Metoda pełnej inwersji przebiegu w eksploracji sejsmicznej
W ostatnich dekadach branża geonauki – a w szczególności poszukiwanie ropy naftowej i gazu, energia geotermalna oraz badania geologii podpowierzchniowej – odnotowała gwałtowny postęp w technologii obrazowania sejsmicznego. Podczas gdy interpretacja struktur podpowierzchniowych kiedyś opierała się w dużej mierze na stosunkowo prostym mapowaniu odbić i analizie prędkości, obecnie coraz bardziej zaawansowane podejścia zyskują na popularności. Jedną z metod uważanych za „złoty standard” w konstruowaniu modeli prędkości podpowierzchniowych o wysokiej rozdzielczości jest pełna inwersja fali (FWI). Metoda ta wykorzystuje pełną informację zawartą w falach sejsmicznych , a nie tylko czas ich przebiegu lub ograniczoną amplitudę odbicia. FWI jest zatem potężnym narzędziem do poprawy dokładności modeli podpowierzchniowych i zmniejszenia niepewności interpretacji.
Podstawowe koncepcje pełnej inwersji przebiegu
Mówiąc najprościej, FWI to nieliniowy proces inwersji, którego celem jest znalezienie modelu parametrów podpowierzchniowych (np. prędkości fali P, prędkości fali S, gęstości lub innych parametrów sprężystych), tak aby syntetyczne dane sejsmiczne obliczone na podstawie modelu odpowiadały obserwowanym danym sejsmicznym w terenie. W przeciwieństwie do konwencjonalnych metod, które wykorzystują jedynie częściowe informacje o fali (np. wybierając pierwsze załamanie do tomografii), FWI dąży do dopasowania pełnego kształtu fali: fazy, amplitudy i interferencji między zdarzeniami falowymi.
FWI jest zazwyczaj formułowane jako problem optymalizacyjny: minimalizacja niedopasowania między danymi obserwowanymi a syntetycznymi. To niedopasowanie można wyrazić za pomocą funkcji celu, takiej jak norma najmniejszych kwadratów różnicy między dwoma zbiorami danych. Proces minimalizacji jest iteracyjny i polega na stopniowej aktualizacji modelu, aż do momentu, gdy niedopasowanie osiągnie wartość minimalną lub spełnione zostanie kryterium zbieżności.
Dlaczego FWI jest ważny w badaniach sejsmicznych?
Obrazowanie podpowierzchniowe jest w dużym stopniu uzależnione od jakości modeli prędkości. W sejsmice refleksyjnej modele prędkości określają dokładność migracji, położenie reflektora, ostrość obrazu, a nawet interpretację pułapek węglowodorowych. Jeśli model prędkości jest nieprawidłowy, obrazy strukturalne mogą się przesuwać, przechylać, a nawet zawierać artefakty, co ostatecznie prowadzi do błędnych decyzji eksploracyjnych.
FWI pomaga rozwiązać ten problem, tworząc bardziej szczegółowe modele zgodne z fizyką propagacji fal. Dzięki wyższej rozdzielczości niż tomografia czasu podróży, FWI może rejestrować subtelne zmiany prędkości bocznej i pionowej, w tym złożone strefy, takie jak:
– Ciało solne z kontrastem o dużej prędkości
– Złożoność powierzchniowa (warstwy wietrzenia, puste skały węglanowe)
– Złożone struktury uskokowe i fałdowe
– Zbiornik cienki lub heterogeniczność średniej skali
Rezultatem jest dokładniejszy model podpowierzchniowy, wspomagający proces migracji (RTM/LSRTM) i zwiększający niezawodność interpretacji geologicznej.
Zasady działania i etapy FWI
Ogólnie rzecz biorąc, obieg pracy FWI składa się z kilku głównych etapów:
1. Przygotowanie modelu początkowego
FWI w dużej mierze opiera się na jakości modelu początkowego. Model ten można wyprowadzić z tomografii, interpretacji geologicznych, modeli prędkości migracji lub kombinacji kilku metod. Model początkowy, który jest zbyt odległy od rzeczywistych warunków, może spowodować brak konwergencji inwersji.
2. Modelowanie do przodu (symulacja fal)
Fale sejsmiczne symuluje się za pomocą równań falowych (akustycznych/sprężystych) w oparciu o aktualny model. Wynikiem jest syntetyczny sejsmogram.
3. Obliczenia niedopasowania
Niedopasowanie oblicza się jako różnicę między danymi syntetycznymi a obserwowanymi. Porównania można przeprowadzać w dziedzinie czasu, dziedzinie częstotliwości, a nawet w określonych dziedzinach atrybutów.
4. Obliczanie gradientu (metoda stanów sprzężonych)
Aby zaktualizować model, konieczna jest znajomość kierunku zmian parametrów, aby zmniejszyć niedopasowanie. Metoda stanów sprzężonych umożliwia wydajne obliczenia gradientowe, nawet dla bardzo dużej liczby parametrów.
5. Aktualizacja modelu (optymalizacja iteracyjna)
Model jest aktualizowany za pomocą algorytmu optymalizacyjnego, takiego jak algorytm największego spadku, gradientu sprzężonego lub algorytmu quasi-Newtona (L-BFGS). Proces ten jest powtarzany kilkakrotnie, aż wyniki zostaną uznane za zadowalające.
W praktyce FWI często stosuje strategię wieloskalową: inwersja rozpoczyna się od niskich częstotliwości (aby uchwycić trendy dużych prędkości), a następnie stopniowo dodaje wyższe częstotliwości, aby poprawić rozdzielczość szczegółów. Ta strategia jest ważna, aby uniknąć pułapki lokalnego rozwiązania.
Główne wyzwania: nieliniowość i pomijanie cykli
Jednym z największych wyzwań w FWI jest nieliniowość, która powoduje, że powierzchnia funkcji celu ma wiele minimów lokalnych. Najbardziej znanym problemem jest pomijanie cykli, gdzie wartości syntetyczne i obserwowane różnią się o ponad połowę okresu fali, co powoduje „zablokowanie” inwersji i prowadzi model do błędnego rozwiązania.
Pomijanie cyklu występuje zazwyczaj, gdy:
– Model początkowy jest zbyt odległy od modelu rzeczywistego
– Niskie częstotliwości nie są dostępne lub są słabej jakości
– Niewłaściwa geometria akwizycji (brak przesunięcia/azymutu)
– Niski stosunek sygnału do szumu lub dane nie są przetwarzane prawidłowo
Aby złagodzić to ryzyko, stosuje się różne podejścia, na przykład wykorzystanie danych o niskiej częstotliwości , wybór alternatywnych funkcji celu (opartych na obwiedni lub niedopasowaniu czasu podróży), regularyzację oraz integrację informacji geologicznych i ograniczeń.
Typy FWI: akustyczne, sprężyste i anizotropowe
Istnieje więcej niż jeden rodzaj FWI. Wybór zależy od złożoności medium i celu badania:
– Akustyczny FWI: zakłada ośrodek akustyczny (bez fal ścinających). Prostszy i częściej stosowany jako punkt wyjścia, szczególnie w środowiskach morskich, gdzie dominują fale P.
– Elastyczny FWI: uwzględnia fale P i S, a także konwersję modów. Nadaje się do złożonych danych lądowych i powierzchniowych, ale jest bardziej kosztowny obliczeniowo i wrażliwy na szum.
– Anizotropowy FWI: uwzględnia efekty anizotropowe (VTI, TTI), które są istotne w osadach warstwowych lub obszarach o specyficznej strukturze geologicznej. Poprawia to dokładność, ale zwiększa liczbę parametrów, które należy odwrócić.
Współczesna eksploracja zmierza w kierunku coraz bardziej realistycznych inwersji: elastycznych i anizotropowych, zwłaszcza gdy ostatecznym celem jest charakterystyka złoża i właściwości skał.
Potrzeby w zakresie danych i obliczeń
FWI wymaga wysokiej jakości danych, dobrego pokrycia offsetu i rygorystycznej kontroli przetwarzania. Dane muszą przejść etapy takie jak odszumianie, korekcja źródła, usuwanie widm (dla danych morskich), korekcja statyczna (dla danych lądowych) oraz regulacja amplitudy/fazy, aby zapewnić spójne porównanie danych syntetycznych i obserwowanych.
Z punktu widzenia obliczeniowego, FWI jest bardzo kosztowny, ponieważ modelowanie bezpośrednie i sprzężone musi być przeprowadzane na wielu źródłach i iteracjach. Dlatego implementacje FWI prawie zawsze wykorzystują obliczenia równoległe w klastrach lub na procesorach GPU. Wraz z rozwojem obliczeń o wysokiej wydajności (HPC), metoda ta staje się coraz bardziej praktyczna w zastosowaniach przemysłowych.
Zastosowania i wpływ na decyzje eksploracyjne
Wykazano, że FWI poprawia jakość modeli prędkości, co ma bezpośredni wpływ na:
– Bardziej ukierunkowana migracja i dokładniejsze pozycjonowanie reflektora
– Ulepszona interpretacja strukturalna (uskok, zbocze solne, kanał)
– Zmniejszenie niepewności co do docelowej głębokości wiercenia
– Lepsza integracja z danymi z odwiertu, VSP i regionalną geologią
Dla firm eksploracyjnych niewielkie ulepszenia w zakresie głębokości i dokładności obrazu mogą oznaczać duże oszczędności kosztów i redukcję ryzyka związanego z wierceniem otworów suchych.
Zamknięcie
Pełna inwersja fali (FWI) to jedno z najważniejszych osiągnięć we współczesnej sejsmologii eksploracyjnej , wykorzystujące kompleksowe informacje o falach sejsmicznych. Wykorzystując nieliniowe podejście inwersyjne i szczegółowe modelowanie fizyki fal, FWI pozwala na tworzenie modeli podpowierzchniowych o wysokiej rozdzielczości, które są kluczowe dla obrazowania i interpretacji danych geologicznych. Pomimo wyzwań, takich jak pomijanie cykli, zapotrzebowanie na wysokiej jakości dane i duże obciążenie obliczeniowe, rozwój algorytmów, strategii wieloskalowych i postęp w obliczeniach równoległych sprawiły, że FWI jest coraz bardziej dopracowana i znajduje coraz szersze zastosowanie. W kontekście eksploracji, metoda ta nie tylko poprawia jakość obrazów podpowierzchniowych, ale także stanowi kluczowy fundament dla dokładniejszego, wydajniejszego i mniej ryzykownego podejmowania decyzji.
