Full waveform inversion (FWI) is a data-fitting inverse problem aiming to delineate high-resolution quantitative images of the Earth.While its basic principle has been proposed in the eighties,the approach has been significantly developed and applied to 2D and 3D problems at various scales for the last fifteen years.Despite these successes,FWI is still facing some issues for applications in complex geological setups because of some lack of robustness and automatic workflow,while being computationally intensive.In this paper,after a short review of the basic FWI formulation and analysis of the FWI gradient,three recent methodological developments performed in the frame of the SEISCOPE project are presented.First,an algorithmic development is presented as a low-memory and computationally efficient approach for building the time-domain FWI gradient in 3D viscous media.Second,a reformulation of FWI is performed to handle reflections in their tomography regime while still using the diving waves,leading to the joint full waveform inversion (JFWI) approach.Finally,an optimal transport approach is proposed as an alternative to the classical difference-based misfit for mitigating the cycle-skipping issue.
全波形反演技术虽然已经得到了成功应用，但其求解一个最小二乘非凸优化问题的计算量仍是一个很大的难题。通过随机降采样技术可以减少反演过程中炮数和频率数，从而可以极大程度地降低全波形反演的计算量；然而这种方法受到奈奎斯特采样定律例证的“维数灾难”的限制以及背离‘摩尔定律’现象。为此,研究了基于改进压缩感知的随机化降维技术,应用压缩感知理论减少随机采样;联合随机采样和稀疏促进技术,成功减少了地震数据的维数,同时保持了有效信息。通过该项技术的应用,牛顿类方法的计算量相当于全波场采样梯度类算法的计算量;将稀疏约束应用在反演过程中的模型更新上,不改变波形反演的目标函数,并且能够压制由欠采样产生的虚像噪声。北海模型数据测试结果证明了该方法的可行性和有效性。
全波形反演(full waveform inversion,FWI)目前已有广泛的工业实践,但因其本质上的非线性,不如走时层析成像等传统速度建模技术稳健,非线性程度也因目标函数不同而不同。研究分析了FWI中几种不同目标函数的性质,基于定义在数据域中的微分相似概念,提出了一种新的目标函数。初步试验表明,这种目标函数对于比较大范围的数据残差都有凸状性质,基于梯度优化法时使用该目标函数的FWI比传统FWI更稳健,而且波形反演的良好分辨率基本得以保留。
密度是地震勘探中最重要的信息之一,在岩性解释、储层流体预测等多个方面起到不可替代的作用。但在全波形反演(FWI)中,由于密度和速度串扰的影响,很难反演出理想的密度信息。针对该问题,采取分步多参数全波形反演的策略,将反演的高精度速度结果作为初始速度模型,联合初始密度模型进行下一步多参数同时反演,通过提高初始速度模型的精度,得到更为准确的密度结果。同时,为了进一步平衡梯度能量,减小地震波传播过程中几何扩散的影响,采用照明预处理L-BFGS法提高反演精度。模型测试结果表明,分步多参数全波形反演及照明预处理L-BFGS法能很好地提高反演精度。
地震波反演成像的核心问题是将解一个非线性(较)强的反问题转化为提一个更凸的反问题并进行求解。存在强非线性性的主要原因是实测数据与要反演的模型参数之间的关系远非线性,其次是由于包含模型参数的控制方程不能很好地预测实际数据。因此,提出了特征波反演(characteristic wave inversion,CWI)成像的理论框架,基本思想是:不追求对实测波场全部波现象的模拟,而是模拟其中的部分特征波场;不一定追求波形逼近,但要尽可能利用到达时(相位)的逼近。相对于全波形反演(full waveform inversion,FWI),特征波反演由四个基本步骤组成:①特征波场(characteristic wave field,CWF)的提取;②波动理论的透射波层析成像;③波动理论的一次反射波层析成像;④最小二乘叠前深度偏移成像。特征波场提取是其中重要的环节,包含三重含义:①波现象的分解(譬如,矢量波分解成标量波以及一次波和多次波分解);②时空局部的、单震相的、带方向的带限波场的分解;③同相轴上地震子波的分解(譬如,提取子波的达到时、相位等)。特征波场提取基于压缩感知的框架进行,其它三个线性化的参数反演环节,首先考虑的是针对地下介质参数层状分布时的反射波反演成像,然后再考虑针对散射和绕射波的反演成像。数据域特征波反演在估计低波数速度信息时仅依赖同相轴上子波的到达时或/和相位信息,需尽量排除振幅对到达时和相位估计的影响。像域中的背景速度反演仅适宜基于到达时的反演,基于像的幅值的反演在理论上是不合理的。高波数参数估计时,首先进行方位角度反射系数的估计,在此基础上进行散射强度的估计。CWI技术系列是推进经典FWI走向实用化的正确途径,初步数值试验结果证明了上述判断。
波动方程速度建模方法是利用地震数据或成像道集中的旅行时信息或运动学特征自动反演出背景速度模型,但是已有方法普遍面临一个严重的问题,即反演过程无法避免受振幅信息的影响。为此,提出了一种基于波动方程的旅行时反演方法,称之为全走时(即完全依赖于走时信息)反演,从地震数据中自动估计出运动学意义上正确的速度模型,其核心思想是使反演完全依赖于走时信息,从而防止反演受到振幅信息的干扰。基于速度扰动只产生旅行时变化这一假设,介绍了数据域和成像域两种全走时反演方法,分别对应透射波和反射波走时反演。全走时反演不需要准确的初始速度模型和地震数据中的低频信息。理论模型和实际资料测试结果表明,全走时反演在常速度初始模型的情况下也能得到令人满意的反演结果。
The first-arrival traveltime tomography is a standard approach for near-surface velocity estimation.However,it cannot resolve complex near-surface structures and will produce a smooth velocity model with low resolution.Early arrival waveform inversion is a robust tool for imaging the near surface structures,but it requires a good initial model to avoid cycle skipping between the predicted and observed data.Furthermore,waveform inversion requires substantial computation efforts.Therefore,we present joint seismic traveltime and waveform inversion method,and we expect the joint inversion method retains the advantages of both traveltime inversion and full waveform inversion and overcomes their respective drawbacks at the same time.The objective function includes both the traveltime and waveform misfit.At each iteration,the traveltimes are calculated by wavefront raytracing,and the waveforms are computed using a finite-difference method.The nonlinear optimization problem is solved by the conjugate gradient method.We apply the joint inversion method to study complex near-surface area where shallow overthrust and rugged topography present a significant challenge for applying traveltime inversion and waveform inversion alone.We test synthetic data to verify the advantages of the joint method,and then apply the method to a 2D dataset acquired in Yumen Oil field,China.The inversion results suggest that the joint traveltime and waveform inversion helps constrain the very shallow velocity structures and also resolve complex overthrust with large velocity contrasts.
We use the first arrival traveltime to correct the phase distortion in a nonlinear wave equation inversion scheme.This improves the precision of tomographic reconstruction of a velocity structure with large variations and helps solve the ill-posed problem of wave equation inversion.When the variation of the velocity distribution is large,general non-linear wave equation inversions are very ill-posed and for such strong nonlinear we can not obtain a correct inversion.One of main reasons is that the calculated and observed phase of the wavefield differs greatly if the initial model is far from the true model.This leads to highly mismatched phase between the calculated and the observed wave field.This is so-called “Cycle Skipping” problem in the full waveform inversion.The phase mismatch is even more pronounced if a high operating frequency is employed in order to increase resolution.To address this problem,we use the first arrival to “demodulate” the wave field in the frequency domain with a goal of restoring the phase of wave field.Then we minimize an objective function consisting of so called “demodulated” wave field to solve wave equation inversion problem.In this way,we find that the inversion is much improved,and when the velocity perturbation in a complicated model reaches 35%,we can still obtain a good inversion.A computer simulation shows that our method is very robust for acoustical wave inversion with good reconstruction precision.
全波形反演技术(FWI)在实际地震数据应用时由于以下原因很难取得理想的结果。一是因为初始模型不准确、子波未知、噪声干扰等导致模拟数据与实际数据匹配难;二是因为FWI计算量大。将FWI应用于实际海上地震数据,给出了海上地震数据处理流程,并基于FWI实际应用中存在的问题给出了一些解决办法:利用海底反射估计近源子波解决震源子波估计问题;采用L_BFGS算法计算梯度加速策略解决FWI海量计算问题等。海上实际地震数据处理的成功应用,证明了本文策略的有效性。
全波形反演已成功应用于海上地震资料，而陆上地震资料全波形反演应用还面临诸多难点。研究给出了一种针对陆上地震资料的全波形反演策略：首先采用相位拟合互相关目标泛函增强全波形反演的适用性；其次构建动态波数域滤波梯度预处理方法压制梯度噪声；最后采用构造倾角信息约束的自适应高斯平滑算子改善反演结果质量。二维陆上地震资料的反演结果表明，该策略可有效实现陆上地震资料高波数全波形反演速度建模。
全波形反演(FWI)每次迭代都需要进行若干次地震波正演,计算量非常大,尤其在三维情况下,提高并行计算的效率和稳健性至关重要。引入随机边界来反传、重建震源波场,可充分发挥GPU的计算能力,从而实现反演梯度的高效计算,相比监测点(checkpoint)和有效边界技术,大幅减少了数据存储和数据交换的开销,具有计算效率高和存储量小的优点;开发了作业池并行作业管理机制,与常规消息传递接口(message passing interface,MPI)并行机制相比,可动态增减节点,具有近似线性的加速比,更适应大规模异构并行。采用三维SEG/EAGE推覆体模型进行了速度反演测试,结果证明该技术高效且可靠。
全波形反演(FWI)方法综合利用叠前地震波场的动力学和运动学信息,能够高精度地重建地下介质模型参数场,但巨大的计算量一直是制约其发展的一个重要因素。GPU组成的高性能计算集群为提高全波形反演计算效率提供了重要的硬件基础。基于GPU平台,采用简化的混合域全波形反演算法实现了更快速的三维全波形反演计算。首先简单介绍了GPU加速技术应用于简化的混合域全波形反演时的一些优化技巧,包括线程调度、GPU之间数据传输以及共享内存的使用等,然后通过多GPU全波形反演测试了简化的混合域全波形反演的效果,证明了GPU加速技术能够有效地提高全波形反演的计算效率,相比CPU具有十几倍的加速比。
传统的全波形反演利用普通炮集进行反演,反演计算量过大;且利用传统的相位编码技术进行全波形反演,会产生炮间串扰问题,因此,提出了基于GPU/CPU和震源随机编码技术的混合域全波形反演。该方法将参与反演的多个炮集随机组合并分成炮集数相同的组,各组炮集叠加形成多个组合炮集,然后将组合炮集代替普通炮集进行反演。与传统的相位编码反演方法相比,震源随机编码技术在反演效率和收敛速度方面均有优势,且减少了炮间串扰噪声;并且在GPU的加速下,计算效率会再次提升。Marmousi模型数据测试结果表明:组合炮集方法得到了与普通炮集方法相同的反演效果,但计算效率却比普通炮集方法明显提高,且相较于传统的相位编码技术,组合炮集方法有效抑制了串扰噪声。
相对于波动层析,射线层析是一个病态性很强的反问题,但射线层析的计算效率比波动层析高得多。高斯束(Gaussian beam)层析是介于二者之间的一种层析方法,它综合了二者的优点,如高效率、低病态等。在Rytov近似和Born近似的基础上,介绍了高斯束层析理论,阐述了高斯束层析核函数的计算方法。在成像域层析反演的框架下讨论了核函数的计算策略,给出了核函数的计算公式与实现方案。同时分析了成像域层析中高斯束初值的选取原则以及高斯束层析核函数的边界计算方法。高斯束层析的核函数不再是射线,而是波束体,这与实际的物理现象更吻合,验证了理论分析中高斯束层析比射线层析更加稳定的结论。将高斯束层析应用于角度域成像道集偏移速度分析,得到了理想的层析结果,理论模型及实际数据的数值实验结果证明高斯束层析理论及策略有效可行。
地震全波形反演(FWI)主要利用低频长偏移距透射波估计背景速度,有效的初始背景速度场对于透射波FWI和反射波FWI的有效应用都十分重要。因此,根据散乱的速度和界面深度信息,对不同来源、不同精度的散乱速度场插值产生背景速度模型是速度建模的核心环节之一。在总结了三角剖分法、自然邻域法、反距离加权插值法和径向基函数插值法以及克里金插值法等方法特点的基础上,采用三维克里金插值方法将实际测井数据插值成三维速度场，然后利用克里金方差融合策略和多尺度空间波数域Gabor变换两种方法对分别来自测井数据和来自偏移速度分析的速度场进行融合,融合后的速度场的精度得到了提高,成像质量明显改善。最后,对基于散乱数据支撑的特征速度场的描述问题进行了讨论,提出了多尺度特征速度场的表达策略。
准确的相速度频散图像是主动源面波勘探方法反演近地表横波速度的基础。提出了一种基于频率-速度域多重信号分类(multiple signal classification in frequency-velocity domain)的面波高分辨率频散成像方法(简称fv-MUSIC方法)。该方法首先将传统的频率-波数域波束形成器改造成频率-速度域形式,然后引入多重信号分类算法将空间谱相关矩阵分解为信号子空间和噪声子空间两个部分,最后利用噪声子空间部分生成最终的面波频散图像。理论数据和实际数据应用结果表明,该方法能产生较高精度的相速度图像,并且使用方便,计算效率高,尤其当接收排列较短时,该方法依然能保持较高的相速度分辨率,有利于提高主动源面波方法的横向速度分辨能力。
微地震监测技术是水力压裂中监测裂缝发育情况的有效地震方法,但在实际应用中仍存在诸多问题。为此,开展了地面微地震震源机制反演及裂缝解释技术在四川盆地页岩气藏勘探中的应用研究。根据地面观测的微地震数据,采用矩张量反演获得微地震事件的震源机制;基于震源机制结果计算微地震事件震级以及裂缝的地质参数;在统计的裂缝地质参数上解释裂缝发育情况,为油藏描述提供有效的信息。四川盆地页岩气实际资料的应用结果表明,研究区水平井的压裂设计合理,发育裂缝为高角度缝;根据统计的裂缝方位角度和实际的地下应力状况,建立了走滑型剪切裂缝模型;在裂缝模型上了解局部最大、最小水平应力方向,建议井布置方位在现有方位上调整为北偏西约10°。
苏公网安备 32011502010797号
PDF全文
摘要
HTML
在线办公
作者投稿查稿