【引言】

海上地震勘探航線規(guī)劃作為綜合導(dǎo)航系統(tǒng)的重要組成部分，一直是各家石油公司的研究重點(diǎn)。由于海上地震勘探的特殊作業(yè)環(huán)境，除洋流、障礙物、水下環(huán)境和漁業(yè)等因素的干擾外，拖纜船在工區(qū)內(nèi)的航線規(guī)劃往往來自于工作人員的現(xiàn)場(chǎng)決策，受限于人員工作經(jīng)驗(yàn)等因素，拖纜作業(yè)實(shí)際施工效率較低，直接導(dǎo)致工區(qū)采集成本的增加。拖纜法地震勘探作為海上地震勘探的重要方法，當(dāng)前國內(nèi)外各主要石油公司都非常重視對(duì)拖纜地震勘探相關(guān)技術(shù)的研究，以提高作業(yè)效率，探索海上地震勘探新技術(shù)與新方法。

多年來,人們將機(jī)器學(xué)習(xí)應(yīng)用于醫(yī)學(xué)、軍事等各種行業(yè)，但是其應(yīng)用于石油物探領(lǐng)域是近年來才發(fā)展起來的，并取得了良好效果。2020年，何健等人利用隨機(jī)森林方法預(yù)測(cè)裂縫發(fā)育帶，證明隨機(jī)森林方法對(duì)裂縫帶預(yù)測(cè)結(jié)果準(zhǔn)確度較高[1]。2021年，楊午陽等人提出一種基于U-Net深度學(xué)習(xí)網(wǎng)絡(luò)的地震數(shù)據(jù)斷層檢測(cè)方法，取得了良好效果[2] 。

近幾年，強(qiáng)化學(xué)習(xí)（Reinforcement Learning, RL）作為機(jī)器學(xué)習(xí)的重要組成部分，被廣泛應(yīng)用于解決路徑規(guī)劃等優(yōu)化策略問題。2018年，王程博等人提出一種基于強(qiáng)化Q學(xué)習(xí)（Q-Learning）的無人駕駛船舶路徑規(guī)劃模型，有效地在未知環(huán)境中規(guī)劃出較優(yōu)路徑及成功避讓多個(gè)障礙物[3]。2019年，封佳祥等人提出一種多任務(wù)約束條件下基于強(qiáng)化學(xué)習(xí)的水面無人艇路徑規(guī)劃方法，實(shí)現(xiàn)了完成多任務(wù)約束條件下的無人艇路徑規(guī)劃[4]。Q-Learning是一種基于Q值迭代的無模型強(qiáng)化學(xué)習(xí)方法，如今被廣泛應(yīng)用于各個(gè)領(lǐng)域[5]。2020年，胡學(xué)敏等人提出基于深度時(shí)空Q網(wǎng)絡(luò)的定向?qū)Ш阶詣?dòng)駕駛運(yùn)動(dòng)規(guī)劃方法來實(shí)現(xiàn)定向?qū)Ш降哪康腫6]。2021年，周彬等人提出了基于導(dǎo)向強(qiáng)化Q學(xué)習(xí)的無人機(jī)路徑規(guī)劃方法，實(shí)現(xiàn)無人機(jī)的自主導(dǎo)航和快速路徑規(guī)劃[7]。2022年，楊秀霞等人提出一種基于階段Q學(xué)習(xí)的機(jī)器人路徑規(guī)劃方法，使得機(jī)器人在復(fù)雜環(huán)境中能夠迅速找到無碰撞路徑[8]。

作為一種新技術(shù)，Q-Learning方法在解決路徑規(guī)劃問題過程中取得了良好效果。該方法引入石油物探領(lǐng)域解決海上地震勘探航線規(guī)劃，將會(huì)顯著提升物探船的作業(yè)效率。

文章詳細(xì)內(nèi)容下載請(qǐng)點(diǎn)擊：基于強(qiáng)化Q學(xué)習(xí)的海上地震勘探航線自動(dòng)規(guī)劃方法AET-電子技術(shù)應(yīng)用-最豐富的電子設(shè)計(jì)資源平臺(tái) (chinaaet.com)

【作者信息】

崔燾1，2，張昊楠1，2，阮福明1，2，崔世峰1，2，張少鵬1，2

（1.中海油田服務(wù)股份有限公司物探事業(yè)部， 天津 300459；2.海洋油氣勘探國家工程研究中心， 北京 100028）