地震探査におけるフルウェーブフォームインバージョン法
Dalam beberapa dekade terakhir, industri geosains—khususnya eksplorasi migas, panas bumi, dan studi geologi bawah permukaan—mengalami perkembangan pesat dalam teknologi pencitraan seismik. Jika dahulu interpretasi struktur bawah permukaan banyak bergantung pada pemetaan refleksi dan analisis kecepatan yang relatif sederhana, kini pendekatan yang lebih maju semakin dominan. Salah satu metode yang dianggap sebagai “standar emas” dalam membangun model kecepatan bawah permukaan beresolusi tinggi adalah Full Waveform Inversion (FWI) . Metode ini memanfaatkan keseluruhan informasi yang terkandung dalam 地震波, bukan hanya waktu tempuh (traveltime) atau amplitudo refleksi secara terbatas. Dengan demikian, FWI menjadi alat yang sangat kuat untuk meningkatkan ketelitian model bawah permukaan dan mengurangi ketidakpastian interpretasi.
コンセップ・ダサール Full Waveform Inversion
Secara sederhana, FWI adalah proses inversi nonlinier yang bertujuan mencari model parameter bawah permukaan (misalnya kecepatan gelombang P, kecepatan gelombang S, densitas, atau parameter elastik lainnya) sehingga data seismik sintetik yang dihitung dari model tersebut cocok dengan data seismik observasi di lapangan. Berbeda dari metode konvensional yang hanya memanfaatkan sebagian informasi gelombang (misalnya picking first break untuk tomografi), FWI berupaya mencocokkan bentuk gelombang lengkap (full waveform) : fase, amplitudo, dan interferensi antar peristiwa gelombang.
FWIは通常、観測データと合成データの間の不一致を最小化する最適化問題として定式化されます。この不一致は、2つのデータセット間の差の最小二乗ノルムなどの目的関数で表現できます。最小化プロセスは反復的で、不一致が最小値に達するか、収束条件が満たされるまで、モデルが段階的に更新されます。
Mengapa FWI Penting dalam Eksplorasi Seismik?
地下構造イメージングは、速度モデルの品質に大きく左右されます。反射法地震探査では、速度モデルによってマイグレーション精度、反射面位置、画像鮮明度、さらには炭化水素トラップの解釈までが決定されます。速度モデルが不正確だと、構造画像がずれたり、傾いたり、アーティファクトが発生したりして、最終的に探査判断を誤らせる可能性があります。
FWIは、波動伝播の物理法則に合致したより詳細なモデルを作成することで、この問題の解決に役立ちます。走時トモグラフィーよりも高解像度のFWIは、以下のような複雑な領域を含む、微妙な横方向および垂直方向の速度変化を捉えることができます。
– 高速コントラストによる塩体
―地表付近の複雑な地形（風化層、中空の炭酸塩岩）
－複雑な断層と褶曲構造
– 薄い貯留層または中規模の不均質性
その結果、より鮮明な地下構造モデルが得られ、マイグレーション処理（RTM/LSRTM）が促進され、地質学的解釈の信頼性が向上する。
FWIの動作原理と段階
一般的に、FWIのワークフローはいくつかの主要な段階で構成されています。
1. Penyusunan model awal (initial model)
FWIは初期モデルの品質に大きく依存する。このモデルは、トモグラフィー、地質学的解釈、移動速度モデル、または複数の手法の組み合わせから導出できる。初期モデルが実際の状況からかけ離れすぎていると、逆解析が収束しない可能性がある。
2. Forward modeling (simulasi gelombang)
地震波は、現在のモデルに基づいた波動方程式（音響／弾性）を用いてシミュレーションされます。出力は合成地震記録です。
3. Perhitungan misfit
不適合度は、合成データと観測データの差として算出されます。比較は、時間領域、周波数領域、あるいは特定の属性領域で行うことができます。
4. Perhitungan gradien (adjoint-state method)
モデルを更新するには、不適合度を低減するためにパラメータの変化方向を把握する必要があります。随伴状態法を用いることで、非常に多くのパラメータに対しても効率的な勾配計算が可能になります。
5. Update model (optimasi iteratif)
モデルは、最急降下法、共役勾配法、準ニュートン法（L-BFGS）などの最適化アルゴリズムを用いて更新されます。このプロセスは、結果が満足できると判断されるまで複数回繰り返されます。
Dalam praktiknya, FWI sering menerapkan strategi multiskala (multi-scale) : inversi dimulai dari frekuensi rendah (untuk menangkap tren kecepatan besar) kemudian secara bertahap menambahkan frekuensi lebih tinggi untuk meningkatkan resolusi detail. Strategi ini penting untuk menghindari jebakan solusi lokal.
主な課題：非線形性とサイクルスキップ
Salah satu kendala terbesar dalam FWI adalah nonlinearitas , yang membuat permukaan fungsi objektif memiliki banyak minimum lokal. Masalah yang paling terkenal adalah cycle skipping , yaitu kondisi saat sintetik dan observasi berbeda lebih dari setengah periode gelombang, sehingga inversi “terjebak” dan mengarahkan model ke solusi yang salah.
サイクルスキップは通常、次のような場合に発生します。
– 初期モデルが実際のモデルからかけ離れすぎている
低周波は利用できないか、品質が悪い。
– 不適切な取得ジオメトリ（オフセット／方位角の不足）
信号対雑音比が低い、またはデータが正しく処理されていない
Untuk mengurangi risiko ini, beberapa pendekatan digunakan, misalnya pemanfaatan data frekuensi rendah, pemilihan fungsi objektif alternatif (misfit berbasis envelope atau traveltime), regularisasi, serta integrasi informasi geologi dan constraints.
FWIの種類：音響、弾性、異方性
FWIには複数の種類があります。どの種類を選択するかは、媒体の複雑さと研究対象によって異なります。
– Acoustic FWI : mengasumsikan medium akustik (tanpa gelombang geser). Lebih sederhana dan umum digunakan sebagai tahap awal, terutama di laut (marine) dengan dominasi gelombang P.
– Elastic FWI : mempertimbangkan gelombang P dan S serta konversi mode. Cocok untuk data darat (land) dan near-surface kompleks, tetapi lebih mahal secara komputasi dan sensitif terhadap noise.
– Anisotropic FWI : memasukkan efek anisotropi (VTI, TTI), penting di sedimen berlapis atau area dengan struktur geologi tertentu. Ini meningkatkan akurasi, namun menambah jumlah parameter yang harus diinversi.
Dalam eksplorasi modern, tren bergerak ke arah inversi yang semakin realistis: elastik dan anisotropik, terutama ketika tujuan akhirnya adalah karakterisasi reservoir dan properti batuan.
データおよびコンピューティングのニーズ
FWI（フルウェーブインバージョン）には、高品質のデータ、十分なオフセット範囲、そして厳格な処理制御が必要です。合成データと観測データの整合性を保つためには、ノイズ除去、ソース補正、ゴースト除去（海洋の場合）、スタティック補正（陸上の場合）、振幅／位相調整などの段階を経る必要があります。
Dari sisi komputasi, FWI sangat mahal karena forward modeling dan adjoint modeling harus dilakukan untuk banyak sumber dan iterasi. Karena itu, implementasi FWI hampir selalu memanfaatkan komputasi paralel di cluster atau GPU. Seiring berkembangnya HPC (High-Performance Computing), metode ini makin praktis dipakai dalam skala industri.
探査意思決定への応用と影響
FWIは速度モデルの品質を向上させることが示されており、これは以下の点に直接的な影響を与える。
– より集中的なマイグレーションとより正確なリフレクター位置決め
– 構造解釈の改善（断層、塩層側面、水路）
－掘削目標深度の不確実性の低減
坑井データ、VSP、および地域地質との統合性の向上
探査会社にとって、深度と画像精度のわずかな向上は、大きなコスト削減につながり、空井戸掘削のリスクを低減することにもなり得る。
閉鎖
Full Waveform Inversion merupakan salah satu terobosan paling signifikan dalam seismik eksplorasi modern karena memanfaatkan informasi gelombang seismik secara menyeluruh. Dengan pendekatan inversi nonlinier dan pemodelan fisika gelombang yang detail, FWI mampu menghasilkan model bawah permukaan beresolusi tinggi yang sangat penting untuk pencitraan dan interpretasi geologi. Meski menghadapi tantangan seperti cycle skipping, kebutuhan data berkualitas, dan komputasi besar, perkembangan algoritma, strategi multiskala, serta kemajuan komputasi paralel membuat FWI semakin matang dan luas diterapkan. Dalam konteks eksplorasi, metode ini bukan hanya meningkatkan kualitas gambar bawah permukaan, tetapi juga menjadi fondasi penting untuk pengambilan keputusan yang lebih akurat, efisien, dan berisiko lebih rendah.
