地震波速度是地震数据处理中最关键的参数之一。高分辨率的速度模型可用于地震资料解释,可为偏移成像提供精度较高的速度场,也可以为油气藏识别提供有力的证据。如何获得精细的地下速度模型成为当今地球物理界研究人员思考的问题。由于高精度地震勘探的要求,叠加速度分析法、偏移速度分析法和反射层析成像法等传统速度建模方法往往不能为复杂地层中的地震勘探提供高精度的速度模型。近年兴起的全波形反演(FWI)利用了地震全波场信息,如相位和振幅,通过不断更新速度模型来重建地下速度结构,分辨率和精度都较高。然而,由于全波形反演本身存在一定的局限性,如非线性较高导致其强烈依赖于初始模型、计算效率低以及周期跳跃现象等,使其在三维实际地震数据中的应用受限。研究发现,如果给全波形反演提供一个较好的初始模型,会极大地推动全波形反演在地球物理界的发展。叠前波形反演(Pre-stack Waveform Inversion,简称PWI)与传统速度建模方法,如走时反演相比,不仅利用了反射率法和遗传算法进行正、反演以寻找全局最优解,提高了计算效率,还利用了地震全波场信息,提高了反演精度,是比较好的速度建模方法,可以为全波形反演提供良好的初始模型。本文首先研究了走时反演,即利用共轭梯度法对反射波走时数据进行走时成像反演出速度模型。由于走时层析成像的原理导致反演出的速度模型分辨率不是很高,可以将走时反演的结果作为输入,进一步研究叠前波形反演以获得更为精确的速度模型。本文经过深入研究和讨论,提出了一种基于自适应遗传算法的叠前波形反演方法,并将走时反演的结果作为叠前波形反演的初始模型。最后对模拟地震数据进行了反演测试,得到了一个精度较高的速度模型,验证了基于改进遗传算法的叠前波形反演方法为全波形反演提供良好的初始模型的可行性。