Experience of acoustic FWI on seismic land data

F. Bizzi (1), B. Galuzzi (2), A. Tognarelli (1), E. Stucchi (2), A. Mazzotti (1)

(1) Dipartimento di Scienze della Terra, Università di Pisa, Italia

(2) Dipartimento di Scienze della Terra, Università di Milano, Italia

Università di Pisa

Obiettivi

Il presente lavoro descrive l'applicazione della Full Waveform Inversion (FWI) acustica a dati terrestri, relativi ad una linea sismica 2D acquisita nell'ambito del progetto Crop.

Gli algoritmi genetici sono impiegati come metodo di ottimizzazione globale per l'inversione.

Lo scopo è quello di ottenere un modello di velocità in bassa frequenza delle onde di pressione.

Il campo di velocità ottenuto, può costituire il modello di input per una successiva inversione basata su un metodo di ottimizzazione locale.

Agenda

- Introduzione ai concetti generali della FWI

- Introduzione agli algoritmi genetici

- Presentazione del dato sismico

- Presentazione dei test di inversione effettuati

- Conclusioni

Agenda

- Introduzione ai concetti generali della FWI

- Introduzione agli algoritmi genetici

- Presentazione del dato sismico

- Presentazione dei test di inversione effettuati

- Conclusioni

Modelli divelocità iniziali

Forward modelling

Dato reale

Dati predetti

Calcolo dellefunzioni di misfit e

selezione dei migliori modelli

Modelloaccettabile?

Modello di velocitàfinale

Si

No

Full waveform inversion (FWI)

Consiste in un problema di inversione geofisica...

… fortemente non lineare e con molte limitazioni:

- presenza di numerosi minimi locali nella funzione di misfit

- difficoltà di applicazione a dati terrestri

- alto costo computazionale

Agenda

- Introduzione ai concetti generali della FWI

- Introduzione agli algoritmi genetici

- Presentazione del dato sismico

- Presentazione dei test di inversione effettuati

- Conclusioni

Algoritmi genetici Consistono in un metodo di ottimizzazione stocastico che si ispira al principio della selezione naturale ed evoluzione biologica teorizzato da Charles Darwin (Holland, 1975).

Generazione dellapopolazione

iniziale

Valutazione della funzione di misfit per ogni individuo

Criteri di convergenza

raggiunti?

Individuimigliori

Si

Selezione

Ricombinazione

Mutazione

Risultati

No

Creazione di una nuova popolazione

Agenda

- Introduzione ai concetti generali della FWI

- Introduzione agli algoritmi genetici

- Presentazione del dato sismico

- Presentazione dei test di inversione effettuati

- Conclusioni

Linea sismica Crop18A

Group interval 60 m

Source interval 180 m

Passo di campionamento 2 ms

Tempo di registrazione 8 s

Schema di acquisizione dei due esperimenti expanding spread (backward)

(forward)

Parametri di acquisizione

Processing del dato

Selezione degli shot utili etop mute

Somma degli shot a gruppi di 5

Filtraggio F-K

Deconvoluzione predittiva ad offsetcorti

Deconvoluzione F-X

Filtraggio dip scan

Sono stati scelti 20 shot da utilizzare per l'inversione (18 shot di produzione equispaziati tra loro e distribuiti lungo la linea più i due expanding spread).

PROCESSED DATA

RAW DATA

Processing del dato

RAW DATA (FORWARD EXPERIMENT)

PROCESSED DATA (FORWARD EXPERIMENT)

RAW DATA (PRODUCTION SHOT)

PROCESSED DATA (PRODUCTION SHOT)

Processing del dato (Close up)

RAW DATA PROCESSED DATA

Agenda

- Introduzione ai concetti generali della FWI

- Introduzione agli algoritmi genetici

- Presentazione del dato sismico

- Presentazione dei test di inversione effettuati

- Conclusioni

Test di inversione

1) Inversione 1D dei dati processati per ottenere il modello iniziale (solo 10 incognite)

2) Inversione 2D dei dati processati (limited offset)

3) Inversione 2D degli esperimentiexpanding spread (inviluppi)

4) Inversione 2D degli esperimentiexpanding spread (forme d'onda)

Come dati osservati sono considerate le sole onde rifratte e diving waves filtrati nella banda di frequenza 0-10 Hz e applicando una normalizzazione traccia-traccia.

Modeling grid size 150 X 1563 nodesInversion grid 160 nodes

200 400 600 800 1000 1200 1400

20

40

60

80

100

120

140

X nodes

Z nodes

1) Inversione 1D

Numero individui 300

Numero generazioni

100

Range di ricerca +- 1 km/s

Tasso di selezione 0,8

Modelli 1D Modello 2D

Interpolazione

Sono stati invertiti i 20 shot singolarmente ottenendo altrettanti modelli da 10 incognite ciascuno e la cui posizione è relativa alla posizione della sorgente. Interpolando linearmente tali colonne è stato ottenuto un modello 2D.

2) Inversione 2D dei dati processatiSono stati invertiti i 20 shot processati, considerando solo gli offset corti degli esperimenti expanding spread. I range di ricerca sono centrati intorno al modello ottenuto dall'inversione precedente.

Numero individui 300

Numero generazioni

300

Range di ricerca in superficie

+- 0,5 km/s

Range di ricerca in profondità

+- 1 km/s

Tasso di selezione 0,8 Modello 2D Curve di misfit

Shot di produzione

Dato predetto

Dato osservato

3) Inversione 2D dei dati expanding spread (inviluppo)Il modello di input utilizzato è composto dai primi 2000 metri circa del modello di output dell'inversione precedente. Da tale profondità in poi è stato inserito un gradiente uniforme.

Numero individui 300

Numero generazioni

400

Range di ricerca in superficie

+- 0,1 km/s

Range di ricerca in profondità

+- 1 km/s

Tasso di selezione 0,8 Modello 2D Curve di misfit

Expanding spread diretto

Dato predetto

Dato osservato

Expanding spread reciproco

Dato predetto

Dato osservato

4) Inversione 2D dei dati expanding spread (forme d'onda)Si considerano le forme d'onda del segnale e non più gli inviluppi. I range sono centrati intorno al modello ottenuto nell'inversione precedente.

Modello 2D Curve di misfit

Numero individui 300

Numero generazioni

400

Range di ricerca in superficie

+- 0,5 km/s

Range di ricerca in profondità

+- 1 km/s

Tasso di selezione 0,8

Expanding spread diretto

Dato predetto

Dato osservato

Expanding spread reciproco

Dato predetto

Dato osservato

Agenda

- Introduzione ai concetti generali della FWI

- Introduzione agli algoritmi genetici

- Presentazione del dato sismico

- Presentazione dei test di inversione effettuati

- Conclusioni

Conclusioni- Con il presente lavoro si è descritta una esperienza di FWI acustica applicata a dati terrestri 2D finalizzata alla stima di un modello di velocità delle onde di pressione in bassa frequenza.

- La metodologia applicata fa uso di due griglie, una fine per il forward modeling ed una lasca per l'inversione ed impiega gli algoritmi genetici come metodo di ottimizzazione globale. Nelle fasi iniziali dell'inversione sono considerati gli inviluppi nella funzione di misfit, le forme d'onda sono considerate nella fase finale.

- L'applicazione in contesti difficili quali quello oggetto di studio, caratterizzato da un basso rapporto segnale-rumore, presenza di topografia, presenza di disturbi dovuti ad effetti di near surface ha prodotto risultati soddisfacenti in termini di data misfit.

- I risultati dell'ultima inversione permettono di essere confidenti in un futuro utilizzo dell'ultimo modello ottenuto come input per un'inversione acustica locale.