Skip to content
بازگشت به نتایج جست‌وجو

وارونگی کامل موج لرزه‌ای (FWI)

معرفی‌شده توسط
Albert Tarantola
سال
1984
نوع
Seismic imaging and model parameterization technique
خانواده
Geophysical inversion

این متن ترجمه ماشینی است و هنوز بازبینی نشده است. متن اصلی را به انگلیسی بخوانید

اندازه قلم

چه کاری انجام می‌دهد؟

وارونگی کامل موج لرزه‌ای (FWI) یک تکنیک محاسباتی است که با تطبیق تکراری امواج لرزه‌ای مصنوعی با داده‌های مشاهده‌شده، مدل‌های دقیق سرعت و امپدانس زیرسطحی را بازسازی می‌کند.

FWI که در سال ۱۹۸۴ توسط آلبرت تارانتولا معرفی شد، به روش پیشرو برای تصویربرداری با وضوح بالا در ژئوفیزیک اکتشافی، لرزه‌نگاری مهندسی و مشخصه‌سازی زیرسطحی تبدیل شده است.

شهود پشت روش

FWI با مدل‌سازی پیشروی لرزه‌نگاری‌های مصنوعی از یک مدل سرعت اولیه، مقایسه آن‌ها با ضبط‌های میدانی واقعی و تنظیم مدل برای به حداقل رساندن اختلاف، کار می‌کند. این فرآیند به طور تکراری تکرار می‌شود و ساختار سرعت را به تدریج اصلاح می‌کند. این تکنیک تمام پدیده‌های موجی - بازتاب‌ها، شکست‌ها، پراکندگی‌ها و امواج چندگانه - را ثبت می‌کند و آن را کامل‌تر از روش‌های متعارف مبتنی بر پرتو که فقط از زمان‌های رسیدن استفاده می‌کنند، می‌سازد.

تاریخ

FWI که در سال ۱۹۸۴ توسط تارانتولا به عنوان یک چارچوب تخمین پارامتر معرفی شد، تا اواخر دهه ۱۹۹۰ که روش‌های حالت الحاقی و شتاب‌دهی GPU آن را عملی کردند، از نظر محاسباتی غیرقابل تحمل باقی ماند. پذیرش صنعتی پس از سال ۲۰۱۰ با کاربردهای عمده در اکتشاف نفت و گاز در آب‌های عمیق، اکتشاف زمین‌گرمایی و نظارت بر ذخیره CO2 تسریع شد. انواع اخیر شامل FWI در حوزه فرکانس، FWI در حوزه زمان و رویکردهای تقویت‌شده با یادگیری ماشین است.

چه زمانی استفاده شود

FWI برای داده‌های لرزه‌ای با نمونه‌برداری متراکم، محتوای فرکانسی متوسط (۵–۱۰۰ هرتز) و زمین‌شناسی پیچیده که در آن روش‌های متعارف شکست می‌خورند، مؤثرترین است. این روش به امضای منبع شناخته‌شده، مقداردهی اولیه خوب میدان سرعت و منابع محاسباتی نیاز دارد. زمانی که کنتراست‌های دقیق امپدانس و لایه‌بندی مورد نیاز است، FWI را ترجیح دهید؛ از روش‌های ساده‌تر مبتنی بر پرتو برای پیمایش‌های ساختاری سریع استفاده کنید.

محدودیت‌ها و ملاحظات

  • از نظر محاسباتی فشرده است و به شبیه‌سازی‌های پیشروی بزرگ و محاسبات گرادیان نیاز دارد
  • به مقداردهی اولیه مدل سرعت حساس است - مدل‌های شروع ضعیف منجر به حداقل‌های غیرمنحصر به فرد می‌شوند
  • امضای دقیق منبع و پاسخ گیرنده را فرض می‌کند؛ خطاها از طریق مدل منتشر می‌شوند
  • محتوای فرکانس بالا وضوح را بهبود می‌بخشد اما به نمونه‌برداری متراکم‌تر و نسبت سیگنال به نویز بالاتر نیاز دارد

شرایط منبع جایگزین بررسی علمی مستقل یا اعتبارسنجی توسط موتور تحلیل نیست.

نقاط قوت

  • مدل‌های سرعت و امپدانس با وضوح بالا را ارائه می‌دهد که جزئیات ساختاری دقیق را ثبت می‌کنند
  • از اطلاعات کامل موجی، از جمله امواج چندگانه و انرژی پراکنده، برای روشنایی بهتر استفاده می‌کند
  • در محیط‌های زمین‌شناسی پیچیده که روش‌های پرتو در آن‌ها شکست می‌خورند، کار می‌کند
  • محدودیت‌های چاه و لرزه‌ای را به طور طبیعی در چارچوب وارونگی ادغام می‌کند

کاربردها

  • اکتشاف نفت و گاز در آب‌های عمیق: ایجاد مدل‌های سرعت دقیق برای تبدیل عمق دقیق و تفسیر ساختاری در هندسه‌های پیچیده نمک
  • مشخصه‌سازی مخزن زمین‌گرمایی: ترسیم مناطق گسل و ناهنجاری‌های حرارتی برای مکان‌های حفاری بهینه
  • ذخیره و نظارت بر CO2: ردیابی تغییرات زمانی در خواص سنگ زیرسطحی برای اطمینان از یکپارچگی مهار
  • لرزه‌نگاری زلزله: تصویربرداری ساختارهای سرعت پوسته نزدیک مناطق گسل برای درک انتشار گسیختگی

چگونه کار می‌کند

چگونه کار می‌کند

1

هندسه منبع و گیرنده لرزه‌ای از پیمایش‌های میدانی ثبت می‌شود و پاسخ کامل موجی زیرسطح را در طول زمان ثبت می‌کند.

2

داده‌های میدانی خام برای حذف مصنوعات ابزار و بهبود کیفیت سیگنال، دیمولتی‌پلکس، تصحیح بهره، فیلتر و نویز زدایی می‌شوند.

3

یک مدل سرعت اولیه از لاگ‌های چاه، سرعت‌های انباشتگی یا زمین‌شناسی منطقه‌ای ایجاد می‌شود؛ تفاوت بین امواج پیش‌بینی‌شده و مشاهده‌شده به عنوان یک تابع هدف عدم تطابق محاسبه می‌شود.

4

بهینه‌سازی تکراری مدل سرعت را با استفاده از روش‌های مبتنی بر گرادیان (گرادیان مزدوج، L-BFGS) برای به حداقل رساندن عدم تطابق موجی به‌روز می‌کند؛ شبیه‌سازی‌های پیشرو و الحاقی راهنمای تنظیم پارامترها هستند.

5

مدل وارونه نهایی در برابر محدودیت‌های چاه، تصاویر مهاجرت عمقی و ساختارهای زمین‌شناسی تفسیر شده برای تأیید معقولیت فیزیکی اعتبارسنجی می‌شود.

دام‌های رایج

  • بیش‌برازش به نویز یا داده‌های با کیفیت پایین، که باعث ایجاد ناهنجاری‌های سرعت کاذب می‌شود
  • محتوا یا پهنای باند فرکانسی ناکافی که منجر به روشنایی ناقص زیرسطح می‌شود
  • نادیده گرفتن امضاهای منبع و گیرنده، که باعث بایاس سیستماتیک مدل می‌شود

پرسش‌های متداول

چرا FWI از نظر محاسباتی پرهزینه است؟

هر تکرار به حداقل دو شبیه‌سازی کامل معادله موج سه‌بعدی نیاز دارد: یک شبیه‌سازی پیشرو برای محاسبه داده‌های مصنوعی و یک شبیه‌سازی معکوس (الحاقی) برای محاسبه گرادیان‌های مدل. با صدها تا هزاران تکرار و میلیون‌ها پارامتر مدل، هزینه کل می‌تواند به میلیون‌ها ساعت پردازنده برای پیمایش‌های سه‌بعدی برسد.

چگونه مدل سرعت را برای FWI مقداردهی اولیه کنم؟

با لاگ‌های چاه برای محدودیت‌های مستقیم سرعت شروع کنید، از سرعت‌های انباشتگی از پردازش متعارف استفاده کنید، از سرعت‌های شکست یا مهاجرت در صورت وجود استفاده کنید و نتیجه را صاف کنید تا از مصنوعات با طول موج بالا جلوگیری شود. یک مدل مقداردهی اولیه شده خوب، خطر همگرایی به حداقل‌های محلی را کاهش می‌دهد.

از چه محدوده فرکانسی باید استفاده کنم؟

وارونگی را با فرکانس‌های پایین (۲–۸ هرتز) برای ایجاد ساختار در مقیاس بزرگ شروع کنید، سپس به تدریج فرکانس‌های بالاتر (تا ۵۰–۱۰۰ هرتز) را برای اصلاح جزئیات اضافه کنید. این استراتژی چند مقیاسی از «مصونیت از پرش چرخه» فرکانس‌های پایین بهره می‌برد و از وضوح فرکانس‌های بالا سود می‌برد.

آیا FWI می‌تواند ناهمسانگردی را مدیریت کند؟

بله، فرمول‌بندی‌های الاستیک و ناهمسانگرد FWI وجود دارد اما به تلاش محاسباتی بیشتر و پیچیدگی محاسباتی بیشتری نیاز دارد. FWI ایزوتروپیک به دلیل محدودیت‌های هزینه در عمل رایج‌تر است.

روش‌های مرتبط

منابع

  1. Tarantola, A. (1984). Inversion of seismic reflection data in the acoustic approximation. Geophysics, 49(8), 1259-1266.

    باز کردن مرجع DOI
    کپی شد.
  2. Virieux, J., & Operto, S. (2009). An overview of full waveform inversion in exploration geophysics. Geophysics, 74(6), WCC1-WCC26.

    باز کردن مرجع DOI
    کپی شد.