1) O documento descreve um curso sobre Full Waveform Inversion (FWI), apresentando seus principais conceitos e etapas.
2) FWI é um esquema de otimização não-linear que obtém propriedades físicas do meio que melhor descrevem dados sísmicos.
3) Os tópicos incluem análise da resolução sísmica, relação entre número de onda e comprimento de onda, e fatores que impactam a qualidade do FWI.
A Evolução das Técnicas de Aquisição Sísmica Marítima para a Coleta de Dados ...
FWI seminar overview
1. VII Semana de Inverno de Geofísica
6 a 8 de Julho/2016 — INCT-GP, UNICAMP, Campinas, SP
MC3 – Full Waveform Inversion:
Introdução e Aplicações
Bruno Pereira Dias, André Bulcão e Djalma Manoel Soares Filho — PETROBRAS
2. Objetivo do Curso
Introdução dos fundamentos da inversão sísmica aplicado à
indústria do petróleo.
Ementa
Módulo 01 – Introdução, Contextualização, Motivação
Módulo 02 – Modelagem, Extrapolação do campo de Ondas
Módulo 03 – Métodos de Otimização
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados (salto de
ciclo, multi-escala, relação offset-frequência,etc...)
Módulo 05 – FWI – Método Adjunto e Aplicações (Madagascar)
Módulo 06 – FWI: Teoria á Prática (Palestra WorkShop SBGF 2015)
3. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
4. Problema Direto
Problema Inverso
Modelo de Propriedades
Velocidade Compressional (VP)
Inversão
Modelagem
Sismogramas
Dados Sísmicos Observados
L(m)=d
d
m=L-1(d)
m
Full Waveform Inversion
5. Esquema não-linear de otimização no qual o principal objetivo é a
obtenção das propriedades físicas do meio que – através de um modelo
matemático – melhor descreve os dados sísmicos adquiridos.
Modeling
Comparison
Update model
Input Datasets
Gradient
Properties output
Full Waveform Inversion
6. Esquema não-linear de otimização no qual o principal objetivo é a
obtenção das propriedades físicas do meio que – através de um modelo
matemático – melhor descreve os dados sísmicos adquiridos.
Modeling
Comparison
Update model
Input Datasets
Gradient
Properties output
Full Waveform Inversion
Input Datasets
Acquired Data Initial Property Model
7. Esquema não-linear de otimização no qual o principal objetivo é a
obtenção das propriedades físicas do meio que – através de um modelo
matemático – melhor descreve os dados sísmicos adquiridos.
Full Waveform Inversion
Modeling
Modeled DataWavefield
Modeling
Comparison
Update model
Input Datasets
Gradient
Properties output
8. Esquema não-linear de otimização no qual o principal objetivo é a
obtenção das propriedades físicas do meio que – através de um modelo
matemático – melhor descreve os dados sísmicos adquiridos.
Modeling
Comparison
Update model
Input Datasets
Gradient
Properties output
Full Waveform Inversion
Comparison
mumC 1
Acquired Data Modeled Data
Objective Function
9. Esquema não-linear de otimização no qual o principal objetivo é a
obtenção das propriedades físicas do meio que – através de um modelo
matemático – melhor descreve os dados sísmicos adquiridos.
Modeling
Comparison
Update model
Input Datasets
Gradient
Properties output
Full Waveform Inversion
Gradient
mumC 1 mm mC
Objective Function Gradient
Esquema não-linear de otimização no qual o principal objetivo é a
obtenção das propriedades físicas do meio que – através de um modelo
matemático – melhor descreve os dados sísmicos adquiridos.
10. Esquema não-linear de otimização no qual o principal objetivo é a
obtenção das propriedades físicas do meio que – através de um modelo
matemático – melhor descreve os dados sísmicos adquiridos.
Modeling
Comparison
Update model
Input Datasets
Gradient
Properties output
Full Waveform Inversion
Update model
kkkk dmm 1
Step length
+
Gradient
Esquema não-linear de otimização no qual o principal objetivo é a
obtenção das propriedades físicas do meio que – através de um modelo
matemático – melhor descreve os dados sísmicos adquiridos.
= +
11. Esquema não-linear de otimização no qual o principal objetivo é a
obtenção das propriedades físicas do meio que – através de um modelo
matemático – melhor descreve os dados sísmicos adquiridos.
Modeling
Comparison
Update model
Input Datasets
Gradient
Properties output
Full Waveform Inversion
Properties output
FWI: High resolution results (~λ/4)
Source wavelet deconvolved
True Model (VP)
Initial Model
12. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
19. Accuracy
100%
Reflectivity
Velocity
2 10 100
𝑙𝑜𝑔
𝑣𝑘 𝑧
2𝜋
, Hz
Baixo Intermediário Alto
Wavenumber
Intermediário:
• Dado sísmico com baixa frequência1
• Tomografia de alta resolução1
• FWI – Full Waveform Inversion
1 - Biondi and Almomin , GEOPHYSICS, 2014.
Análise da Resolução Sísmica
20. Accuracy
100%
Reflectivity
Velocity
2 10 100
𝑙𝑜𝑔
𝑣𝑘 𝑧
2𝜋
, Hz
Baixo Intermediário Alto
Investigar estratégias de FWI para minimizar a lacuna do
gráfico acima.
Avaliar fatores que impactam na qualidade do FWI.
Intermediário:
• FWI – Full Waveform Inversion
Wavenumber
Mas antes...
Principal Objetivo do FWI
21. Sirgue, Thesis, 2003.
𝐾 =
2𝜔
𝑣
𝑐𝑜𝑠 𝜃
2
Então vejamos...
Como estimar K no modelo
Supondo algumas hipóteses
simplificadoras, dentre elas:
• Meio camadas planas
paralelas
Obteve a seguinte relação:
22. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
23. 𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝑲 = 𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 + 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝜆 ∝ 1 𝑲
Numero de Onda
Comprimento de Onda
Logo: 𝑲 baixo alto 𝜆 Grandes estruturas (macro modelo)
𝑲 alto baixo 𝜆 Detalhes (refletividade)
24. 𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝑲 = 𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 + 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝜆 ∝ 1 𝑲
Numero de Onda
Comprimento de Onda
Logo: 𝑲 baixo alto 𝜆 Grandes estruturas (macro modelo)
𝑲 alto baixo 𝜆 Detalhes (refletividade)
25. 𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝑲 = 𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 + 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝜆 ∝ 1 𝑲
Numero de Onda
Comprimento de Onda
Logo: 𝑲 baixo alto 𝜆 Grandes estruturas (macro modelo)
𝑲 alto baixo 𝜆 Detalhes (refletividade)
26. 𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝑲 = 𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 + 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟 𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝑲𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝜆 ∝ 1 𝑲
Numero de Onda
Comprimento de Onda
Logo: 𝑲 baixo alto 𝜆 Grandes estruturas (macro modelo)
𝑲 alto baixo 𝜆 Detalhes (refletividade)
Concluindo...
27. 𝑲 = 𝑲 𝑆𝑜𝑢𝑟𝑐𝑒 + 𝑲 𝑅𝑒𝑐𝑒𝑖𝑣𝑒𝑟
𝜆 ∝ 1 𝑲
Numero de Onda
Comprimento de Onda
Logo: 𝑲 baixo alto 𝜆 Grandes estruturas (macro modelo)
𝑲 alto baixo 𝜆 Detalhes (refletividade)
Mensagem:
Ângulos favorece 𝑲 boa definição do modelo de
velocidades (background)
Ângulos favorece 𝑲 definição das interfaces do modelo
de velocidades (refletividade)
Conclusões similares podem ser obtidos por:
Aumento dos offset (ângulos)
O requisito das baixas frequências empregadas na inversão pode ser
compensado pela presença de grandes offsets (e/ou ângulos entre os
campos de ondas da fontes e dos receptores)
32. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
33. Parâmetros da modelagem
• Moelagem acústica
• Streamer
• Intervalo de tiros 300m
• Intervalo de receptores 25 m
Avaliação dos parâmetros no resultado do FWI tradicional
Dois tipos de aquisições distintas:
Streamer convencional vs broadband – long offset
Full Waveform Inversion
Modelo de Velocidades Real
34. Dado Convencional - 8km Dado Broadband - 16km
Caracterísitica dos Dados Sísmicos:
—
Full Waveform Inversion
35. Dado Convencional - 8km Dado Broadband - 16km
Filtro corta baixa em 4 Hz Filtro corta baixa em 2 Hz
Caracterísitica dos Dados Sísmicos:
—
Full Waveform Inversion
36. Dado Convencional (4 Hz -8 km) Dado Broadband (2 Hz -16 km)
Resultado da Inversão (FWI)
—
Full Waveform Inversion
38. Dado Convencional (4 Hz -8 km)
resultados satisfatórios apenas até o topo do sal.
Dado Broadband (2 Hz - 16 km)
resultados satisfatórios para todas as profundidades.
A falta de offsets (azimuth) e frequências baixas faz com que o FWI
atualize apenas a parcela relativa aos altos números de ondas
(refletividade), deste modo criando interfaces no modelo de velocidades
original, sem preencher corretamente as camadas.
FWI – Conclusões do Experimento
—
Full Waveform Inversion
39. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
40. Full Waveform Inversion
Parâmetros da modelagem
• Moelagem acústica
• Streamer
• Intervalo de tiros 300m
• Intervalo de receptores 25 m
Avaliação da reuloção do FWI tradicional
Checkboard test
Modelo de Velocidades Real
41. Modelo inicial
• Operador de suavização de 1000m
• Contém a velocidade de fundo
correta
• Representa resolução característica
dos modelos tomográficos
Full Waveform Inversion
Modelo de Velocidades Inicial
42. Gestor: E&P-EXP/XXX/XXX Versão: 01 00/09/2014
Modelos de Velocidade para Estudo de Resolução
—
Perturbações ± 5% do valor da velocidade a partir da Lâmina d’água
L=200m L=400m
L=600m L=800m
Full Waveform Inversion
45. Checkerboard Tests:
• Usado no FWI para verificar o numero de onda capaz de ser recuperado
• Fornece uma estimativa da resolução do FWI
• Dependente das parametrizações empregadas (frequência, offset, etc...)
Resultados:
Considerando-se um frequência de corte de 12 Hz
• Parte rasa boa cobertura de ângulos resolução mais alta (~200 m)
• Parte profunda ângulos mais limitados resolução baixa (~400 m)
• Feições geológicas da ordem de 400 m poderiam ser interpretadas diretamente no
modelo de propriedades
• Certamente o refinamento do modelo de velocidades propiciaria uma melhora
considerável na melhoria da qualidade da imagem migrada
• O modelo de velocidades convergiu para a solução correta
• Modelo de baixo numero de ondas correto (suavização de 1000 m)
FWI – Conclusões do Experimento
Full Waveform Inversion
46. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
47. Initial Model 1 Initial Model 2
Global minimum
Local minimum
0001 dmm
Função Objetivo – Presença de mínimos locais
Ausência de baixas frequências
Problemas de Iluminação sísmica aquisição de dados na superfície
Presença de ruídos randômicos
Modelo matemático simplificado para a realidade
Principais pitfalls do FWI
Fitchner, 2010
Conceitos Básicos
48. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
50. FWI – Cycle Skipping
Existência de Mínimos locais:
• Influência da faixa de frequência; e
• Dependência do modelo inicial
51. FWI – Cycle Skipping
Existência de Mínimos locais:
• Influência da faixa de frequência; e
• Dependência do modelo inicial
52. FWI – Cycle Skipping
Existência de Mínimos locais:
• Influência da faixa de frequência; e
• Dependência do modelo inicial
53. FWI – Cycle Skipping
Existência de Mínimos locais:
• Influência da faixa de frequência; e
• Dependência do modelo inicial
54. FWI – Cycle Skipping
Existência de Mínimos locais:
• Influência da faixa de frequência; e
• Dependência do modelo inicial
55. FWI – Cycle Skipping
Existência de Mínimos locais:
• Influência da faixa de frequência; e
• Dependência do modelo inicial
Função Objectivo E(t;w)
Para evitar os mínimos locais são necessários:
• “Bons” modelos iniciais – próximos a solução verdadeira
• Conteúdo de baixas frequências
56. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
71. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
72. Perfil de Velocidades Modelo de Velocidades
5500
1500
Avaliação do comportamento de funcionais distintos como forma de mitigar a
presença de mínimos locais:
• Tradicional (L2 norm):
Onde: 𝒖 – 𝒖 𝒎 dado Calculado 𝒅 – dado Observado 𝒎 - parâmetro
𝐸 𝑇𝑟𝑎𝑑 𝑚 =
1
2
𝒅 𝒙 𝑠, 𝑡, 𝒙 𝑟 − 𝒖 𝒙 𝑠, 𝑡, 𝒙 𝑟
2
𝐸 𝐸𝑛𝑣 𝑚 =
1
2
env 𝒅 𝒙 𝑠, 𝑡, 𝒙 𝑟 − env 𝑢 𝒙 𝑠, 𝑡, 𝒙 𝑟
2
• Envelope:
FWI Tradicional FWI Envelope
FWI – Funções Objetivo Distintas
73. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
74. Conclusões FWI:
—
FWI Tradicional
Requisitos Básicos:
• Dado sísmico
• Modelo Inicial
SIM
Resultado OK
? NÃO
Resultado Ruim
Atualiza reflexão
Mínimo local
FWI Tradicional FWI
Não Convencional
Wiener
DTW
RFWI
Resultado OK
𝑲, 𝝎 - presentes no dado sísmico?
Modelo matemático OK?
etc....
75. Há ainda muita pesquisa a ser feita em FWI
orientadas às regiões de interesses geológicos
Diversas técnicas e novas formulações buscando aumentar a área
de convergência do método
FWI + DTW
FWI + Filtro de Wiener
RFWI
Anisotropia deve ser incorporada quando se trabalha com grandes
afastamento
Deficiência de offsets/azimuth e frequências baixas:
atualiza refletividade criação de interfaces
mínimo local
Aplicações em dados reais de FWI devem ser feitas de forma
cautelosa
Estratégias para controle de qualidade (QC) em diversas etapas
cada caso deve ser investigado cuidadosamente
não existe formula de sucesso para todos os casos
Conclusões:
—
76. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
77. FWI: Há luz no fim do túnel?
Apenas um exemplo de pesquisa em FWI...
78. Adaptado de: Warner et al, SEG, 2014
Warner et al, EAGE 2014
Função Objetivo para o FWI (AWI) – Adaptive Waveform Inversion
Step 1:
Step 2:
FWI – Formulações Não-Convencionais: Filtro de Wiener
79. Função Objetivo para o FWI (AWI) – Adaptive Waveform Inversion
Step 1:
Step 2:
Filtro de Wiener ajusta dados calculados e observados
Ajuste dos dados Sem Cycle Skipping
FWI – Formulações Não-Convencionais: Filtro de Wiener
80. Initial Model Correct Model
Traditional FWI FWI Wiener filter
Conclusões:
• Esquema de FWI mais estável • Sem necessidade de baixas
frequências
FWI – Formulações Não-Convencionais: Filtro de Wiener
Adaptado de: Warner et al, SEG, 2014
Warner et al, EAGE 2014
81. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
82. FWI – Imposição de informações a priori
• A imposição de determinadas característica nos parâmetros a serem invertidos podem
vir a auxiliar a convergência do método de inversão. Tais características podem ser
entendidas como informações a priori no processo de inversão.
• Existem diversos tipos de informações que podem ser incorporadas como informações a
priori na inversão FWI, tais como:
•Valores das propriedades ao longo dos poços (logs de poços)
•Determinadas características geológicas:
•Taxa de variação da propriedade com a profundidade
•Existência de determinadas feições geológicas (domos, soleiras, etc..)
• Imposição de Suavidade e/ou Esparsidade
• Suavidade – Filtro preservando interfaces (Ex: Total Variation)
• O esquema proposto pode ser divido em duas etapas:
•(i) Filtragem via Total Variation
•(ii) Imposição da restrição da variação vertical de velocidades
• Tais etapas serão apresentadas a seguir de forma isolada do algoritmo de inversão FWI.
• Referência: consórcio SLIM, vide:
https://www.slim.eos.ubc.ca/Publications/Public/TechReport/2015/esser2015tvwri/esser2015tvwri.html
84. Parâmetro = 0.75Imagem Original
Parâmetro = 0.45Parâmetro = 0.05
Exemplo de Aplicação: Total Variation
85. Nesta etapa o principal objetivo é impor que o modelo tenha um comportamento no qual
seu valor aumente com a profundidade, e que tal característica possa ser controlada de
forma gradual através de um parâmetro.
Tal restrição pode ser explicada devido a compactação presente nas camadas de substrato,
que faz com que, na maioria dos casos, o valor de velocidade de propagação aumente com
a profundidade.
Tal mecanismo pode ser interpretado como sendo a expressão matemática equivalente ao
procedimento de salt flood, comumente empregado principalmente em modelo geológicos
contendo domo salinos durante a análise de velocidades por tomografia sísmica ou no
imageamento para a definição da base de domos salinos.
A seguir apresenta-se alguns teste realizados.
• Referência: consórcio SLIM, vide:
https://www.slim.eos.ubc.ca/Publications/Public/TechReport/2015/esser2015tvwri/esser2015tvwri.html
Exemplo de Aplicação: Vertical Constrain
86. Parâmetro = 1.0e-3Imagem Original
Parâmetro = 1.0e-4Parâmetro = 0.0
Exemplo de Aplicação: Vertical Constrain
87. 6.0 km/s
1.5 km/s
Color scale: 1500 to 6000 m/s
True Velocity Model
FWI – Imposição de informações a priori
Acquisition Type: Nodes
Nodes spacing: 375.0 m
Shot interval: 50.0 m
Registered time: 10 s
Fonte: www.fairfieldnodal.com
https://archives.aapg.org/explorer/2006/09sep/
nodes.cfm
88. Initial Model
3.0 km/s
1.5 km/s
Full Waveform Inversion
Color scale: 1500 to 3000 m/s
Comments:
• Velocity model chosen to guarantee the cycle skipping problems
• Only with very low frequencies (<1.0 Hz) is that this model would have a chance to converge to the
right solution with the traditional FWI methods.
89. 3.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 3000 m/s
Comments:
• Objective Function: Large decay 100 60% 21 successful iterations
• FWI starts to indicate the shallow part geometry
Full Waveform Inversion
FWI – 1st pass
90. 3.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 3000 m/s
Comments:
• Objective Function: Large decay 100 85% 21 successful + 1 erroneous iterations
• FWI continue to indicate the shallow part and TOS geometry
Full Waveform Inversion
FWI – 2nd pass
91. 3.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 3000 m/s
Comments:
• Objective Function: Large decay 100 88% 21 successful iterations
• FWI continue to improve the shallow part and TOS geometry
•
Full Waveform Inversion
FWI – 3rd pass
92. 4.5 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 4500 m/s
Comments:
• Velocity scale was changed
Full Waveform Inversion
FWI – 3rd pass
93. 4.5 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 4500 m/s
Comments:
• Objective Function: Good decay 100 93.5% 21 successful iterations
• FWI continue to improve the shallow part and salt layer velocity
•
Full Waveform Inversion
FWI – 4th pass
94. 4.5 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 4500 m/s
Comments:
• Objective Function: Good decay 100 94% 21 successful iterations
• FWI continue to improve the salt layer velocity
•
Full Waveform Inversion
FWI – 5th pass
95. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Velocity scale was changed
Full Waveform Inversion
FWI – 5th pass
96. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Good decay 100 95% 21 successful iterations
• FWI continue to improve the salt layer velocity, almost completely filled
•
Full Waveform Inversion
FWI – 6th pass
97. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Small decay 100 98.5% 21 successful iterations
• FWI constrain was reduced, starts to create velocity variations, specially inside the salt layer
• FWI continue to improve the salt layer velocity and sediments bellow
Full Waveform Inversion
FWI – 7th pass
98. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 99.9% 9 successful +4 erroneous iterations
• FWI produces very small changes in the velocity model
Full Waveform Inversion
FWI – 8th pass
99. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 98.4% 21 successful iterations
• Upper limit for the velocity update was changed to 6000 m/s
• FWI produces changes in the embasement and before TOS (high velocity layers)
Full Waveform Inversion
FWI – 9th pass
100. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Good decay 100 9q% 21 successful iterations
• FWI continue to produces changes in the embasement and before TOS (high velocity layers)
• Starts to create high velocity areas in the velocity model
Full Waveform Inversion
FWI – 10th pass
101. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Good decay 100 94.5% 21 successful iterations
• FWI continue to increase the velocity in some areas, specially in the embasement
Full Waveform Inversion
FWI – 11th pass
102. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Small decay 100 96.4% 21 successful iterations
• FWI continue to increase the velocity…
Full Waveform Inversion
FWI – 12th pass
103. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 98.5% 21 successful iterations
• FWI continue to increase the velocity…
•
Full Waveform Inversion
FWI – 13th pass
104. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Good decay 100 95.5% 21 successful iterations
• FWI constrain was reduced even more, increase velocity variations, especially inside and bellow the
salt layer
Full Waveform Inversion
FWI – 14th pass
105. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 99.4% 12 successful iterations only
• FWI produce very small improvements in the velocity…
• FWI trapped, final direction (gradient) do not reduce the objective function
Full Waveform Inversion
FWI – 15th pass
106. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Large decay 100 84% 21 successful iterations
• FWI constrain was completely turned off, increasing velocity variations
Full Waveform Inversion
FWI – 16th pass
107. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Good decay 100 95.4% 21 successful iterations
• FWI continue to converge and improve the velocity variations
Full Waveform Inversion
FWI – 17th pass
108. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 99.3% 21 successful iterations
• FWI continue to improve the velocity variations, but in sub-salt layers the velocity variation was not
capture by the methodology
Full Waveform Inversion
FWI – 18th pass
109. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 98.7% 11 successful iterations
• Reduced the iterations number to 11
• Applied scheme to enhance the gradient in the deeper part of the model
Full Waveform Inversion
FWI – 19th pass
110. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 99.25% 11 successful iterations
• Changed the scale factor to enhance the gradient in the deeper part of the model
• FWI didn't capture the velocity variation bellow the salt layer
Full Waveform Inversion
FWI – 20th pass
111. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 99.78% 11 successful iterations
• Changed the scale factor to enhance the gradient in the deeper part of the model
• FWI produce very small improvements in the objective function
Full Waveform Inversion
FWI – 21th pass
112. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 99.8% 11 successful iterations
• Changed again the scale factor to enhance the gradient in the deeper part of the model
• FWI produce very small improvements in the objective function
Full Waveform Inversion
FWI – 22th pass
113. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 99.8% 11 successful iterations
• Selecting the data portion referent to seismic reflections to try to increase the convergence in the
deeper portion
Full Waveform Inversion
FWI – 23th pass
114. 6.0 km/s
1.5 km/s
Objective Functional
Color scale: 1500 to 6000 m/s
Comments:
• Objective Function: Very small decay 100 99.8% 11 successful iterations
• Final attempted to improve the deeper portion, changed the mute to form the gradient.
• Due to the minor changes in the velocity model, the inversion was stopped.
Full Waveform Inversion
FWI – 24th pass
115. 6.0 km/s
1.5 km/s
Color scale: 1500 to 6000 m/s
True Velocity Model
Full Waveform Inversion
116. True Model
FWI
Traditional
FWI
Constrained
Initial Model
Summary: FWI application synthetic 2D dataset
Acoustic Modeling engine – without noise
Nodes acquisition: shot interval 50 m
20
km maximum offset - 37 receiver gathers
10 s
record time – 9 Hz max. frequency FWI Traditional:
• Gets stuck in a local
minimum;
• Large cycle skipping
prevent the FWI to
converge to the right
solution.
FWI Constrained:
• Avoids local minimums,
due to the velocity
vertical constraints
• Top of salt and
intercalations in the salt
layer were positioned
correctly by the
inversion;FWI Constrained - Recommendations:
• Velocity inversions in the model (sedimentary layers below the salt dome) were not
obtained correctly, due to the type of imposed constraints.
• A elaborate procedure must to be developed to gets the model correctly.
FWI – Imposição de informações a priori
117. • With the absence of any special treatment, the traditional FWI procedure remained
stuck in a local minimum, no matter how many iterations the user let the program run,
eventually it will stop when the gradient (update direction) is null. In this case, the
traditional FWI delivered a very poor velocity model, tremendously far way from the
true one.
• Take into account that the FWI with constraint has started from a homogeneous initial
velocity model, the result obtained by the inversion was excellent, the main features
from the true model was captured (especially in the shallow portions and inside the salt
layer).
• During the beginning of a new pass, a decision was made – based on the previous
results and on the expertise/experience from the FWI inversion behavior - to change the
parameters to guide the inversion.
FWI – Comments and Remarks
118. • The velocity inversion below the salt layer was not inverted correctly, but additional
constraints could be used to guide the inversion into a more plausible geological model.
• The use of constraints or a priori information could lead the FWI to converge to the
global minimum, turning the inversion a more robust process and less sensitive to local
minimums and cycle skipping problem.
• New FWI formulations are being development to expand the methodology
applicability. This allows the use of FWI even before the seismic tomography or
velocity analysis, in this case the FWI would provide a initial model or be
applied in an interactive and interpretative way together with these methods to
form a more robust velocity model building toolbox.
FWI – Comments and Remarks
119. FWI – Principais etapas
Analise da resolução – curva Clearbout
Relação offset-frequência – Sirgue, 2009;
Exemplos sintéticos: Influência da aquisição
Checkboard test
Principais pitfalls do FWI – presença de mínimos locais
Conceito de salto de ciclo
Estratégia Multi-Escala
Influência do modelo matemático: Dado elástico inversão acústica
Importância do modelo inicial no FWI
Comportamento das Funções Objetivo
Requisitos & Conclusões sobre FWI
FWI - Formulação Não-Convencional - Warner, 2014.
FWI - Imposição de vínculos na inversão – Hermman, 2015.
Total Variation & Vertical Constrain
Revisão & Conclusões sobre FWI
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados
120. FWI Tradicional
Requisitos Básicos:
• Dado sísmico – baixa frequência, longo offset
• Modelo Inicial – “próximo” ao correto
• Modelo Matemático adequado
SIM
Resultado OK
? NÃO
Resultado Ruim
Atualiza reflexão
Mínimo local
FWI Tradicional
O que fazer
Muita pesquisa a ser feita em FWI, orientada aos alvos geológicos
Novas formulações buscando aumentar a área de convergência do método
Full Waveform Inversion
121. Há muita pesquisa a ser feita em FWI, orientada aos alvos
geológicos
Novas formulações buscando aumentar a área de
convergência do método
Aplicações em dados reais de FWI devem ser feitas com
extrema “cautela”, cada caso deve ser investigado com
cuidado não existe formula de sucesso para todos os
casos
Considerações Finais:
Nem tudo são Mas...
122. Objetivo do Curso
Introdução dos fundamentos da inversão sísmica aplicado à
indústria do petróleo.
Ementa
Módulo 01 – Introdução, Contextualização, Motivação
Módulo 02 – Modelagem, Extrapolação do campo de Ondas
Módulo 03 – Métodos de Otimização
Módulo 04 – FWI: Algoritmo Geral, tópicos relacionados (salto de
ciclo, multi-escala, relação offset-frequência,etc...)
Módulo 05 – FWI – Método Adjunto e Aplicações (Madagascar)
Módulo 06 – FWI: Teoria á Prática (Palestra WorkShop SBGF 2015)
123. Obrigado pela atenção!
Full Waveform Inversion
In theory, theory and practice are the same.
In practice, they are not.
Albert Einstein
In theory there is no difference between theory and practice.
In practice there is.
Yogi Berra