مقدمة لخوارزمية الانعكاس الموجي الكامل (FWI)
1. بينداهولوان
في الجيوفيزياء الحديثة، تتزايد الحاجة إلى "رؤية" بنية باطن الأرض . فصناعة الطاقة، والحد من الكوارث ، واستكشاف الطاقة الحرارية الأرضية، وحتى البحوث التكتونية، تتطلب نماذج تفصيلية لباطن الأرض: كيف تتغير سرعة الموجات الزلزالية مع العمق، وأين تقع حدود طبقات الصخور، وكيف يمكن أن تؤثر الاختلافات الطفيفة على انتشار الموجات. ومن أقوى الطرق لتحقيق هذا الغرض تقنية الانعكاس الموجي الكامل (FWI)، وهي خوارزمية انعكاس تستخدم معلومات كاملة من الموجات الزلزالية لتقدير المعايير الفيزيائية لباطن الأرض.
يُشار غالبًا إلى تقنية الانعكاس الموجي الكامل (FWI) بأنها "المعيار الذهبي" في مجال الانعكاس الزلزالي، نظرًا لقدرتها على إنتاج صور عالية الدقة للطبقات تحت السطحية، متفوقةً بذلك على الأساليب التقليدية التي تعتمد فقط على زمن انتقال الموجة أو سعتها. مع ذلك، تأتي هذه القدرة بتكلفة: إذ تتطلب تقنية FWI نمذجة دقيقة للموجات، وموارد حاسوبية ضخمة ، واستراتيجيات تحسين دقيقة لتجنب الوقوع في حلول خاطئة.
تقدم هذه المقالة المفاهيم الأساسية لتقنية FWI، والمكونات الرئيسية لخوارزميتها، والتحديات والاستراتيجيات العامة في تنفيذها.
-
2. ما هو انعكاس الموجة الكاملة؟
ببساطة، تُعدّ تقنية الانعكاس الموجي الكامل (FWI) عملية إيجاد نموذج تحت سطحي يُطابق بيانات الزلازل المُحاكاة مع بيانات الزلازل المرصودة بأفضل شكل ممكن. ويُحدد "أفضل تطابق" بواسطة دالة هدف (عدم التطابق)، مثل مربع الفرق بين البيانات المرصودة والبيانات المُحاكاة عند كل نقطة زمنية وعند كل جهاز استقبال.
تتمثل الاختلافات الأساسية بين تقنية الانعكاس الموجي الكامل (FWI) وطرق الانعكاس الأخرى فيما يلي:
– تستخدم تقنية FWI شكل الموجة بالكامل (الطور، السعة، التداخل، التعدد، الانعراج)، وليس فقط اختيار وقت الوصول.
– تعتمد تقنية FWI على حل معادلة الموجة (الصوتية أو المرنة أو غير المرنة) لمحاكاة البيانات الاصطناعية.
– FWI هي مشكلة تحسين غير خطية واسعة النطاق، لأن معلمات النموذج (مثل سرعات الموجة P أو S) يمكن أن تصل إلى ملايين الخلايا على شبكة ثنائية/ثلاثية الأبعاد.
-
3. المكونات الرئيسية في FWI
3.1 البيانات الرصدية والبيانات الاصطناعية
يتطلب قانون القيادة تحت تأثير الكحول ما يلي:
– بيانات الرصد: تسجيلات الزلازل الميدانية (مجموعة الطلقات) من مصادر وأجهزة استقبال مختلفة.
– البيانات الاصطناعية: نتائج المحاكاة العددية لانتشار الموجات على نموذج مؤقت.
يتم حساب البيانات الاصطناعية عن طريق حل معادلة الموجة (على سبيل المثال، معادلة الموجة الصوتية):
\[
$$ $
\]
حيث \( v(\mathbf{x}) \) هي سرعة الموجة، و\( p \) هو الضغط/الموجة القياسي، و\( s \) هو المصدر.
3.2 النموذج الأولي
تتأثر خوارزمية FWI بشدة بالنموذج الأولي. فإذا كان النموذج الأولي بعيدًا جدًا عن الظروف الفعلية، فقد تواجه الخوارزمية مشكلة تخطي الدورات، وهي عندما يتجاوز فرق الطور بين البيانات الاصطناعية والبيانات المرصودة نصف دورة، مما يؤدي إلى دفع التدرج للحل في الاتجاه الخاطئ.
عادةً ما يتم الحصول على النموذج الأولي من:
– عكس زمن الانتقال (التصوير المقطعي)،
– نماذج السرعة الكلية من التحليل الجيولوجي،
أو اتباع نهج متعدد المقاييس (بدءًا من الترددات المنخفضة).
3.3 دالة الهدف (غير المتوافقة)
وظائف الهدف المشتركة:
\[
J(m)=\frac{1}{2}\sum_{s}\sum_{r}\int (d_{\text{syn}}(t; m)-d_{\text{obs}}(t))^2 \, dt
\]
حيث \( m \) هو معلمة نموذجية (على سبيل المثال، السرعة)، و\( s \) هو مؤشر المصدر، و\( r \) هو مؤشر المستقبل.
إلى جانب عدم التوافق الكلاسيكي من المستوى الثاني، توجد أيضًا حالات عدم توافق بديلة لتقليل تخطي الدورات، على سبيل المثال:
– غير متوافق مع المغلف،
– عدم التوافق الطوري فقط،
- النقل الأمثل (واسرشتاين)،
أو الفلاتر المطابقة.
3.4 حساب التدرج: طريقة الحالة المرافقة
من أهم مميزات تقنية FWI كيفية حساب التدرجات بكفاءة. ونظرًا لكثرة معلمات النموذج، يستحيل الاشتقاق العددي المباشر. والحل هو طريقة الحالة المرافقة.
الصورة البديهية:
1. النمذجة الأمامية: حساب مجال الموجة الأمامية من المصدر في النموذج الحالي.
2. احسب الباقي من البيانات \( \Delta d = d_{\text{syn}} – d_{\text{obs}} \).
3. النمذجة المرافقة: حقن الباقي كمصدر عودة من موضع جهاز الاستقبال ونشره للخلف في الزمن.
4. ينتج عن الارتباط بين حقول الموجة الأمامية والمرافقة تدرج في معلمات النموذج.
باستخدام هذه التقنية، فإن التكلفة الحسابية للتدرج تعادل تقريبًا ضعف نمذجة الموجة لكل مصدر (الأمامي + المرافق)، لذا فهي لا تزال كبيرة ولكنها ممكنة على HPC/GPU.
3.5 مخطط تحديث النموذج (التحسين)
بمجرد الحصول على التدرج \( \nabla J \)، يتم تحديث النموذج باستخدام طريقة التحسين، على سبيل المثال:
– أشد انحدار (الأبسط)،
– التدرج المترافق،
– L-BFGS (يُستخدم عادةً لأنه فعال في حل المشكلات الكبيرة)،
أو طريقة نيوتن/شبه نيوتن.
تحديثات أساسية:
\[
m_{k+1} = m_k – \alpha_k \, H_k^{-1}\nabla J(m_k)
\]
حيث \( \alpha_k \) هو طول الخطوة، و \( H_k^{-1} \) هو تقريب هيسيان العكسي (على سبيل المثال في L-BFGS).
-
4. سير عمل خوارزمية FWI (مختصر)
بشكل عام، يتم تشغيل FWI بشكل تكراري:
1. حدد النموذج الأولي \( m_0 \).
2. لكل مصدر:
– قم بالنمذجة الأمامية ← بيانات اصطناعية،
- حساب البواقي مقابل بيانات الملاحظة،
– قم بنمذجة المرافق،
– تراكم التدرج.
3. تطبيق المعالجة المسبقة (مثل تعويض الإضاءة أو التنعيم).
4. تحديث النموذج باستخدام أساليب التحسين.
5. كرر العملية حتى الوصول إلى التقارب أو حد التكرار.
عادةً ما يتم تشغيل FWI متعدد المقاييس، بدءًا من الترددات المنخفضة (لتصحيح مكونات النموذج واسعة النطاق) ثم الانتقال إلى الترددات الأعلى (لإضافة التفاصيل).
-
5. التحديات الرئيسية في FWI
5.1 تخطي الدورة
هذه هي المشكلة الأكثر شيوعًا. عندما لا تكون البيانات المصطنعة والبيانات المرصودة متوافقة في الطور، قد يؤدي عدم التوافق L2 إلى وصول عملية التحسين إلى قيم دنيا محلية خاطئة. الحل العام:
– بدءًا من الترددات المنخفضة جدًا،
– تحسين النموذج الأولي (التصوير المقطعي)،
– استخدام بدائل غير متوافقة،
– تطبيق استراتيجيات تحديد النطاق الزمني واختيار البيانات.
5.2 التكلفة الحسابية
قد يتطلب التصوير ثلاثي الأبعاد بتقنية FWI مع مصادر متعددة إجراء آلاف إلى ملايين عمليات محاكاة شكل الموجة. وهذا يتطلب ما يلي:
– الحوسبة المتوازية (المجموعة الحاسوبية، وحدة معالجة الرسومات)،
– حفظ الذاكرة (استخدام نقاط التفتيش لحفظ حقول الموجات)،
– بالإضافة إلى استراتيجيات اختيار مجموعة فرعية من المصادر (ترميز المصدر أو الدفعات الصغيرة على غرار التعلم الآلي).
5.3 عدم تطابق الفيزياء والضوضاء
تحتوي البيانات الميدانية على ضوضاء، وتأثيرات الأجهزة، وعدم تجانس الخواص، والتوهين (Q)، والتضاريس المعقدة، وعدم اليقين في المصدر. إذا كانت عملية النمذجة الأمامية بسيطة للغاية (على سبيل المثال، صوتية عندما يكون الوسط مرنًا)، فقد تكون نتائج الانعكاس متحيزة.
5.4 تحديد معلمات النموذج
يؤثر اختيار المعاملات المراد عكسها (مثل: السرعة الابتدائية، الكثافة، السرعة الابتدائية، التباين، Q) على الحساسية والاستقرار. كثرة المعاملات قد تؤدي إلى مفاضلات وتؤدي إلى تدهور التقارب.
-
6. طلب FWI
يُستخدم التصوير الموجي الكامل (FWI) على نطاق واسع من أجل:
- استكشاف النفط والغاز: تحسين دقة نماذج السرعة، والمساعدة في هجرة وتفسير الهياكل،
– الطاقة الحرارية الأرضية: رسم خرائط مناطق التصدع والتغيرات الليثولوجية،
– علم الزلازل العالمي/الإقليمي: تصوير الوشاح والقشرة الأرضية،
– الهندسة الجيوتقنية والهندسة القريبة من السطح: رسم الخرائط الضحلة للأساسات والأنفاق والتخفيف من الآثار البيئية.
تتضح مزايا تقنية FWI عندما يكون الوسط معقدًا والبيانات غنية بمعلومات الموجات: الانعراجات الصغيرة، والمسارات المتعددة، والانعكاسات المتعددة التي تعتبر عادة تداخلًا يمكن أن تكون في الواقع مصادر للمعلومات.
-
7. بينوتوب
يُعدّ الانعكاس الموجي الكامل خوارزميةً لعكس البيانات الزلزالية، تستغل المعلومات الغنية الموجودة في الموجات لبناء نماذج عالية الدقة للطبقات تحت السطحية. ويكمن سرّ نجاحها في دقة نمذجة معادلة الموجة، وكفاءة حسابات التدرج باستخدام طريقة الحالة المرافقة، واستراتيجيات التحسين التي تتجنب القيم الدنيا المحلية مثل تخطي الدورات. وعلى الرغم من متطلباتها الحسابية العالية وتصميم سير العمل الدقيق، فقد أثبتت تقنية الانعكاس الموجي الكامل أنها أسلوبٌ فعّالٌ للغاية في تصوير الأرض واستكشاف الموارد.
إذا رغبتم، يمكنني الاستمرار في كتابة مقالات متابعة تقنية أكثر - على سبيل المثال، مناقشة اشتقاق التدرج المرافق بشكل أكثر رسمية، أو أمثلة على الشفرة الزائفة لـ FWI، أو استراتيجيات النطاق الترددي والنطاق متعدد المقاييس للبيانات الحقيقية.
