条近似路线的情况下，就可以利用本发明，对操作员输入的一组路线位置点周围的一条狭长区域进行搜索，从而优化出确切的路线。在另一个可供选择的实施例中，提供了附加的偏移范围地图以及边界条件。

本发明的填充程序提供若干个下拉菜单。可以选取选项来控制本发明的工作。本发明提供了一个输入位势图文件(Input Potential MapFile)选项，该选项允许用户输入一个先前建立的图文件。所有的图文件以扩展名.grd结尾。要寻找所有的地图，用户只需键入^*.grd，该程序就会显示带有.grd扩展名的所有文件。

本发明提供了一个保存位势图文件(Save Potential Map File)选项，该选项允许用户保存一个建立好的文件。用户添加一个.grd扩展名。当前图文件复位(Reset Current Map File)功能允许用户清空屏幕。所有的当前地图信息都被删除。如果用户想要保留当前地图，他可以在使用复位(Reset)选项前保存该地图。退出(Exit)功能从程序中退出并结束进程。

本发明提供了一个近程CMP选项，该选项允许用户将近程成本图CMP放置在地图屏幕上。在选择了近程CMP选项之后，用户将光标移动到地图屏幕的任何位置上并按下鼠标左键。这个操作会在屏幕上放置一个黄色的方块，指示了一个近程路线CMP的位置。按下左键并移动鼠标，会产生一系列的近程CMP。

本发明提供了一个中程CMP选项，该选项允许用户将中程CMP放置在地图屏幕上。在选择了中程CMP选项之后，用户将光标移动到地图屏幕的任何位置上并按下鼠标左键。这个操作会在屏幕上放置一个紫色的方块，指示了一个中程路线CMP的位置。按下左键并移动鼠标，会产生一系列的中程路线CMP。

本发明提供了一个远程CMP选项，该选项允许用户将远程CMP放置在地图屏幕上。在选择了该选项之后，用户将光标移动到地图屏幕的任何位置上并按下鼠标左键。这个操作会在屏幕上放置一个青色的方块，指示了一条远程路线CMP的位置。按下左键并移动鼠标，会产生一系列的远程路线CMP。

本发明提供了一个物体选项，该选项允许用户将物体放置在地图屏幕上。在选择了该选项之后，用户将光标移动到地图屏幕的任何位置上并按下鼠标左键。这个操作会在屏幕上放置一个红色的方块，指示了一个物体位置，比如一个岛屿。按下左键并移动鼠标，会产生一系列的物体。

本发明提供了一个背景选项，该选项允许用户重置一个CMP的位置。例如，如果用户定义了一个给定的单元格为近程CMP，而又希望删除这个点，那么用户就可以选择“背景”，移动光标到所述单元格上，并按下鼠标左键。这个操作将从位势图上删除所述的点。

本发明提供了一个优化路线选项，该选项允许用户选择想要的优化类型。例如，用户可能只想优化近程路线而不想包括远程路线。结果所产生的路线当然会相当不同。近程路线选项优化近程路线，并且考虑中程和远程路线。中程路线选项被提供来优化中程路线，并考虑近程和远程路线。远程选项被提供来优化远程路线，并考虑近程和中程路线。所有路线选项被提供来对所有有影响的路线进行优化，并使用近程、中程以及远程CMP的地图。地图选项被提供来使用户能够查看个别的地图。由于一个白色单元格表示一个包括了多CMP的位置，该选项让用户能够确切地了解一个给定单元格中包括哪些类型的路线。

本发明提供了一个近程单元格选项，该选项仅显示近程单元格。一个中程单元格选项被提供来仅显示中程单元格。一个远程单元格选项被提供来仅显示远程单元格。一个物体单元格选项被提供来仅显示物体单元格。一个所有单元格选项被提供来同时显示所有的单元格。

本发明提供了一个电缆轨迹选项，该选项允许用户手工检验一条特定的路线，以察看它是否接近最优情况。用户通过点击“起始行”方框来选择一个起始行，并输入一个合适的起始位置。另外，起始单元格也可以由本发明的算法进行选择。起始行的有效范围在1-118之间。一旦起始行被选定，用户就可以使用F1、F2和F3功能键，移动模拟电缆通过CMP图。电缆从右侧进入屏幕并在左侧离开。当电缆开始从屏幕的左边离开时，屏幕上就出现一个菜单，通知用户路线已经完成了。任何一条给定路线所收集的CMP的类型和数量，可以通过选择一个“结果菜单”来获知。例如，假定一个用户已经找到了适用于远程的最优路线，查看“结果菜单”就能够确切地告知用户在一条特定的路线上能获得多少远程CMP。即使用户要求优化远程路线，但还是存在有限的可能产生近程和中程路线，这些路线也被显示在“结果菜单”中。

选项菜单中各种不同的选项使得用户能够控制优化过程的不同方面。例如，某个用户可能想要限制允许震波勘测船作转向的次数。这点可以通过增大补偿函数并且/或者减小搜索开口来做到。在某些例子中，可能希望近程路线的权重比远程的更大。无论如何，这些控制调节都会影响被认为是最优的路线。

本发明提供了默认的控制设置，它们代表了能够被应用于典型数据集合的优选值集合。修改这些参数可以改变计算得到的最优路线。在本发明的一个优选实施例中，默认值被储存起来，并在程序重启时重新建立原始的默认设置。

假设一张地图有一个位于显示屏幕中央的远程单元格，那么最优路线可以从任何方向上接近这个点。在一个基于网格的系统中，最低成本路线沿一条对角轨迹接近上述的点，而不是一条水平的轨迹。有若干种方法可以避开这个问题。一个例子就是把坐标系统旋转45度。

本发明最好提供一个工程参数，称为“补偿”函数。所述的补偿函数变量指定了一个额外的开销，该开销与对角路线上的移动相关联。变量的值越大，开销也就越多。如果补偿值被设得过低，那么路线会作急转，并变得非常参差不齐。如果补偿值设得过高，那么最低成本路线就会变成一条直线。在45度角的开口条件下，设置一个优选补偿值为8。当改变开口值时，可以考虑修改补偿函数的值。

每个有效的单元格对整个的成本图都有所贡献，通过如下形式的函数： $\mathrm{Cost}=\frac{W_i}{1+R^n}---\left(7\right)$

其中

Wi＝用户为各单元格类型(近程、中程、远程)定义的权重

R＝到当前单元格的距离

n＝指数

因为这类函数类似一个势阱，所以它被作为位势函数。随着n增大，势阱变窄并开始趋向一个二维的阶跃函数。随着n减小，势阱就会变宽。一个优选值n＝4能够产生想要的结果。有效的范围是1-4。如果n的值被设置得过低，那么对角路线就变得更有利，从而应该增大补偿函数。

扫描功能在被选择时能够搜寻最佳的起始和中止单元格。优选的情况是，在起初选择5个不同的起始位置。本发明评估这5个选定的入口位置。优选的算法从位于5个不同的列位置中最后一列(屏幕的右边部分)的目标单元格开始。为处于不同列位置上的每一个起始点各建立一张最优成本图。然后就比较第1列上的总成本。最低成本的起始和目标单元格就从这些成本图中确定出来。用户可能在这些点都很明显的时候，想要自行定义起始和中止列。使用这个“用户定义”选项的优点就在于，它能够通过取消扫描和相关计算，从而减少求出最低成本路线所需的计算时间。

为了确定一条最优路线，每次船只移动后都要确定电缆的位置。填充程序优先使用一个经训练的神经网络或是一种非常快速的递归算法，来模拟电缆的形状，就如上面所概括的。在一个优选实施例中，神经网络是确定电缆形状的优选方法。对神经网络的初始测试说明，通过合适的训练，神经网络能够确定电缆形状。

在一个优选实施例中，即使电缆受到随时间变化的羽状漂动的影响也能找到一个最优路径。即使在存在羽状漂动的情况下，所述的填充程序也能够确定一条最优的路线。优选的情况是，由神经网络计算出电缆的羽状漂动情况。沿最优路线上的单元格最好从成本图上去除。例如，如果有50个有效单元格，并且最优路线穿过其中的30个，那么这30个单元格将在开始下一次通过前从图中去除。优选的情况是，在最初的通过后，只显示仍留在图上的单元格。这一选项对于确定清空一个震波勘测项目需要通过勘测区的次数是很方便的。在另一个可供选择的实施例中，每次通过后获取的单元格并不被去掉。

优选的情况是，从船只到远处接收器之间中点的轨迹与最优路线一同被绘制出来。所述的中点轨迹被绘制成虚线。这就向用户提供了远程和中程路线的确认。执行45度角选项促使本发明搜索一个与水平线成45度角的区域。这可能引起路线方向快速的变化。如果实际情况如此，那么可以减小开口或者增大补偿函数。在一个优选实施例中，选择26.6度角、18.3度角或是14.0度角开口中的任意一个，都能够缩小搜索范围并提高算法的速度。

通常，较窄的开口能产生较平滑的路线。把搜索开口设置成一个小数值能够产生一条相对水平的路线。稀疏地图中的开口应该选择得比稠密地图中的大。由于较小的开口并不搜索每一个单元格，因此用户最好增加地图中障碍物的尺寸。例如，一个14度角开口将会每四个单元格搜索一次。所以，障碍物最好能覆盖至少4个单元格，这是因为物体优选地是阶跃函数，而不是出现在一大块区域上的位势函数。这样，物体应该增大尺寸，使得程序能够检测到它们，并计算出绕过它们的路线。

本发明提供了一个函数，该函数如方程7所描述的，指定了一个权重给近程位势函数。有效值范围是1-100。本发明提供了一个函数，该函数如方程7所描述的，指定了一个权重给中程位势函数。有效值范围是1-100。本发明提供了一个函数，该函数如方程7所描述的，指定了一个权重给远程位势函数。有效值范围是1-100。

前面所作的描述为了演示和解释的目的，集中于本发明的具体实施例上。然而，在不脱离本发明范围和精神的情况下，完全可能对前面所提出的实施例进行修正和改变，这一点对于精通该领域技术的人来说是显而易见的。希望下面的权利要求能被理解为包含了所有这样的修正和改变。

Claims (20)

1.一种方法，用于为一个震波勘测区域内的海洋震波勘测数据的收集计算一条最优路线，包括步骤：

(a)把一块震波勘测区域划分为一张单元格地图；

(b)选择一个起始单元格；

(c)选择一个目标单元格；

(d)基于单元格的位势，计算从起始单元格移动到一个邻近单元格的开销；

(e)重复步骤d，直到所有邻近单元格的成本都被计算出来为止；

(f)选择一个前驱单元格；并且

(g)把前驱单元格连同起始单元格一同存储起来。

2.根据权利要求1所述的方法，进而包括下述步骤：

提供对应于震波勘测区域的多张偏移成本图。

3.根据权利要求1所述的方法，进而包括下述步骤：

把单元格的值表示为分布在整个单元格地图上的位势。

4.根据权利要求1所述的方法，进而包括下述步骤：

确定并存储在每个串行的单元格位置上的电缆坐标。

5.根据权利要求1所述的方法，进而包括下述步骤：

通过在一个被更新的单元格中储存一个前驱单元格的地址以消除多路线现象。

6.根据权利要求1所述的方法，进而包括下述步骤：

提供受限的开口，以约束可能的搜索行动，并能防止震波勘测拖缆自身的环绕。

7.根据权利要求1所述的方法，进而包括下述步骤：

在一个神经网络中计算一条海洋拖缆的的位置。

8.根据权利要求1所述的方法，进而包括下述步骤：

扫描若干个图上单元格，以确定一个最优的起始单元格。

9.根据权利要求1所述的方法，进而包括下述步骤：

提供补偿值以促进特定路线方向的使用。

10.为三种分别对应于近程、中程和远程路线的偏移范围各自建立一张最优成本图。

11.根据权利要求1所述的方法，其中所述的成本由下式计算： $\mathrm{Cost}\left(j\right)=\mathrm{BC}\left(i\right)+\underset{1}{\overset{m}{\mathrm{\Σ}}}M{C}_m\left(k\right)$

12.根据权利要求1所述的方法，进而包括下述步骤：

(h)由一个起始单元格开始，以最低成本移动到一个相邻的单元格；以及

(i)重复步骤(h)，直至抵达一个目标。

13.根据权利要求1所述的方法，进而包括保存电缆坐标到一个序列中的步骤，该序列由被更新单元格的串行地址进行索引，上述步骤在一个单元格被更新时进行。

14.根据权利要求1所述的方法，进而包括当移动到一个相邻单元格的单元成本低于那个单元格已存储的最优成本时，用较低的单元格成本替代较高那个的步骤。

15.根据权利要求14所述的方法，进而包括下述步骤：

为被更新的单元格指定一组新的电缆坐标。

16.根据权利要求1所述的方法，进而包括存储一个前驱单元格串行地址的步骤，该前驱单元格是作为带来更低最优成本值的相邻单元格。

17.一种用来在一次震波勘测中确定一条最优路线的方法，该方法包括如下步骤：

(a)选择一个起始单元格作为当前单元格；

(b)为当前单元格获取一个当前前驱单元格的地址；

(c)移动到该当前前驱单元格的位置上；

(d)为该当前前驱单元格获取下一个前驱单元格的地址；

(e)移动到下一个前驱单元格地址上；并且

(f)重复步骤(b)至(e)，直到所述的下一个前驱单元格是一个目标单元格为止。

18.根据权利要求17所述的方法，进而包括限制一个搜索开口以减少搜索处理时间的步骤。

19.根据权利要求18所述的方法，进而包括下述步骤：

在一个项目的持续期间寻找最优路线。

20.根据权利要求1所述的方法，其中两艘或更多爆破船只的路线都被优化，以使得一条拖缆能够保持一条直线路线。

Images