Phương pháp đảo ngược toàn sóng trong thăm dò địa chấn
Trong những thập kỷ gần đây, ngành khoa học địa chất—đặc biệt là thăm dò dầu khí, năng lượng địa nhiệt và nghiên cứu địa chất dưới lòng đất—đã chứng kiến những tiến bộ nhanh chóng trong công nghệ hình ảnh địa chấn. Trong khi việc giải thích cấu trúc dưới lòng đất trước đây chủ yếu dựa vào việc lập bản đồ phản xạ và phân tích vận tốc tương đối đơn giản, thì hiện nay các phương pháp tiên tiến hơn đang ngày càng chiếm ưu thế. Một phương pháp được coi là “tiêu chuẩn vàng” để xây dựng các mô hình vận tốc dưới lòng đất có độ phân giải cao là phương pháp đảo ngược toàn sóng (Full Waveform Inversion - FWI). Phương pháp này sử dụng toàn bộ thông tin có trong sóng địa chấn, không chỉ thời gian truyền sóng hoặc biên độ phản xạ hạn chế. Do đó, FWI là một công cụ mạnh mẽ để cải thiện độ chính xác của các mô hình dưới lòng đất và giảm sự không chắc chắn trong việc giải thích.
Khái niệm cơ bản về đảo ngược toàn bộ dạng sóng
Nói một cách đơn giản, FWI là một quá trình đảo ngược phi tuyến tính nhằm mục đích tìm ra mô hình các thông số dưới lòng đất (ví dụ: vận tốc sóng P, vận tốc sóng S, mật độ hoặc các thông số đàn hồi khác) sao cho dữ liệu địa chấn tổng hợp được tính toán từ mô hình khớp với dữ liệu địa chấn quan sát được trên thực địa. Không giống như các phương pháp thông thường chỉ sử dụng thông tin sóng một phần (ví dụ: chọn điểm gãy đầu tiên để chụp ảnh cắt lớp), FWI cố gắng khớp toàn bộ dạng sóng: pha, biên độ và sự giao thoa giữa các sự kiện sóng.
FWI thường được xây dựng như một bài toán tối ưu hóa: giảm thiểu sự sai lệch giữa dữ liệu quan sát và dữ liệu tổng hợp. Sự sai lệch này có thể được biểu thị bằng một hàm mục tiêu, chẳng hạn như chuẩn bình phương nhỏ nhất của sự khác biệt giữa hai tập dữ liệu. Quá trình giảm thiểu là một quá trình lặp đi lặp lại, cập nhật mô hình một cách tăng dần cho đến khi sự sai lệch đạt giá trị tối thiểu hoặc một tiêu chí hội tụ được đáp ứng.
Tại sao FWI lại quan trọng trong thăm dò địa chấn?
Chất lượng của mô hình vận tốc ảnh hưởng rất lớn đến hình ảnh dưới lòng đất. Trong địa chấn phản xạ, mô hình vận tốc quyết định độ chính xác của quá trình dịch chuyển, vị trí phản xạ, độ sắc nét của hình ảnh, và thậm chí cả việc giải thích bẫy hydrocarbon. Nếu mô hình vận tốc không chính xác, hình ảnh cấu trúc có thể bị dịch chuyển, nghiêng hoặc thậm chí xuất hiện các hiện tượng nhiễu, cuối cùng dẫn đến các quyết định thăm dò sai lệch.
FWI giúp giải quyết vấn đề này bằng cách tạo ra các mô hình chi tiết hơn, phù hợp với các định luật vật lý về sự lan truyền sóng. Với độ phân giải cao hơn so với phương pháp chụp ảnh cắt lớp dựa trên thời gian truyền sóng, FWI có thể nắm bắt được những biến đổi vận tốc theo phương ngang và phương thẳng đứng tinh tế, bao gồm cả các vùng phức tạp như:
– Thân muối có độ tương phản tốc độ cao
– Độ phức tạp gần bề mặt (các lớp phong hóa, đá cacbonat rỗng)
– Cấu trúc đứt gãy và nếp gấp phức tạp
– Hồ chứa mỏng hoặc tính không đồng nhất quy mô trung bình
Kết quả là một mô hình dưới bề mặt sắc nét hơn, hỗ trợ quá trình di chuyển (RTM/LSRTM) và cải thiện độ tin cậy của việc diễn giải địa chất.
Nguyên tắc hoạt động và các giai đoạn của FWI
Nhìn chung, quy trình FWI bao gồm một số giai đoạn chính:
1. Chuẩn bị mô hình ban đầu
Phương pháp FWI phụ thuộc rất nhiều vào chất lượng của mô hình ban đầu. Mô hình này có thể được xây dựng từ phép chụp cắt lớp, diễn giải địa chất, mô hình vận tốc di chuyển, hoặc sự kết hợp của nhiều phương pháp. Một mô hình ban đầu quá khác biệt so với điều kiện thực tế có thể khiến quá trình nghịch đảo không hội tụ.
2. Mô phỏng tiến (mô phỏng sóng)
Sóng địa chấn được mô phỏng bằng cách sử dụng các phương trình sóng (âm thanh/đàn hồi) dựa trên mô hình hiện tại. Kết quả đầu ra là một biểu đồ địa chấn tổng hợp.
3. Tính toán sai số
Sai số được tính bằng hiệu số giữa dữ liệu tổng hợp và dữ liệu quan sát. Có thể so sánh trong miền thời gian, miền tần số, hoặc thậm chí cả các miền thuộc tính cụ thể.
4. Tính toán đạo hàm riêng (phương pháp trạng thái liên hợp)
Để cập nhật mô hình, cần phải biết hướng thay đổi của các tham số để giảm thiểu sai số. Phương pháp trạng thái liên hợp cho phép tính toán đạo hàm hiệu quả, ngay cả với số lượng tham số rất lớn.
5. Cập nhật mô hình (tối ưu hóa lặp)
Mô hình được cập nhật bằng thuật toán tối ưu hóa, chẳng hạn như phương pháp giảm độ dốc tối ưu, phương pháp gradient liên hợp hoặc phương pháp quasi-Newton (L-BFGS). Quá trình này được lặp lại nhiều lần cho đến khi kết quả được coi là đạt yêu cầu.
Trên thực tế, FWI thường sử dụng chiến lược đa thang đo: quá trình nghịch đảo bắt đầu ở tần số thấp (để nắm bắt các xu hướng vận tốc lớn) và sau đó dần dần thêm các tần số cao hơn để cải thiện độ phân giải chi tiết. Chiến lược này rất quan trọng để tránh bẫy nghiệm cục bộ.
Những thách thức chính: Tính phi tuyến tính và hiện tượng bỏ qua chu kỳ
Một trong những thách thức lớn nhất trong FWI là tính phi tuyến tính, khiến bề mặt hàm mục tiêu có nhiều cực tiểu cục bộ. Vấn đề nổi tiếng nhất là hiện tượng bỏ qua chu kỳ, trong đó các giá trị tổng hợp và giá trị quan sát được chênh lệch nhau hơn nửa chu kỳ sóng, khiến quá trình nghịch đảo bị "kẹt" và dẫn đến mô hình đưa ra lời giải sai.
Hiện tượng bỏ chu kỳ thường xảy ra khi:
– Mô hình ban đầu quá khác biệt so với mô hình thực tế
– Tần số thấp không khả dụng hoặc chất lượng kém.
– Hình học thu nhận không phù hợp (thiếu độ lệch/góc phương vị)
– Tỷ lệ tín hiệu trên nhiễu thấp hoặc dữ liệu không được xử lý đúng cách
Để giảm thiểu rủi ro này, một số phương pháp được sử dụng, ví dụ như sử dụng dữ liệu tần số thấp, lựa chọn các hàm mục tiêu thay thế (dựa trên bao sóng hoặc sai lệch thời gian truyền sóng), điều chỉnh và tích hợp thông tin và ràng buộc địa chất.
Các loại FWI: Âm học, đàn hồi và dị hướng
Có nhiều hơn một loại FWI. Việc lựa chọn phụ thuộc vào độ phức tạp của phương tiện và đối tượng nghiên cứu:
– Phương pháp FWI âm học: giả định môi trường âm học (không có sóng cắt). Phương pháp này đơn giản hơn và được sử dụng phổ biến hơn làm điểm khởi đầu, đặc biệt là trong môi trường biển nơi sóng P chiếm ưu thế.
– FWI đàn hồi: xem xét cả sóng P và sóng S cũng như sự chuyển đổi chế độ. Thích hợp cho dữ liệu phức tạp trên đất liền và gần bề mặt, nhưng tốn kém hơn về mặt tính toán và nhạy cảm với nhiễu.
– FWI dị hướng: tích hợp các hiệu ứng dị hướng (VTI, TTI), rất quan trọng trong các trầm tích phân lớp hoặc các khu vực có cấu trúc địa chất đặc thù. Điều này cải thiện độ chính xác nhưng làm tăng số lượng tham số cần được đảo ngược.
Trong công tác thăm dò hiện đại, xu hướng đang chuyển dịch sang các phép nghịch đảo ngày càng thực tế hơn: đàn hồi và dị hướng, đặc biệt khi mục tiêu cuối cùng là mô tả đặc điểm tầng chứa và tính chất đá.
Nhu cầu về dữ liệu và điện toán
FWI yêu cầu dữ liệu chất lượng cao, phạm vi phủ sóng tốt và các biện pháp kiểm soát xử lý nghiêm ngặt. Dữ liệu phải trải qua các giai đoạn như khử nhiễu, hiệu chỉnh nguồn, khử bóng mờ (đối với dữ liệu biển), hiệu chỉnh tĩnh (đối với dữ liệu trên đất liền) và điều chỉnh biên độ/pha để đảm bảo sự so sánh nhất quán giữa dữ liệu tổng hợp và dữ liệu quan sát.
Từ góc độ tính toán, FWI rất tốn kém vì việc mô hình hóa thuận và nghịch phải được thực hiện trên nhiều nguồn và nhiều lần lặp. Do đó, các triển khai FWI hầu như luôn sử dụng điện toán song song trên các cụm máy tính hoặc GPU. Với sự phát triển của điện toán hiệu năng cao (HPC), phương pháp này ngày càng trở nên thiết thực hơn cho ứng dụng công nghiệp.
Ứng dụng và tác động đến các quyết định thăm dò
FWI đã được chứng minh là cải thiện chất lượng của các mô hình vận tốc, từ đó tác động trực tiếp đến:
– Di chuyển tập trung hơn và định vị gương phản xạ chính xác hơn
– Cải thiện khả năng diễn giải cấu trúc (đứt gãy, sườn muối, kênh)
– Giảm thiểu sự không chắc chắn về độ sâu mục tiêu khoan
– Tích hợp tốt hơn với dữ liệu giếng khoan, VSP và địa chất khu vực
Đối với các công ty thăm dò, những cải tiến nhỏ về độ sâu và độ chính xác hình ảnh có thể mang lại khoản tiết kiệm chi phí lớn và giảm rủi ro khoan giếng khô.
Đóng cửa
Phương pháp đảo ngược toàn sóng (Full Waveform Inversion - FWI) là một trong những bước đột phá quan trọng nhất trong kỹ thuật địa chấn thăm dò hiện đại, tận dụng thông tin sóng địa chấn toàn diện. Sử dụng phương pháp đảo ngược phi tuyến và mô hình vật lý sóng chi tiết, FWI có thể tạo ra các mô hình dưới lòng đất có độ phân giải cao, rất quan trọng cho việc hình ảnh hóa và diễn giải địa chất. Mặc dù phải đối mặt với những thách thức như bỏ qua chu kỳ, nhu cầu về dữ liệu chất lượng cao và chi phí tính toán lớn, sự phát triển của các thuật toán, chiến lược đa tỷ lệ và những tiến bộ trong điện toán song song đã làm cho FWI ngày càng hoàn thiện và được ứng dụng rộng rãi. Trong bối cảnh thăm dò, phương pháp này không chỉ cải thiện chất lượng hình ảnh dưới lòng đất mà còn cung cấp nền tảng quan trọng cho việc ra quyết định chính xác hơn, hiệu quả hơn và ít rủi ro hơn.
