地震勘探中的全波形反演方法
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.
基本概念 全波形反转
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.
全波形反演（FWI）通常被建模为一个优化问题：最小化观测数据与合成数据之间的误差。这种误差可以用目标函数来表示，例如两个数据集差异的最小二乘范数。最小化过程是迭代的，逐步更新模型，直到误差达到最小值或满足收敛准则。
Mengapa FWI Penting dalam Eksplorasi Seismik?
地下成像很大程度上取决于速度模型的质量。在反射地震中，速度模型决定了偏移精度、反射层位置、图像清晰度，甚至油气圈闭的解释。如果速度模型不正确，构造图像可能会发生偏移、倾斜，甚至出现伪影，最终误导勘探决策。
全波形反演 (FWI) 通过生成更符合波传播物理规律的精细模型来帮助解决这个问题。与走时层析成像相比，FWI 具有更高的分辨率，可以捕捉到细微的横向和纵向速度变化，包括以下复杂区域：
– 高速对比的盐体
– 近地表复杂性（风化层、空心碳酸盐岩）
复杂的断层和褶皱构造
– 薄储层或中等尺度非均质性
其结果是得到了更清晰的地下模型，有助于迁移过程（RTM/LSRTM），并提高了地质解释的可靠性。
FWI 的工作原理和阶段
一般来说，全波形反演（FWI）工作流程包括以下几个主要阶段：
1. Penyusunan model awal (initial model)
全波形反演(FWI)高度依赖于初始模型的质量。该模型可以来源于层析成像、地质解释、偏移速度模型或多种方法的组合。如果初始模型与实际情况偏差过大，则可能导致反演无法收敛。
2. Forward modeling (simulasi gelombang)
基于当前模型，利用波动方程（声学/弹性）模拟地震波。输出结果为合成地震图。
3. Perhitungan misfit
拟合误差计算为合成数据与观测数据之间的差异。比较可以在时域、频域甚至特定属性域中进行。
4. Perhitungan gradien (adjoint-state method)
为了更新模型，需要了解参数变化的方向以减少拟合误差。伴随状态方法即使对于非常大的参数数量也能高效地计算梯度。
5. Update model (optimasi iteratif)
使用优化算法（例如最速下降法、共轭梯度法或拟牛顿法（L-BFGS））更新模型。此过程重复多次，直至结果令人满意。
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.
主要挑战：非线性与跳周期
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.
周期跳跃通常发生在以下情况下：
初始模型与实际模型相差太远
低频信号不可用或质量差。
– 采集几何形状不足（缺少偏移/方位角）
信噪比低或数据处理不当
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.
全波形反演类型：声学型、弹性型和各向异性型
FWI 有多种类型。选择哪种类型取决于媒介的复杂程度和研究目标：
– 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.
数据和计算需求
全波形反演（FWI）需要高质量的数据、良好的偏移距覆盖范围和严格的处理控制。数据必须经过去噪、源校正、去鬼波（针对海洋数据）、静校正（针对陆地数据）以及振幅/相位调整等步骤，以确保合成数据与观测数据之间具有可比性。
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.
应用及对勘探决策的影响
全波形反演已被证明可以提高速度模型的质量，进而对以下方面产生直接影响：
– 更集中的迁移和更精确的反射器定位
– 改进了构造解释（断层、盐丘侧翼、河道）
降低钻井目标深度的不确定性
– 更好地与井数据、垂直地震剖面和区域地质数据整合
对于勘探公司而言，深度和图像精度方面的微小改进可以带来巨大的成本节约，并降低钻井干孔的风险。
关闭
Full Waveform Inversion merupakan salah satu terobosan paling signifikan dalam 地震勘探 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.
