چکیده: یکی از مهمترین داده‌های مرتبط با اکتشاف نفت و گاز، داده‌های لرزه‌ای بازتابی است. وارون‌سازی لرزه‌ای از مهمترین مراحل اکتشاف و مدل‌سازی مخازن هیدروکربوری به شمار می‌رود. روش‌های مختلفی برای وارون‌سازی دادههای لرزه‌ای وجود دارد که مجموعه رو‌ش‌های وارون‌سازی تصادفی جدیدترین روش‌ها در این زمینه می باشند. در این روش‌ها، برای حل مسأله وارون از الگوریتم‌های شبیه‌سازی زمین‌آماری استفاده می‌شود. در این رساله، ابتدا الگوریتم بهبودیافته‌ای برای شبیه‌سازی زمین‌آماری متوالی مستقیم ارائه شد و سپس با تهیه کدهای رایانه‌ای در محیط برنامه‌نویسی MATLAB، عملکرد آن برای شبیه‌سازی داده‌های مصنوعی و واقعی مورد ارزیابی قرار گرفت. سپس، بر اساس این الگوریتم بهبودیافته، الگوریتم‌های جدیدی برای وارون‌سازی تصادفی سه‌بعدی داده‌های لرزه‌ای به صورت پایا و ناپایا ارائه شده و با تهیه کدهای لازم، توانایی آن‌ها در مدل سازی داده‌های مصنوعی و واقعی مورد تحلیل قرار گرفت. در انتها الگوریتمی نیز برای بهینه سازی پارامترهای واریوگرام در حین وارون سازی تصادفی ناپایای سه بعدی داده های لرزه ای با روش ازدحام ذرات ارائه شد. نتایج حاصل از بکارگیری الگوریتم شبیه‌سازی متوالی مستقیم بهبودیافته بر روی داده‌های مصنوعی و واقعی نشان از توزیع مناسب‌تر‌ مقادیر مقاومت صوتی شبیه‌سازی شده نسبت به الگوریتم رایج دارد. این موضوع توسط بازتولید هیستوگرام‌های محلی در هر منطقه توسط الگوریتم بهبودیافته تأیید شده است. نتایج وارون‌سازی صورت گرفته بر روی داده‌های مصنوعی بدون نوفه نشان می‌دهند که خطای وارون‌سازی تصادفی در حالت ناپایا، به میزان 6.1 درصد و برای داده‌های نوفه‌دار، به مقدار 9.7 درصد نسبت به نتایج وارون‌سازی تصادفی پایا کاهش می‌دهد. همچنین، اعتبارسنجی نتایج وارون‌سازی تصادفی ناپایا با استفاده از داده‌های چا‌ه‌های آزمایشی در حالت بدون نوفه، نشان‌دهنده کاهش خطا به مقدار 4.6 درصد در چاه شماره یک و 8.1 درصد در چاه شماره دو نسبت به حالت پایا بوده است. کاهش خطا در مورد داده‌های نوفه‌دار نیز برای چاه‌های شماره یک و دو به ترتیب 12 و 11.3 درصد محاسبه شده است. مقایسه نتایج وارون‌سازی داده‌های لرزه‌ای میدانی (واقعی) در حالت ناپایا کاهش 2.8 درصدی از خطا را نسبت به حالت وارون‌سازی پایا نشان داده است. همچنین، آزمون نتایج وارون‌سازی ناپایا در این حالت، با استفاده از داده‌های چاه آزمایشی نشان‌دهنده کاهش خطای وارون‌سازی به مقدار 4/5 درصد نسبت به حالت پایا بوده است. علاوه بر آن، الگوریتم بهینه‌سازی پارامترهای واریوگرام در وارون‌سازی ناپایا بر روی داده‌های مصنوعی بدون نوفه و نوفه‌دار و داده های میدانی توانسته خطای مدل سازی را کمی (حدود 1 درصد) نسبت به حالت بدون بهینه‌سازی کاهش دهد.