Detalhes bibliográficos
Ano de defesa: |
2024 |
Autor(a) principal: |
Apraez, Daniel Esteban Revelo
 |
Orientador(a): |
Pestana, Reynam da Cruz
 |
Banca de defesa: |
Pestana, Reynam da Cruz
,
Araújo, Edvaldo Suzarthe de
,
Costa, Jessé Carvalho
,
Maciel, Jonatas da Silva
,
Silva, Michelângelo Gomes da |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal da Bahia
|
Programa de Pós-Graduação: |
Pós-Graduação em Geofísica (PGEOF)
|
Departamento: |
Instituto de Geociências
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Área do conhecimento CNPq: |
|
Link de acesso: |
https://repositorio.ufba.br/handle/ri/40427
|
Resumo: |
Esta tese aborda o desenvolvimento de técnicas relacionadas à migração sísmica, com o objetivo de superar limitações e desafios presentes em metodologias tradicionais. Nos três capítulos que compõem este trabalho, são apresentadas soluções que aprimoram a eficiência computacional, a precisão na formação de imagens sísmicas e a capacidade de lidar com modelos complexos de subsuperfície. No capítulo 1, abordamos a separação do campo de ondas em componentes ascendentes e descendentes, uma etapa crucial no processamento de dados multicomponente, na propagação de campos de ondas e no imageamento sísmico. Propomos um método alternativo para calcular o campo de ondas analítico utilizando a equação parcial de primeira ordem no tempo e resolvendo a equação de onda uma única vez. Essa abordagem permite a separação dos campos de ondas de forma explícita a cada passo de tempo, sendo mais eficiente em termos computacionais e viabilizando a aplicação da condição de imagem causal na migração reversa no tempo (RTM). Resultados em modelos sintéticos mostram que o método proposto possibilita uma decomposição semelhante à obtida pelo método convencional, que requer duas propagações, com potencial aplicação em casos 3D. Além disso, o método é eficaz na remoção do ruído de baixa frequência presente nas imagens RTM que utilizam a condição de imagem por correlação cruzada. No capítulo 2, investigamos a migração reversa no tempo em mínimos quadrados no domínio da frequência (FLSRTM), que é capaz de produzir modelos de refletividade de alta resolução. No entanto, o armazenamento das funções de Green necessárias para o cálculo do gradiente e do campo espalhado via modelagem Born pode ser inviável devido ao tamanho dessas funções. Propomos um esquema FLSRTM utilizando funções de Green de baixo posto, obtidas por meio de algoritmos de decomposição de valores singulares randômico (rSVD) e comprimido (cSVD). Esses algoritmos permitem o armazenamento eficiente das funções de Green em memória, utilizando pouco espaço e reduzindo o tempo computacional. Avaliações realizadas em modelos sintéticos demonstram que o esquema proposto gera seções migradas idênticas com aquelas geradas pelo esquema FLSRTM usando as funções de Green originais, utilizando menos memória e tempo computacional. No capítulo 3, abordamos as limitações dos operadores convencionais de migração em profundidade por continuação descendente do campo de ondas, tais como a geração indesejada de ondas evanescentes, o imageamento em meios com fortes contrastes de velocidade e refletores com mergulhos acentuados, além da estabilidade do propagador unidirecional. Propomos um algoritmo de migração em profundidade baseado em uma equação de onda unidirecional que é, ao mesmo tempo, estável e eficiente. Para isso, utilizamos o projetor espectral para suprimir modos evanescentes do operador de Helmholtz e aplicamos o esquema iterativo de Schulz acoplado para calcular a raiz quadrada desse operador filtrado. Finalmente, introduzimos a expansão de Jacobi-Anger para aproximar o operador exponencial de matriz, permitindo a construção do propagador de forma estável. Testes de resposta ao impulso, assim como a aplicação em dados de campo, demonstram que nosso algoritmo é mais preciso e eficaz para imagens em meios com fortes variações laterais de velocidade, superando a qualidade das imagens obtidas por métodos tradicionais. |