准确的地震子波估计技术对于高分辨率、高信噪比、高保真度的地震勘探数据处理具有极为重要的意义。新兴的非线性优化方法进一步增强了统计性地震子波提取技术的应用潜力。针对目前统计性子波提取技术中非线性优化算法计算效率不高和求解精度不高的缺陷,提出了一种适合于多维多峰值函数的寻优算法—基于猫映射的混沌遗传算法。遗传算法兼具参数整体的全局搜索能力和单个参数的深度搜索能力。但是在处理规模较大且复杂的优化问题时,遗传算法无法保持种群的多样性,易“早熟”收敛,算法易陷入局部最优。论文针对遗传算法存在的缺陷和地震子波提取中累计量拟合目标函数的特点,引入混沌优化的思想,比较分析了logistic映射、tent映射及猫映射的混沌分布特性,设计开发了一种基于猫映射的混沌遗传算法。该算法利用猫映射的初值敏感性扩大搜索范围,利用猫映射的遍历性进行混沌变量的优化搜索,从而减少了数据冗余,保持了种群多样性,有效地解决了局部收敛问题。理论分析和高维测试函数仿真实验结果表明,该算法加快了种群的进化速度,解决了遗传算法“早熟”收敛及搜索精度低的问题,具有更好的搜索效率和搜索精度。采用基于猫映射的混沌遗传算法对MA(Moving Average)、ARMA(Autoregressive Moving Average)模型描述下的参数进行优化,通过与自适应免疫遗传算法、改进的遗传算法对比结果表明,该算法提取的子波参数更加接近于真实的子波。仿真实验和实际数据实验结果表明,基于猫映射的混沌遗传算法对四阶累积量拟合优化法地震子波提取具有良好的适用性和稳定性。最后,论文进一步将基于猫映射的混沌遗传算法与模型定阶相结合。实验结果表明,在模型准确定阶的前提下,提取子波的参数更加准确,累积量拟合误差更小,提取子波的精确度高。受信噪比、数据长度等因素的影响,拟合过程中会出现模型非准确定阶的情况。仿真实验结果表明,基于猫映射的混沌遗传算法能够有效地提取子波,并且提取出的子波波形和真实子波波形有较好的相似性,从而实现了高精度高效率的子波提取。