Metodigeofisiciper l'inversione e l'imaging3-D ad ... di presentazione. Sommario Metodologie impiegate ... • Inversione tramite algoritmi genetici

MetodiMetodi geofisicigeofisici per per l'inversionel'inversione

e e l'imagingl'imaging 33--D ad D ad altaalta risoluzionerisoluzione

ddii datidati sismicisismici ed ed elettromagneticielettromagnetici

Università degli Studi di TriesteDipartimento di Scienze Geologiche, Ambientali e Marine

Exploration Geophysics Group, Via Weiss, 1 – Trieste – 34127 – Italy

E-mail: [email protected] site: http://www.units.it/geoegg

CISCWorkshop di presentazione

SommarioSommario

Metodologie impiegate• Sismica (riflessione, rifrazione & Onde si superficie)

• Ground Penetrating Radar (GPR)

• Magnetometria

• Elettrica

Settori di Ricerca

• Geologico – Ricostruzione della struttura terrestre (shallow and/or deep)• Ambientale – Definizione di falde, individuazione ed identificazione di contaminanti• Ingegneristico - Definizione di stratigrafie e proprietà statiche• Archeologico – individuazione e caratterizzazione strutture sepolte (mura, tombe)

Exploration Geophysics Group, Via Weiss, 1 – Trieste – 34127 – ItalyWeb site: http://www.units.it/geoegg

Tecniche di Elaborazione

Surface Wave Analysis (Rayleigh Wave Dispersion Curve

Inversion) - Sismica

Common Reflection Surface (CRS) Stack - Sismica & GPR

Pre-Stack Depth Migration (algoritmi Wave Equation & Kirchhoff) - Sismica & GPR


Rayleigh Wave Dispersion Curve Inversion

Principali Problematiche• Multimodalità del problema (Metodi lineari falliscono)

• Necessità di un ampio search space

Soluzioni adottate• Inversione tramite algoritmi genetici

• Preliminary Parallel Runs

• Valutazione mediante Marginal Posteriori Probability Density (MPPD)

Principali Vantaggi• Fornisce parametri richiesti dalla normativa vigente (VS-30)

• Fornisce informazioni sul bedrock


Common Reflection Surface (CRS) Stack

Principali Problematiche• è di recente ideazione (ancora poco studiata)

• è totalmente automatizzata

Soluzioni adottate• controllo dell’operatore sui vari step

Principali Vantaggi• Non necessita di un Macromodello di velocità

• Si basa su tre parametri (α, RNIP e RN) anziché uno solo (velocità)

• Aumenta il numero di elementi su cui effettuare analisi geofisiche


Pre-Stack depth Migration (PSDM)

Principali Problematiche• quantità di dati “immense”

• Necessità di un modello di velocità estremamente preciso

Soluzioni adottate• -----

• ricostruzione del modello di velocità tramite refining iterativo

Principali Vantaggi• fornisce in output una sezione coincidente con la reale sezione geologica

• Ampiamente utilizzato e continuamente sviluppato


1. Dispersion curve evaluation

2. Dispersion curve inversion


Two Steps

Computationally expensive

Surface Wave Analysis

Obj

FN

THKratio

VSratio


Main problem: Multimodalità


Breve introduzione ai GAs

The LingoCromosomaPopolazione

Gli individui sono indicati come cromosomi (un cromosoma consiste di geni, cherappresentano i parametri del problema da ottimizzare).Una collezione di cromosomi sul quale opera un algoritmo genetico è indicata comepopolazione.

SelezioneCrossover & MutazioneGenerazioneSchemata

Algoritmi Genetici (GAs)


Crossover( | is the crossover point) 11011 | 00100110110Offspring 2

11011 | 11000011110Offspring 111011 | 11000011110Chromosome 211011 | 00100110110Chromosome 1

1101101100110110Mutated offspring 21100111000011110Mutated offspring 11101100100110110Original offspring 21101111000011110Original offspring 1

Mutation

Single point crossover Two point crossover

Uniform crossover - bits randomly copied from first or second parent

Arithmetic crossover - some arithmetic operation is performed to make a new

offspring

n indipendent preliminary runs

final run:as starting population the fittest models

selected from the preliminary runs

MPPD analysis

selection of the best individuals

...run #1 run #2 run #n

Architettura dell’inversione


Perché dei runspreliminari?

Anche i GA possono venir intrappolati nei minimi locali


Procedure

( )n

vvobjFN

n

icalobs ii∑

=

−= 1

2

2. Fissare le boundaries conditions del search space per tutte le variabili scelte

3. Fissare una objective function che definisca il fitness degli individui (e.g. la L1-norm)

4. Fissare: numero di runs preliminari, dimensione della popolazione, parametri di selezione, crossover, mutazione e termination, etc.

1. Strategia d’inversione (quali variabili ?)


Parametri fondamentali usati

1. Nove runs preliminari “paralleli”

2. Numero di modelli per le popolazioni iniziali (preliminary runs): 7000

3. Numero di generazioni per i nove runs preliminari: 10

4. Numero di generazioni per il run finale : 250

5. Per la popolazione iniziale del run finale: tutti i modelli valutati precedentemente con una objective function fino a 5 volte quella della migliore (typically 2700 models)


Modelli considerati model #2 model #3 model #4

V =130S

V =300S V =300S V =300S

V =119S

V =200S

V =200S

V =200S

V =177S

V =350S

V =350S

V =350S

V =350S

V =400S

V =800S V =800S V =800S

V =2000S

V =2000S V =2000S V =2000S

model #1

16

4

8

12

0depth (m

)

a)

b)

200

300

400

500

600

Pha

se v

eloc

ity (m

/sec

)

#2

#3#4

#1

10 20 30 40 50 60 70 80

f (Hz)

100


Search Space

half space0 500 1000 1500 2000 2500 3000

0

5

10

15

20

25

30

35

b)V (m/sec)S

dept

h (m

)

half space


Distribuzione dei modelli selezionati

150 200 250 300 350 4000

20

40

60

80

100

120

V (m/sec)S

#1

#2#3#4

#5

#6

#7

#8#9

Model#2: istogramma dei valori per la settima variabile (velocità SH del quarto strato).

0 50 100 150 200 250

5.5

6

6.5

7

generation

objF

N

Esempio di objFN vs. generation


MPPD: the population issue

-600 -500 -400 -300 -200 -100 00

500

1000

1500

2000

2500

a)objFN

-600 -500 -400 -300 -200 -100 00

500

1000

1500

2000

2500

b)

objFN-600 -500 -400 -300 -200 -100 00

500

1000

1500

2000

2500

3000

c)

b)

V (m/sec)S

800 850400 450 500 550 600 650 700 7500

0.1

0.2

0.3

0.4

0.5

0.6

900850800350 400 450 500 550 600 650 700 7500

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

V (m/sec)S

All the preliminary-run modelsInitial-population models All the evaluated models

780 790 800 810 820 830 8400

0.05

0.1

0.15

0.2

0.25

V (m/sec)S

850 860 870 880c)

Model#3: shear-wave velocity MPPD values for the seventh layer of the third model


Four basic Inversion

Model#1 Model#2

search spaceMean model vs. fittest model

Model#3 Model#4

Schema di ProcessingPer CRS Stack

SEZIONE FINALEINTERPRETAZIONE

INVERSIONE

STACK

α RNIP RN

VELOCITA’RMS

PostSTM


ZO Stacking Surface


CRS Stacking Surface


PSDM Stacking Surface


RMS VELOCITY

ANALISI SUI CMP e PICKING

Schema di Processing per WE e K-PSDM



STACK

Post-STM Pre-SDM

RMS VELOCITY





STACK

Post-STM Pre-SDM

RMS VELOCITY


VEL INTERVALLARE



REFINING STACKINTERPRETAZIONE

PSDM

MODELLO VZ


STACK

Post-STM Pre-SDM

RMS VELOCITY


VEL INTERVALLARE



SEZIONE FINALE INTERPRETAZIONE

REFINING STACKINTERPRETAZIONE

PSDM

MODELLO VZ


STACK

Post-STM Pre-SDM

RMS VELOCITY


VEL INTERVALLARE



Particolare della sezione Stack

11

Esempio di PSDM su dati sismici


Particolare della sezione PreSDM TC

44

Esempio di PSDM su dati sismici


Example of Common Offset processed Section

10

50

90

130

Tim

e[n

s]

Distance [m] 5.0 10.0 15.0 20.0


Esempio di PSDM su dati GPR

Example of Multi-Fold Stack Section

10

50

90

130

Tim

e[n

s]

Distance [m] 5.0 10.0 15.0 20.0



Example of Multi-Fold Stack Section

10

50

90

130

Tim

e[n

s]

Distance [m] 5.0 10.0 15.0 20.0



Final PreSDM section (time converted) - Interpretation

10

30

70

90

110

130

Distance [m]

Tim

e[n

s]

5.0 10.0 15.0 20.0

50


Esempio di PSDM su dati GPREsempio di PSDM su dati GPR


10

30

70

90

110

130

Distance [m]

Tim

e[n

s]

5.0 10.0 15.0 20.0

50




10

30

70

90

110

130

Distance [m]

Tim

e[n

s]

5.0 10.0 15.0 20.0

50

0

80

Distance [m]

Tim

e [n

s]

0.0 7.5

Stack




10

30

70

90

110

130

Distance [m]

Tim

e[n

s]

5.0 10.0 15.0 20.0

50

0

80

Distance [m]

Tim

e [n

s]

0.0 7.5

Stack

Distance [m]0.0 7.5

PreSDM



4 0 ns80ns1 20ns1 60ns

1 50 2 00Tra cce4 0ns8 0ns12 0ns16 0ns

Università degli Studi di Trieste Dipartimento di Scienze Geologiche, Ambientali e Marine Via

Exploration Geophysics Group

Weiss, 1 – Trieste – 34127 – ItalyE-mail: [email protected]

Web site: http://www.units.it/geoegghttp://www.hygeia-eu.org


Conclusioni

Documents

Metodigeofisiciper l'inversione e l'imaging3-D ad ... di presentazione. Sommario Metodologie impiegate ... • Inversione tramite algoritmi genetici