CN104062678A - 一种优化气枪阵列的方法和装置 - Google Patents

Abstract

本发明提出了一种优化气枪阵列的方法和装置，包括：初始化气枪阵列的所有粒子的参数；根据初始化的参数计算所有粒子的远场压力子波；根据计算得到的所有粒子的远场压力子波计算气泡比和/或峰峰值；根据计算得到的所有粒子的气泡比和/或峰峰值更新所有粒子的状态向量，继续计算更新后的气泡比和/或峰峰值，直到计算得到的气泡比和/或峰峰值与上一次迭代计算得到的气泡比和/或峰峰值的差值小于等于预设阈值；从迭代结果中选择气泡比和/或峰峰值最大的粒子作为最优气枪阵列。本发明能够自动优化气枪阵列，工作量小，效率高。

Description

一种优化气枪阵列的方法和装置

技术领域

本发明涉及海洋石油地球物理勘探领域，尤指一种优化气枪阵列的方法和装置。

背景技术

气枪阵列因为环保，稳定等特点在海洋资源勘探中得到了广泛应用。气枪阵列的远场压力子波是考察气枪阵列优劣的重要指标，同时气枪阵列的远场压力子波也是后续地震资料处理的重要参数之一。例如，海上地震勘探大多使用气枪或气枪阵列作为震源激发地震波，而气枪阵列的远场子波的气泡比越大，其激发的地震波的低频信号越强。在气枪设计过程中，由于气枪阵列由多枪组合而成，根据勘探目的的需要往往需要将不同容积的气枪参与到组合中。

现有的优化气枪阵列的方法是：首先，将不同容积的气枪在气枪阵列中布局好后，根据油气地球物理服务公司(PGS，Petroleum Geo-Services)开发的Nucleus软件对布局好的气枪阵列进行模拟仿真得到该气枪阵列对应的远场压力子波，根据得到的远场压力子波计算气泡比和/或峰峰值；其次，改变气枪阵列的布局重复进行模拟仿真，直到得到所有可能的气枪阵列的布局对应的远场压力子波的气泡比和/或峰峰值；最后，从得到的所有远场压力子波中选择气泡比和/或峰峰值最大的远场压力子波对应的气枪阵列即为最优的气枪阵列。

现有的优化气枪阵列的方法要得到满足要求的最优的气枪阵列必须遍历由所有气枪种类构成的所有组合，工作量较大，效率较低。

发明内容

为了解决上述问题，本发明提出了一种优化气枪阵列的方法和装置，能够提高优化气枪阵列的效率。

为了达到上述目的，本发明提出了一种优化气枪阵列的方法，包括：

初始化气枪阵列的所有粒子的参数；

根据初始化的参数计算所有粒子的远场压力子波；

根据计算得到的所有粒子的远场压力子波计算气泡比和/或峰峰值；

根据计算得到的所有粒子的气泡比和/或峰峰值更新所有粒子的状态向量，继续计算更新后的气泡比和/或峰峰值，直到计算得到的气泡比和/或峰峰值与上一次迭代计算得到的气泡比和/或峰峰值的差值小于等于预设阈值；

从迭代结果中选择气泡比和/或峰峰值最大的粒子作为最优气枪阵列。

优选地，所述粒子的参数至少包括：气枪数目、粒子数、每个粒子的状态向量，每个粒子的初始速度；

所述每个粒子的状态向量是由所述气枪阵列中所有气枪的三维空间坐标位置、压力和气泡体积等效容积构成的多维空间向量。

优选地，根据所述初始化的参数采用Ziolkowski模型计算所述所有粒子的远场压力子波。

优选地，根据公式 $\left\{\begin{array}{c}\frac{P_i\left(t\right)-P_{i\∞}}{{\mathrm{\ρ}}_i}=\frac{1}{r}{f}_{i^{\text{'}}}^{\text{'}}\left(t\right)-\frac{{v\left(t\right)}^2}{2}\\ v_i\left(t\right)=\frac{R_i{\left(t\right)}^2{\stackrel{\·}{R}}_i\left(t\right)}{r^2}\\ f_{i^{\text{'}}}^{\text{'}}\left(t\right)=R_i\left(t\right)(H_i\left(t\right)+\frac{{\stackrel{\·}{R}}_i^2\left(t\right)}{2})\\ P\left(t\right)=\underset{i}{\overset{M}{\mathrm{\Σ}}}{P}_i\left(t\right)\end{array}\right.$ 计算所述远场压力子波；

其中，t为时间，P_i(t)为第i个气泡在预设距离处产生的压力，P_i∞为第i个气泡在无穷远处产生的压力，ρ_i为第i个气泡处海水的密度，r为预设距离，f′_i(t)为与第i个气泡表面的参数有关的参数，R_i(t)为第i个气泡的半径，H_i(t)为第i个气泡的气体的焓，P(t)为预设距离处的压力(即远场压力子波)，M为气枪数。

优选地，根据公式P_i∞＝P₀+ρgh_i计算所述第i个气泡处海水的密度；其中，P₀为标准大气压，g为重力加速度，h_i为所述第i个气泡在水中的深度。

优选地，根据公式 ${\stackrel{\·\·}{R}}_i\left(t\right)R_i\left(t\right)(1-\frac{2{\stackrel{\·}{R}}_i\left(t\right)}{c})+\frac{3{\stackrel{\·}{R}}_i^2\left(t\right)}{2}(1-\frac{4{\stackrel{\·}{R}}_i\left(t\right)}{3c})=H_i\left(t\right)+\frac{R{\stackrel{\·}{H}}_i\left(t\right)}{c}(1-\frac{{\stackrel{\·}{R}}_i\left(t\right)}{c})$ 计算所述第i个气泡的半径；其中，ΔP_ib为除了所述第i个气泡外其他所有气泡对所述第i个气泡形成的辐射动压力，P_ib为所述第i个气泡内的压力，P_jb为第j个气泡在预设距离处产生的压力，P_j∞为所述第j个气泡在无穷远处产生的压力，η为相干枪影响因子。

优选地，根据公式 $\left\{\begin{array}{c}{H}_i\left(t\right)=\frac{P_{\mathrm{ib}}-P_{i\∞}-\mathrm{\η\Δ}{P}_{\mathrm{ib}}}{{\mathrm{\ρ}}_i}\\ {\mathrm{\ΔP}}_{\mathrm{ib}}=\underset{j=1,j\≠i}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\δP}}_j\\ {\mathrm{\δP}}_j=P_{\mathrm{jb}}-P_{j\∞}\end{array}\right.$ 计算第i个气泡的气体的焓，其中，t为时间，P_i(t)为第i个气泡在预设距离处产生的压力，P_i∞为第i个气泡在无穷远处产生的压力，ρ_i为第i个气泡处海水的密度，r为预设距离，f′_i(t)为与第i个气泡表面的参数有关的参数，R_i(t)为第i个气泡的半径，H_i(t)为第i个气泡的气体的焓，P(t)为预设距离处的压力(即远场压力子波)。

优选地，根据公式计算所述第i个气泡内的压力；其中，m_i为第i个气枪内气体的物质的量，C_v为理想气体的等体比热容，T_i气泡为形成气泡后第i个气泡内气体的温度，R_g为气体常数值,T_i气枪为第i个气枪内气体的初始温度，V_i为第i个气泡的体积，为第i个气泡吸收的热量功率，τ_i为第i个气枪的发射时间，ψ为传热系数，S_i为第i个气泡的表面积，ΔT_i为第i个气泡和海水的温度之差。

优选地，根据公式 $\left\{\begin{array}{c}{x}_{\mathrm{id}}^{\text{'}}=x_{\mathrm{id}}+v_{\mathrm{id}}^{\text{'}}\\ v_{\mathrm{id}}^{\text{'}}={\mathrm{wv}}_{\mathrm{id}}+c_1{r}_1(p_{\mathrm{id}}-x_{\mathrm{id}})+c_2{r}_2(p_{\mathrm{gd}}-x_{\mathrm{id}})\end{array}\right.$ 更新所述所有粒子的状态向量；

其中，x′_id为更新后的粒子的状态向量，x_id为更新前的粒子的状态向量，v′_id为更新后的粒子的速度，v_id为更新前的粒子的速度，w为权重因子，c₁和c₂为学习因子，r₁和r₂为[0，1]范围内的均匀随机数，p_id为迭代过程中各个粒子的最优值对应的粒子的状态向量，p_gd为整个粒子群迄今为止搜索到全局极值对应的粒子的状态向量。

优选地，根据公式更新所述所有粒子的状态向量；

其中，x′_id为更新后的粒子的状态向量，x_id为更新前的粒子的状态向量，v′_id为更新后的粒子的速度，v_id为更新前的粒子的速度，w为权重因子，c₁和c₂为学习因子，r₁和r₂为[0，1]范围内的均匀随机数，p_id为上一次迭代过程中气泡比和/或峰峰值最大的粒子的状态向量，p_gd为整个粒子群迄今为止气泡比和/或峰峰值最大的粒子的状态向量。

优选地，初始化后的所有粒子的同一参数的所有取值满足正态分布。

优选地，根据公式A＝A₀+a₀randn1初始化所述粒子的参数中的优化参数；

其中，A为所有气枪的三维空间坐标位置，压力，气泡体积等效容积中的任何一个的初始值，A₀为A的取值范围的最大值和最小值的平均值，a₀为A变化的梯度值，randn1为符合正态分布，在[-1,1]范围内的随机数。

优选地，根据公式v＝b₀randn2初始化所述粒子的速度，其中，v为粒子的初始速度，b₀为粒子的速度变化的梯度值，randn2为符合正态分布，在[-1,1]范围内的随机数。

本发明还提出了一种优化气枪阵列的装置，至少包括：

初始化模块，用于初始化气枪阵列的所有粒子的参数；

计算模块，用于根据初始化的参数计算所有粒子的远场压力子波；根据计算得到的所有粒子的远场压力子波计算气泡比和/或峰峰值；根据计算得到的所有粒子的气泡比和/或峰峰值更新所有粒子的状态向量，继续计算更新后的气泡比和/或峰峰值，直到计算得到的气泡比和/或峰峰值与上一次迭代计算得到的气泡比和/或峰峰值的差值小于等于预设阈值；

选择模块，用于从迭代结果中选择气泡比和/或峰峰值最大的粒子作为最优气枪阵列。

与现有技术相比，本发明包括：初始化气枪阵列的所有粒子的参数；根据初始化的参数计算所有粒子的远场压力子波；根据计算得到的所有粒子的远场压力子波计算气泡比和/或峰峰值；根据计算得到的所有粒子的气泡比和/或峰峰值更新所有粒子的状态向量，继续计算更新后的气泡比和/或峰峰值，直到计算得到的气泡比和/或峰峰值与上一次迭代计算得到的气泡比和/或峰峰值的差值小于等于预设阈值；从迭代结果中选择气泡比和/或峰峰值最大的粒子作为最优气枪阵列。通过本发明的方案，能够根据计算得到的粒子群的气泡比和/或峰峰值自动优化气枪阵列，工作量小，效率高。

附图说明

下面对本发明实施例中的附图进行说明，实施例中的附图是用于对本发明的进一步理解，与说明书一起用于解释本发明，并不构成对本发明保护范围的限制。

图1为本发明的优化气枪阵列的方法流程图；

图2为本发明的优化气枪阵列的装置结构组成示意图。

具体实施方式

为了便于本领域技术人员的理解，下面结合附图对本发明作进一步的描述，并不能用来限制本发明的保护范围。

参见图1，本发明提出了一种优化气枪阵列的方法，包括：

步骤100、初始化气枪阵列的所有粒子的参数。

本步骤中，所有粒子的参数至少包括：气枪数目M、粒子数N、每个粒子的状态向量，每个粒子的初始速度。

其中，每个粒子的状态向量是由气枪阵列中所有气枪的三维空间坐标位置(X，Y，Z)、压力P_气枪和气泡体积等效容积V构成的多维空间向量。

其中，气枪的压力是指气枪发射的气泡的初始压力。

其中，可以将气枪的三维空间坐标位置、气枪的压力、气枪的气泡体积等效容积中的一个或多个参数设为优化参数。

其中，粒子数N为大于等于2的正整数，基于计算速度的考虑，粒子数N可以取值为适当的值，例如，可以取值为各个优化参数具体取值的个数的乘积，或者优化参数的个数和每个优化参数具体取值的个数的乘积。

其中，坐标位置(X，Y，Z)所在的坐标系的Z轴垂直于海平面，XoY平面平行于海平面。

在初始化X，Y，Z，P_气枪，V时，如果其为非优化参数，则取为固定值，该固定值根据实际需求进行取值，例如，当优化等效容积V，而不优化X，Y，Z，P_气枪时，可以将P_气枪取为常用的2000英镑每平方英寸(psi，Plasma SurfaceInteraction)，X取为2米，Y取为2米，Z取为2米。

如果其为优化参数，则根据公式(1)进行初始化。

A＝A₀+a₀randn1 (1)

其中，A可以是所有气枪的X，Y，Z，P_气枪，V中的任何一个的初始值，A₀为A的取值范围的最大值和最小值的平均值，a₀为A变化的梯度值，a₀可以是A的取值范围的最大值和最小值的差值的公约数，randn1为符合正态分布，在[-1,1]范围内的随机数。

根据公式(2)初始化粒子的初始速度。

v＝b₀randn2 (2)

其中，v为粒子的初始速度，b₀为粒子的速度变化的梯度值，b₀可以是v的取值范围的最大值和最小值的差值的公约数，randn2为符合正态分布，在[-1,1]范围内的随机数。

步骤101、根据初始化的参数计算所有粒子的远场压力子波。

本步骤中，根据初始化的参数采用Ziolkowski模型计算所有粒子的远场压力子波。

本步骤中，根据公式(3)计算所有气泡在距离气枪阵列设计中心位置垂直于海平面方向预设距离r(如9千米(km))处产生的远场压力子波(即预设距离处的压力随时间的变化)。

$\left\{\begin{array}{c}\frac{P_i\left(t\right)-P_{i\∞}}{{\mathrm{\ρ}}_i}=\frac{1}{r}{f}_{i^{\text{'}}}^{\text{'}}\left(t\right)-\frac{{v\left(t\right)}^2}{2}\\ v_i\left(t\right)=\frac{R_i{\left(t\right)}^2{\stackrel{\·}{R}}_i\left(t\right)}{r^2}\\ f_{i^{\text{'}}}^{\text{'}}\left(t\right)=R_i\left(t\right)(H_i\left(t\right)+\frac{{\stackrel{\·}{R}}_i^2\left(t\right)}{2})\\ P\left(t\right)=\underset{i}{\overset{M}{\mathrm{\Σ}}}{P}_i\left(t\right)\end{array}\right.---\left(3\right)$

其中，t为时间，P_i(t)为第i个气泡在预设距离处产生的压力，P_i∞为第i个气泡在无穷远处产生的压力，ρ_i为第i个气泡处海水的密度，r为预设距离，f′_i(t)为与第i个气泡表面的参数有关的参数，R_i(t)为第i个气泡的半径，H_i(t)为第i个气泡的气体的焓，P(t)为预设距离处的压力(即远场压力子波)。

其中，气枪阵列设计中心位置的三维空间坐标位置(X_中心，Y_中心，Z_中心)分别为所有气枪的三维空间坐标位置的均值，即

其中，(X_i，Y_i，Z_i)为第i把气枪的三维空间坐标位置。

根据公式(5)计算P_i∞。

P_i∞＝P₀+ρ_igh_i (5)

其中，P₀为标准大气压，g为重力加速度，h_i为第i个气泡在水中的深度。

根据公式(6)计算R_i(t)。

${\stackrel{\·\·}{R}}_i\left(t\right)R_i\left(t\right)(1-\frac{2{\stackrel{\·}{R}}_i\left(t\right)}{c})+\frac{3{\stackrel{\·}{R}}_i^2\left(t\right)}{2}(1-\frac{4{\stackrel{\·}{R}}_i\left(t\right)}{3c})=H_i\left(t\right)+\frac{R{\stackrel{\·}{H}}_i\left(t\right)}{c}(1-\frac{{\stackrel{\·}{R}}_i\left(t\right)}{c})---\left(6\right)$

其中，c为声速。

根据公式(7)计算H_i(t)。

$\left\{\begin{array}{c}{H}_i\left(t\right)=\frac{P_{\mathrm{ib}}-P_{i\∞}-\mathrm{\η\Δ}{P}_{\mathrm{ib}}}{{\mathrm{\ρ}}_i}\\ {\mathrm{\ΔP}}_{\mathrm{ib}}=\underset{j=1,j\≠i}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\δP}}_j\\ {\mathrm{\δP}}_j=P_{\mathrm{jb}}-P_{j\∞}\end{array}\right.---\left(7\right)$

其中，ΔP_ib为除了第i个气泡外其他所有气泡对第i个气泡形成的辐射动压力，P_ib为第i个气泡内的压力(即绝对压力)，P_jb为第j个气泡在预设距离处产生的压力，P_j∞为第j个气泡在无穷远处产生的压力，η为相干枪影响因子(可取值为0.6)。

根据公式(8)计算P_ib。

其中，m_i为第i个气枪内气体的物质的量，C_v为理想其他的等体比热容(空气的等比热容为2到3倍R_g)，T_i气泡为形成气泡后第i个气泡内气体的温度，R_g为气体常数值(8.314焦耳每摩尔每开(J/(mol·K)),T_i气枪为第i个气枪内气体的初始温度，V_i为第i个气泡的体积，为第i个气泡吸收的热量功率，τ_i为第i个气枪的发射时间(经过对试验数据的研究，τ的范围在10～15毫秒左右)，ψ为传热系数(其值一般在6000J/(K·m²·s)左右)，S_i为第i个气泡的表面积，ΔT_i为第i个气泡和海水的温度之差。

步骤102、根据计算得到的所有粒子的远场压力子波计算气泡比和/或峰峰值。

如何根据计算得到的远场压力子波计算气泡比和/或峰峰值属于现有技术，并不用于限定本发明的保护范围。

例如，对远场压力子波上主峰值的最大能量和气泡最大能量进行比值得到气泡比，对主峰值的最大能量和最小能量求差得到峰峰值。

步骤103、根据计算得到的所有粒子的气泡比和/或峰峰值更新所有粒子的状态向量，继续计算更新后的气泡比和/或峰峰值，直到计算得到的气泡比和/或峰峰值与上一次迭代计算得到的气泡比和/或峰峰值的差值小于等于预设阈值。

本步骤中，根据公式(9)或公式(10)更新每个粒子的参数。

$\left\{\begin{array}{c}{x}_{\mathrm{id}}^{\text{'}}=x_{\mathrm{id}}+v_{\mathrm{id}}^{\text{'}}\\ v_{\mathrm{id}}^{\text{'}}={\mathrm{wv}}_{\mathrm{id}}+c_1{r}_1(p_{\mathrm{id}}-x_{\mathrm{id}})+c_2{r}_2(p_{\mathrm{gd}}-x_{\mathrm{id}})\end{array}\right.---\left(9\right)$

其中，x′_id为更新后的粒子的状态向量，x_id为更新前的粒子的状态向量，v′_id为更新后的粒子的速度，v_id为更新前的粒子的速度，v′_id,v_id∈[-v_max,v_max]，v_max为常数，由用户设定来限制粒子的速度，w为权重因子，c₁和c₂为学习因子，也称加速常数(acceleration constant)，r₁和r₂为[0，1]范围内的均匀随机数，p_id为上一次迭代过程中气泡比和/或峰峰值最大的粒子的状态向量，p_gd为整个粒子群迄今为止气泡比和/或峰峰值最大的粒子的状态向量。

公式v′_id＝wv_id+c₁r₁(p_id-x_id)+c₂r₂(p_gd-x_id)右边由三部分组成，第一部分为“惯性(inertia)”或“动量(momentum)”部分，反映了粒子的运动“习惯(habit)”，代表粒子有维持自己先前速度的趋势；第二部分为“认知(cognition)”部分，反映了粒子对自身历史经验的记忆(memory)或回忆(remembrance)，代表粒子有向自身历史最佳位置逼近的趋势；第三部分为“社会(social)”部分，反映了粒子间协同合作与知识共享的群体历史经验，代表粒子有向群体或邻域历史最佳位置逼近的趋势，根据经验，通常c₁＝c₂＝2。

根据公式(9)更新粒子的速度时，如果c₁的值较大，则会使得粒子过多的在局部范围内徘徊，而如果c₂的值较大，则会促使粒子过早的收敛到局部最小值，从而影响迭代的结果。而采用公式(10)更新粒子的速度时能够有效控制粒子的速度使得算法达到全局探测与局部开采两者间的有效平衡，提高了求取最优解的收敛速度。

为了保证算法的顺利求解，c₁+c₂必须大于4。

步骤104、从迭代结果中选择气泡比和/或峰峰值最大的粒子作为最优气枪阵列。

参见图2，本发明还提出了一种优化气枪阵列的装置，至少包括：

初始化模块，用于初始化气枪阵列的所有粒子的参数；

计算模块，用于根据初始化的参数计算所有粒子的远场压力子波；根据计算得到的所有粒子的远场压力子波计算气泡比和/或峰峰值；根据计算得到的所有粒子的气泡比和/或峰峰值更新所有粒子的状态向量，继续计算更新后的气泡比和/或峰峰值，直到计算得到的气泡比和/或峰峰值与上一次迭代计算得到的气泡比和/或峰峰值的差值小于等于预设阈值；

选择模块，用于从迭代结果中选择气泡比和/或峰峰值最大的粒子作为最优气枪阵列。

需要说明的是，以上所述的实施例仅是为了便于本领域的技术人员理解而已，并不用于限制本发明的保护范围，在不脱离本发明的发明构思的前提下，本领域技术人员对本发明所做出的任何显而易见的替换和改进等均在本发明的保护范围之内。

Claims (14)

1.一种优化气枪阵列的方法，其特征在于，包括：

初始化气枪阵列的所有粒子的参数；

根据初始化的参数计算所有粒子的远场压力子波；

根据计算得到的所有粒子的远场压力子波计算气泡比和/或峰峰值；

根据计算得到的所有粒子的气泡比和/或峰峰值更新所有粒子的状态向量，继续计算更新后的气泡比和/或峰峰值，直到计算得到的气泡比和/或峰峰值与上一次迭代计算得到的气泡比和/或峰峰值的差值小于等于预设阈值；

从迭代结果中选择气泡比和/或峰峰值最大的粒子作为最优气枪阵列。

2.根据权利要求1所述的方法，其特征在于，所述粒子的参数至少包括：气枪数目、粒子数、每个粒子的状态向量，每个粒子的初始速度；

所述每个粒子的状态向量是由所述气枪阵列中所有气枪的三维空间坐标位置、压力和气泡体积等效容积构成的多维空间向量。

3.根据权利要求1所述的方法，其特征在于，根据所述初始化的参数采用Ziolkowski模型计算所述所有粒子的远场压力子波。

4.根据权利要求3所述的方法，其特征在于，

根据公式 $\left\{\begin{array}{c}\frac{P_i\left(t\right)-P_{i\∞}}{{\mathrm{\ρ}}_i}=\frac{1}{r}{f}_{i^{\text{'}}}^{\text{'}}\left(t\right)-\frac{{v\left(t\right)}^2}{2}\\ v_i\left(t\right)=\frac{R_i{\left(t\right)}^2{\stackrel{\·}{R}}_i\left(t\right)}{r^2}\\ f_{i^{\text{'}}}^{\text{'}}\left(t\right)=R_i\left(t\right)(H_i\left(t\right)+\frac{{\stackrel{\·}{R}}_i^2\left(t\right)}{2})\\ P\left(t\right)=\underset{i}{\overset{M}{\mathrm{\Σ}}}{P}_i\left(t\right)\end{array}\right.$ 计算所述远场压力子波；

其中，t为时间，P_i(t)为第i个气泡在预设距离处产生的压力，P_i∞为第i个气泡在无穷远处产生的压力，ρ_i为第i个气泡处海水的密度，r为预设距离，f′_i(t)为与第i个气泡表面的参数有关的参数，R_i(t)为第i个气泡的半径，H_i(t)为第i个气泡的气体的焓，P(t)为预设距离处的压力(即远场压力子波)，M为气枪数。

5.根据权利要求4所述的方法，其特征在于，根据公式P_i∞＝P₀+ρgh_i计算所述第i个气泡处海水的密度；其中，P₀为标准大气压，g为重力加速度，h_i为所述第i个气泡在水中的深度。

6.根据权利要求4所述的方法，其特征在于，根据公式 ${\stackrel{\·\·}{R}}_i\left(t\right)R_i\left(t\right)(1-\frac{2{\stackrel{\·}{R}}_i\left(t\right)}{c})+\frac{3{\stackrel{\·}{R}}_i^2\left(t\right)}{2}(1-\frac{4{\stackrel{\·}{R}}_i\left(t\right)}{3c})=H_i\left(t\right)+\frac{R{\stackrel{\·}{H}}_i\left(t\right)}{c}(1-\frac{{\stackrel{\·}{R}}_i\left(t\right)}{c})$ 计算所述第i个气泡的半径；其中，ΔP_ib为除了所述第i个气泡外其他所有气泡对所述第i个气泡形成的辐射动压力，P_ib为所述第i个气泡内的压力，P_jb为第j个气泡在预设距离处产生的压力，P_j∞为所述第j个气泡在无穷远处产生的压力，η为相干枪影响因子。

7.根据权利要求4所述的方法，其特征在于，根据公式 $\left\{\begin{array}{c}{H}_i\left(t\right)=\frac{P_{\mathrm{ib}}-P_{i\∞}-\mathrm{\η\Δ}{P}_{\mathrm{ib}}}{{\mathrm{\ρ}}_i}\\ {\mathrm{\ΔP}}_{\mathrm{ib}}=\underset{j=1,j\≠i}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\δP}}_j\\ {\mathrm{\δP}}_j=P_{\mathrm{jb}}-P_{j\∞}\end{array}\right.$ 计算第i个气泡的气体的焓，其中，t为时间，P_i(t)为第i个气泡在预设距离处产生的压力，P_i∞为第i个气泡在无穷远处产生的压力，ρ_i为第i个气泡处海水的密度，r为预设距离，f′_i(t)为与第i个气泡表面的参数有关的参数，R_i(t)为第i个气泡的半径，H_i(t)为第i个气泡的气体的焓，P(t)为预设距离处的压力(即远场压力子波)。

8.根据权利要求4所述的方法，其特征在于，根据公式计算所述第i个气泡内的压力；其中，m_i为第i个气枪内气体的物质的量，C_v为理想气体的等体比热容，T_i气泡为形成气泡后第i个气泡内气体的温度，R_g为气体常数值,T_i气枪为第i个气枪内气体的初始温度，V_i为第i个气泡的体积，为第i个气泡吸收的热量功率，τ_i为第i个气枪的发射时间，ψ为传热系数，S_i为第i个气泡的表面积，ΔT_i为第i个气泡和海水的温度之差。

9.根据权利要求1所述的方法，其特征在于，根据公式 $\left\{\begin{array}{c}{x}_{\mathrm{id}}^{\text{'}}=x_{\mathrm{id}}+v_{\mathrm{id}}^{\text{'}}\\ v_{\mathrm{id}}^{\text{'}}={\mathrm{wv}}_{\mathrm{id}}+c_1{r}_1(p_{\mathrm{id}}-x_{\mathrm{id}})+c_2{r}_2(p_{\mathrm{gd}}-x_{\mathrm{id}})\end{array}\right.$ 更新所述所有粒子的状态向量；

其中，x′_id为更新后的粒子的状态向量，x_id为更新前的粒子的状态向量，v′_id为更新后的粒子的速度，v_id为更新前的粒子的速度，w为权重因子，c₁和c₂为学习因子，r₁和r₂为[0，1]范围内的均匀随机数，p_id为迭代过程中各个粒子的最优值对应的粒子的状态向量，p_gd为整个粒子群迄今为止搜索到全局极值对应的粒子的状态向量。

10.根据权利要求1所述的方法，其特征在于，根据公式更新所述所有粒子的状态向量；

其中，x′_id为更新后的粒子的状态向量，x_id为更新前的粒子的状态向量，v′_id为更新后的粒子的速度，v_id为更新前的粒子的速度，w为权重因子，c₁和c₂为学习因子，r₁和r₂为[0，1]范围内的均匀随机数，p_id为上一次迭代过程中气泡比和/或峰峰值最大的粒子的状态向量，p_gd为整个粒子群迄今为止气泡比和/或峰峰值最大的粒子的状态向量。

11.根据权利要求1～10任意一项所述的方法，其特征在于，初始化后的所有粒子的同一参数的所有取值满足正态分布。

12.根据权利要求11所述的方法，其特征在于，根据公式A＝A₀+a₀randn1初始化所述粒子的参数中的优化参数；

其中，A为所有气枪的三维空间坐标位置，压力，气泡体积等效容积中的任何一个的初始值，A₀为A的取值范围的最大值和最小值的平均值，a₀为A变化的梯度值，randn1为符合正态分布，在[-1,1]范围内的随机数。

13.根据权利要求11所述的方法，其特征在于，根据公式v＝b₀randn2初始化所述粒子的速度，其中，v为粒子的初始速度，b₀为粒子的速度变化的梯度值，randn2为符合正态分布，在[-1,1]范围内的随机数。

14.一种优化气枪阵列的装置，其特征在于，至少包括：

初始化模块，用于初始化气枪阵列的所有粒子的参数；

计算模块，用于根据初始化的参数计算所有粒子的远场压力子波；根据计算得到的所有粒子的远场压力子波计算气泡比和/或峰峰值；根据计算得到的所有粒子的气泡比和/或峰峰值更新所有粒子的状态向量，继续计算更新后的气泡比和/或峰峰值，直到计算得到的气泡比和/或峰峰值与上一次迭代计算得到的气泡比和/或峰峰值的差值小于等于预设阈值；

选择模块，用于从迭代结果中选择气泡比和/或峰峰值最大的粒子作为最优气枪阵列。