【引言】

海上地震勘探航线规划作为综合导航系统的重要组成部分，一直是各家石油公司的研究重点。由于海上地震勘探的特殊作业环境，除洋流、障碍物、水下环境和渔业等因素的干扰外，拖缆船在工区内的航线规划往往来自于工作人员的现场决策，受限于人员工作经验等因素，拖缆作业实际施工效率较低，直接导致工区采集成本的增加。拖缆法地震勘探作为海上地震勘探的重要方法，当前国内外各主要石油公司都非常重视对拖缆地震勘探相关技术的研究，以提高作业效率，探索海上地震勘探新技术与新方法。

多年来,人们将机器学习应用于医学、军事等各种行业，但是其应用于石油物探领域是近年来才发展起来的，并取得了良好效果。2020年，何健等人利用随机森林方法预测裂缝发育带，证明随机森林方法对裂缝带预测结果准确度较高[1]。2021年，杨午阳等人提出一种基于U-Net深度学习网络的地震数据断层检测方法，取得了良好效果[2] 。

近几年，强化学习（Reinforcement Learning, RL）作为机器学习的重要组成部分，被广泛应用于解决路径规划等优化策略问题。2018年，王程博等人提出一种基于强化Q学习（Q-Learning）的无人驾驶船舶路径规划模型，有效地在未知环境中规划出较优路径及成功避让多个障碍物[3]。2019年，封佳祥等人提出一种多任务约束条件下基于强化学习的水面无人艇路径规划方法，实现了完成多任务约束条件下的无人艇路径规划[4]。Q-Learning是一种基于Q值迭代的无模型强化学习方法，如今被广泛应用于各个领域[5]。2020年，胡学敏等人提出基于深度时空Q网络的定向导航自动驾驶运动规划方法来实现定向导航的目的[6]。2021年，周彬等人提出了基于导向强化Q学习的无人机路径规划方法，实现无人机的自主导航和快速路径规划[7]。2022年，杨秀霞等人提出一种基于阶段Q学习的机器人路径规划方法，使得机器人在复杂环境中能够迅速找到无碰撞路径[8]。

作为一种新技术，Q-Learning方法在解决路径规划问题过程中取得了良好效果。该方法引入石油物探领域解决海上地震勘探航线规划，将会显著提升物探船的作业效率。

文章详细内容下载请点击：基于强化Q学习的海上地震勘探航线自动规划方法AET-电子技术应用-最丰富的电子设计资源平台 (chinaaet.com)

【作者信息】

崔焘1，2，张昊楠1，2，阮福明1，2，崔世峰1，2，张少鹏1，2

（1.中海油田服务股份有限公司物探事业部， 天津 300459；2.海洋油气勘探国家工程研究中心， 北京 100028）