Méthode d'inversion de forme d'onde complète en exploration sismique
Ces dernières décennies, le secteur des géosciences, et plus particulièrement l'exploration pétrolière et gazière, la géothermie et l'étude de la géologie du sous-sol, a connu des progrès rapides en matière d'imagerie sismique. Si l'interprétation structurale du sous-sol reposait autrefois largement sur la cartographie de réflexion et l'analyse de vitesse, des approches plus avancées sont aujourd'hui de plus en plus privilégiées. L'inversion de forme d'onde complète (FWI) est considérée comme la méthode de référence pour la construction de modèles de vitesse du sous-sol à haute résolution. Cette méthode exploite l'intégralité des informations contenues dans les ondes sismiques, et non seulement le temps de propagation ou l'amplitude de réflexion. La FWI constitue ainsi un outil puissant pour améliorer la précision des modèles du sous-sol et réduire l'incertitude d'interprétation.
Concepts de base de l'inversion de forme d'onde complète
En termes simples, l'inversion de forme d'onde complète (FWI) est un processus d'inversion non linéaire visant à modéliser les paramètres du sous-sol (par exemple, la vitesse des ondes P et S, la densité ou d'autres paramètres élastiques) afin que les données sismiques synthétiques calculées à partir de ce modèle correspondent aux données sismiques observées sur le terrain. Contrairement aux méthodes conventionnelles qui n'utilisent qu'une information partielle sur les ondes (par exemple, la détection de la première rupture pour la tomographie), la FWI cherche à reproduire la forme d'onde complète : phase, amplitude et interférences entre les événements d'ondes.
L'inversion de forme d'onde complète (FWI) est généralement formulée comme un problème d'optimisation : minimiser l'écart entre les données observées et les données synthétiques. Cet écart peut être exprimé par une fonction objectif, telle que la norme des moindres carrés de la différence entre deux ensembles de données. Le processus de minimisation est itératif ; le modèle est mis à jour progressivement jusqu'à ce que l'écart atteigne une valeur minimale ou qu'un critère de convergence soit satisfait.
Pourquoi l'inversion de forme d'onde complète (FWI) est-elle importante en exploration sismique ?
L'imagerie du sous-sol est fortement influencée par la qualité des modèles de vitesse. En sismique réflexion, ces modèles déterminent la précision de la migration, la position des réflecteurs, la netteté de l'image et même l'interprétation des pièges à hydrocarbures. Un modèle de vitesse incorrect peut entraîner des décalages, des inclinaisons ou même l'apparition d'artefacts dans les images structurales, faussant ainsi les décisions d'exploration.
L'inversion de forme d'onde complète (FWI) contribue à résoudre ce problème en produisant des modèles plus détaillés, cohérents avec la physique de la propagation des ondes. Grâce à une résolution supérieure à celle de la tomographie des temps de trajet, la FWI peut capturer de subtiles variations de vitesse latérales et verticales, y compris dans des zones complexes telles que :
– Corps de sel avec contraste à haute vitesse
– Complexité de la zone proche de la surface (couches d'altération, roches carbonatées creuses)
– Structures complexes de failles et de plis
– Réservoir mince ou hétérogénéité à moyenne échelle
Il en résulte un modèle de sous-sol plus précis, facilitant le processus de migration (RTM/LSRTM) et améliorant la fiabilité de l'interprétation géologique.
Principes de fonctionnement et étapes de l'induction de la fonte (FWI)
De manière générale, le flux de travail FWI se compose de plusieurs étapes principales :
1. Préparation du modèle initial
L'inversion de forme d'onde complète (FWI) dépend fortement de la qualité du modèle initial. Ce modèle peut être issu de la tomographie, d'interprétations géologiques, de modèles de vitesse de migration ou d'une combinaison de plusieurs méthodes. Un modèle initial trop éloigné des conditions réelles peut empêcher la convergence de l'inversion.
2. Modélisation directe (simulation des vagues)
Les ondes sismiques sont simulées à l'aide d'équations d'ondes (acoustiques/élastiques) basées sur le modèle actuel. Le résultat est un sismogramme synthétique.
3. Calcul de l'écart
L'écart est calculé comme la différence entre les données synthétiques et les données observées. Les comparaisons peuvent être effectuées dans le domaine temporel, le domaine fréquentiel, ou même des domaines d'attributs spécifiques.
4. Calcul du gradient (méthode des états adjoints)
Pour mettre à jour un modèle, il est nécessaire de connaître le sens des variations des paramètres afin de réduire l'écart. La méthode de l'état adjoint permet un calcul efficace du gradient, même pour un très grand nombre de paramètres.
5. Mise à jour du modèle (optimisation itérative)
Le modèle est mis à jour à l'aide d'un algorithme d'optimisation, tel que la méthode de la plus forte pente, le gradient conjugué ou la méthode quasi-Newton (L-BFGS). Ce processus est répété plusieurs fois jusqu'à ce que les résultats soient jugés satisfaisants.
En pratique, l'inversion de forme d'onde complète (FWI) utilise souvent une stratégie multi-échelle : elle débute aux basses fréquences (pour capturer les grandes tendances de vitesse) puis ajoute progressivement des fréquences plus élevées afin d'améliorer la résolution des détails. Cette stratégie est importante pour éviter le piège de la solution locale.
Principaux défis : non-linéarité et sauts de cycle
L'un des principaux défis de l'inversion de forme d'onde complète (FWI) réside dans la non-linéarité, qui engendre de nombreux minima locaux sur la surface de la fonction objectif. Le problème le plus connu est le saut de cycle, où les valeurs synthétiques et observées diffèrent de plus d'une demi-période d'onde, ce qui bloque l'inversion et conduit le modèle à une solution erronée.
Le saut de cycle se produit généralement lorsque :
– Le modèle initial est trop éloigné du modèle réel
– Les basses fréquences ne sont pas disponibles ou sont de mauvaise qualité.
– Géométrie d'acquisition inadéquate (absence de décalage/azimut)
– Faible rapport signal/bruit ou données mal traitées
Pour atténuer ce risque, plusieurs approches sont utilisées, par exemple l'utilisation de données à basse fréquence, la sélection de fonctions objectives alternatives (basées sur l'enveloppe ou l'inadéquation du temps de trajet), la régularisation et l'intégration d'informations et de contraintes géologiques.
Types d'inversion de forme d'onde complète (FWI) : acoustique, élastique et anisotrope
Il existe plusieurs types d'induction de forme d'onde complète (FWI). Le choix dépend de la complexité du milieu et de l'objectif de l'étude :
– Inversion de forme d'onde acoustique : suppose un milieu acoustique (sans ondes de cisaillement). Plus simple et plus couramment utilisée comme point de départ, notamment en milieu marin où les ondes P sont prédominantes.
– Inversion de forme d'onde élastique : prend en compte les ondes P et S ainsi que la conversion de mode. Convient aux données complexes de surface et de subsurface, mais est plus gourmande en ressources de calcul et sensible au bruit.
– Inversion de forme d'onde complète anisotrope : intègre les effets anisotropes (VTI, TTI), importants dans les sédiments stratifiés ou les zones présentant des structures géologiques spécifiques. Cela améliore la précision, mais augmente le nombre de paramètres à inverser.
Dans l'exploration moderne, la tendance est à des inversions de plus en plus réalistes : élastiques et anisotropes, notamment lorsque l'objectif final est la caractérisation du réservoir et des propriétés de la roche.
Besoins en données et en informatique
L'inversion de forme d'onde complète (FWI) exige des données de haute qualité, une bonne couverture de décalage et des contrôles de traitement rigoureux. Les données doivent subir des étapes telles que le débruitage, la correction de la source, la suppression des fantômes (pour les données marines), la correction statique (pour les données terrestres) et l'ajustement d'amplitude/phase afin de garantir une comparaison cohérente entre les données synthétiques et observées.
Du point de vue du calcul, l'inversion de forme d'onde complète (FWI) est très coûteuse car la modélisation directe et adjointe doit être effectuée sur de multiples sources et itérations. Par conséquent, les implémentations de FWI utilisent presque toujours le calcul parallèle sur des clusters ou des GPU. Avec les progrès du calcul haute performance (HPC), cette méthode devient de plus en plus pratique pour les applications industrielles.
Applications et impact sur les décisions d'exploration
Il a été démontré que l'inversion de forme d'onde complète (FWI) améliore la qualité des modèles de vitesse, ce qui a ensuite un impact direct sur :
– Migration plus ciblée et positionnement des réflecteurs plus précis
– Amélioration de l’interprétation structurale (faille, flanc de sel, chenal)
– Réduction de l'incertitude quant à la profondeur cible de forage
– Meilleure intégration des données de puits, des données VSP et de la géologie régionale
Pour les sociétés d'exploration, de petites améliorations en termes de profondeur et de précision d'image peuvent se traduire par d'importantes économies et réduire le risque de forage à sec.
Clôture
L'inversion de forme d'onde complète (FWI) représente une avancée majeure en ingénierie sismique d'exploration moderne, grâce à l'exploitation d'informations exhaustives sur les ondes sismiques. Utilisant une approche d'inversion non linéaire et une modélisation détaillée de la physique des ondes, la FWI permet de produire des modèles de sous-sol haute résolution, essentiels à l'imagerie et à l'interprétation géologiques. Malgré des défis tels que le saut de cycle, la nécessité de données de haute qualité et une charge de calcul importante, le développement d'algorithmes, de stratégies multi-échelles et les progrès du calcul parallèle ont permis à la FWI de gagner en maturité et d'étendre considérablement ses applications. Dans le contexte de l'exploration, cette méthode améliore non seulement la qualité des images de sous-sol, mais fournit également une base essentielle pour une prise de décision plus précise, plus efficace et moins risquée.
