Introducción al algoritmo de inversión de forma de onda completa (FWI)
1. Pendahuluan
En la geofísica moderna, la necesidad de visualizar la estructura del subsuelo terrestre es cada vez mayor. La industria energética, la mitigación de desastres, la exploración geotérmica e incluso la investigación tectónica requieren modelos detallados del subsuelo: cómo varía la velocidad de las ondas sísmicas con la profundidad, dónde se ubican los límites de las capas de roca y cómo las pequeñas heterogeneidades pueden afectar la propagación de las ondas. Uno de los métodos más eficaces para este fin es la Inversión de Onda Completa (FWI, por sus siglas en inglés), un algoritmo de inversión que utiliza la información completa de las formas de onda sísmicas para estimar los parámetros físicos del subsuelo.
La inversión de forma de onda completa (FWI) se considera a menudo el método de referencia en inversión sísmica, ya que permite obtener imágenes del subsuelo de alta resolución, superando los métodos convencionales que solo utilizan el tiempo de propagación o la amplitud simple. Sin embargo, esta capacidad tiene un precio: la FWI requiere un modelado preciso de las ondas, importantes recursos computacionales y estrategias de optimización rigurosas para evitar soluciones erróneas.
Este artículo presenta los conceptos básicos de FWI, los componentes principales de su algoritmo y los desafíos y estrategias generales para su implementación.
-
2. ¿Qué es la inversión de forma de onda completa?
En pocas palabras, la inversión de forma de onda completa (FWI) es el proceso de encontrar un modelo del subsuelo que mejor se ajuste a los datos sísmicos simulados y observados. El "mejor ajuste" se define mediante una función objetivo (desajuste), como la diferencia al cuadrado entre los datos observados y sintéticos en cada instante de tiempo y en cada receptor.
Las diferencias fundamentales entre FWI y otros métodos de inversión son:
– La inversión de forma de onda completa (FWI) utiliza la forma de onda completa (fase, amplitud, interferencia, reflexiones múltiples, difracción), no solo la selección del tiempo de llegada.
– La inversión de forma de onda completa (FWI) se basa en la resolución de la ecuación de onda (acústica, elástica o anelástica) para simular datos sintéticos.
– La inversión de forma de onda completa (FWI) es un problema de optimización no lineal a gran escala, porque los parámetros del modelo (por ejemplo, las velocidades de las ondas P o S) pueden abarcar millones de celdas en una cuadrícula 2D/3D.
-
3. Componentes principales en FWI
3.1 Datos de observación y datos sintéticos
FWI requiere:
– Datos de observación: registros sísmicos de campo (registros de disparo) procedentes de diversas fuentes y receptores.
– Datos sintéticos: resultados de la simulación numérica de la propagación de ondas en un modelo temporal.
Los datos sintéticos se calculan resolviendo la ecuación de onda (por ejemplo, la ecuación de onda acústica):
\[
\frac{1}{v^2(\mathbf{x})}\frac{\partial^2 p}{\partial t^2} – \nabla^2 p = s(\mathbf{x},t)
\]
donde \( v(\mathbf{x}) \) es la velocidad de la onda, \( p \) es la presión escalar/onda y \( s \) es la fuente.
3.2 Modelo inicial
La inversión de forma de onda completa (FWI) es muy sensible al modelo inicial. Si el modelo inicial se aleja demasiado de las condiciones reales, el algoritmo puede experimentar saltos de ciclo, que ocurren cuando la diferencia de fase entre los datos sintéticos y los observados supera la mitad de un período, lo que provoca que el gradiente empuje la solución en la dirección incorrecta.
El modelo inicial se obtiene generalmente de:
– inversión del tiempo de viaje (tomografía),
– modelos de velocidad macroscópicos a partir de análisis geológicos,
– o un enfoque multiescala (partiendo de frecuencias bajas).
3.3 Función objetivo (Desajuste)
Funciones objetivo comunes:
\[
J(m)=\frac{1}{2}\sum_{s}\sum_{r}\int (d_{\text{syn}}(t; m)-d_{\text{obs}}(t))^2 \, dt
\]
donde \( m \) es un parámetro del modelo (por ejemplo, la velocidad), \( s \) es el índice de la fuente y \( r \) es el índice del receptor.
Además del desajuste clásico L2, también existen desajustes alternativos para reducir el salto de ciclo, por ejemplo:
– desajuste basado en sobres,
– desajuste de fase solamente,
– transporte óptimo (Wasserstein),
– o filtros coincidentes.
3.4 Cálculo del gradiente: Método del estado adjunto
Una de las características clave de la inversión de forma de onda completa (FWI) es cómo calcular eficientemente los gradientes. Debido a la gran cantidad de parámetros del modelo, la derivación numérica directa es imposible. La solución es el método del estado adjunto.
La imagen intuitiva:
1. Modelado directo: calcular el campo de ondas directas desde la fuente en el modelo actual.
2. Calcular el residuo de los datos \( \Delta d = d_{\text{syn}} – d_{\text{obs}} \).
3. Modelado adjunto: inyectar el residuo como una “fuente de retorno” desde la posición del receptor y propagarlo hacia atrás en el tiempo.
4. La correlación entre los campos de ondas directas y adjuntas produce un gradiente en los parámetros del modelo.
Con esta técnica, el coste computacional del gradiente es aproximadamente equivalente al doble del modelado de ondas por fuente (directa + adjunta), por lo que sigue siendo elevado, pero factible en sistemas HPC/GPU.
3.5 Esquema de actualización del modelo (Optimización)
Una vez obtenido el gradiente \( \nabla J \), el modelo se actualiza utilizando un método de optimización, por ejemplo:
– Descenso más pronunciado (el más sencillo),
– Gradiente conjugado,
– L-BFGS (comúnmente utilizado porque es eficiente para problemas grandes),
– o el método de Newton/cuasi-Newton.
Actualizaciones básicas:
\[
m_{k+1} = m_k – \alpha_k \, H_k^{-1}\nabla J(m_k)
\]
donde \( \alpha_k \) es la longitud del paso y \( H_k^{-1} \) es la aproximación del Hessiano inverso (por ejemplo, en L-BFGS).
-
4. Flujo de trabajo del algoritmo FWI (conciso)
En general, FWI se ejecuta de forma iterativa:
1. Seleccione el modelo inicial \( m_0 \).
2. Para cada fuente:
– realizar modelado directo → datos sintéticos,
– calcular los residuos con respecto a los datos de observación,
– realizar modelado adjunto,
– acumulación de gradiente.
3. Aplicar preacondicionamiento (por ejemplo, compensación de iluminación o suavizado).
4. Actualizar el modelo con métodos de optimización.
5. Repita hasta que se alcance la convergencia o el límite de iteraciones.
Normalmente, la inversión de forma de onda completa (FWI) se ejecuta a múltiples escalas, comenzando con frecuencias bajas (corrigiendo los componentes del modelo a gran escala) y luego pasando a frecuencias más altas (añadiendo detalles).
-
5. Principales desafíos en la inversión de forma de onda completa (FWI)
5.1 Saltar ciclos
Este es el problema más conocido. Cuando los datos sintéticos y observados no están "en fase", el desajuste L2 puede llevar a la optimización a falsos mínimos locales. La solución general es:
– partiendo de frecuencias muy bajas,
– mejorar el modelo inicial (tomografía),
– utilizando inadaptados alternativos,
– Aplicar estrategias de selección de datos y ventanas temporales.
5.2 Costo computacional
La inversión de forma de onda 3D con múltiples fuentes puede requerir de miles a millones de simulaciones de forma de onda. Esto requiere:
– computación paralela (clúster, GPU),
– ahorro de memoria (puntos de control para guardar campos de ondas),
– así como estrategias de selección de subconjuntos de fuentes (codificación de fuentes o mini-lotes al estilo del aprendizaje automático).
5.3 Desajuste entre física y ruido
Los datos de campo contienen ruido, efectos de los instrumentos, anisotropía, atenuación (Q), topografía compleja e incertidumbre de la fuente. Si el modelo directo es demasiado simple (por ejemplo, acústico cuando el medio es elástico), los resultados de la inversión pueden estar sesgados.
5.4 Parametrización del modelo
La elección de los parámetros a invertir (por ejemplo, \( v_p \), densidad, \( v_s \), anisotropía, Q) afecta la sensibilidad y la estabilidad. Un número excesivo de parámetros puede generar compromisos y empeorar la convergencia.
-
6. Aplicación FWI
FWI se utiliza ampliamente para:
– exploración de petróleo y gas: mejora de la resolución de los modelos de velocidad, asistencia en la migración e interpretación de estructuras,
– geotérmica: mapeo de zonas de fractura y cambios litológicos,
– sismología global/regional: imágenes del manto y la corteza,
– Ingeniería geotécnica y de superficie: cartografía superficial para cimentaciones, túneles y medidas de mitigación.
Las ventajas de la inversión de forma de onda completa (FWI) se hacen evidentes cuando el medio es complejo y los datos son ricos en información ondulatoria: pequeñas difracciones, trayectorias múltiples y reflexiones múltiples que normalmente se consideran interferencias pueden ser, en realidad, fuentes de información.
-
7. Penutup
La inversión de forma de onda completa (FWI) es un algoritmo de inversión sísmica que aprovecha la rica información contenida en las formas de onda para construir modelos subsuperficiales de alta resolución. Su éxito radica en la modelización precisa de la ecuación de onda, el cálculo eficiente del gradiente mediante el método del estado adjunto y estrategias de optimización que evitan mínimos locales, como el salto de ciclo. A pesar de sus elevadas exigencias computacionales y el cuidadoso diseño de su flujo de trabajo, la FWI ha demostrado ser una herramienta poderosa en geoimagen y exploración de recursos.
Si lo desea, puedo continuar con artículos de seguimiento más técnicos; por ejemplo, analizando de forma más formal la derivación del gradiente adjunto, ejemplos de pseudocódigo de FWI o estrategias multiescala basadas en paso de banda y ventanas para datos reales.
