Abordagens para imageamento eficiente na inversão acústica linear e não-linear

• Ano de defesa: 2022
• Autor(a) principal: Farias, Fernanda Figueiredo
• Orientador(a): Pestana, Reynam da Cruz
• Banca de defesa: Pestana, Reynam da Cruz , Dias, Bruno Pereira , Schleicher, Jörg , Costa, Jessé Carvalho , Araújo, Edvaldo Suzarthe de
• 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: Modelagem sísmica; Imageamento; Migração por mínimos quadrados; Inversão; Geofísica
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOFISICA::GEOFISICA APLICADA
• Link de acesso: https://repositorio.ufba.br/handle/ri/35608

Tentativas de obter informações da subsuperfície da Terra, usualmente requerem simulações numéricas acuradas da equação da onda, essenciais nos processos de inversão que em geral têm como objetivo final a construção do modelo de velocidade ou o imageamento sísmico. Nesta tese, são abordados temas que visam tornar tanto a inversão linear, que usa a aproximação de Born como modelagem, quanto a inversão não linear, que usa a equação completa da onda, de maneira mais eficiente ou podem produzir imagens com melhor resolução espacial quando comparadas aos métodos convencionais. No caso da inversão não linear, a questão abordada tratou especificamente de sua aplicação a uma região reduzida do modelo de velocidades, uma situação comum em que o geocientista está interessado nas variações das propriedades físicas nas proximidades do reservatório, e como essas variações ocorrem em levantamentos seguintes, como nas análises de sísmica 4D, por exemplo. Comparando duas estratégias diferentes para calcular o campo de ondas localmente, notou-se que calcular o campo de ondas localmente de maneira numericamente exata não trouxe mudanças significativas quando comparada a inversão que despreza iterações do campo de onda local com o modelo exterior, sendo mais proveitoso deter-se a implementação mais simples do método de injeção por diferenças finitas. Sobre as questões abordadas para melhorar o desempenho da migração reversa no tempo por mínimos quadrados, foram analisadas duas maneiras de melhorar a resolução atingida, a primeira se concentrou em usar dados de campo direcional em conjunto com os usualmente usados dados de pressão. Dado que o adjunto do operador de modelagem Born quando carrega adequadamente esses dados direcionais, usa a energia do fantasma do receptor durante o imageamento, atenuando o ruído comumente visto em dados com baixa cobertura de receptores. Esta técnica já havia sido aplicada anteriormente para migração RTM convencional e para a inversão da forma de onda, nesta tese encontra-se a extensão dessa abordagem para a migração reversa no tempo por mínimos quadrados. A segunda abordagem proposta para acelerar a convergência da migração reversa no tempo por mínimos quadrados, consistiu em aplicar um otimizador estocástico que leva em conta uma aproximação da Hessiana, e foi originalmente proposto para problemas de aprendizagem de máquina. Neste caso, foi feito uso da biblioteca conhecida como Devito, capaz de gerar código que envolvem a discretização de equações diferencias de maneira eficiente, incluindo o uso de GPUs. Sendo o Devito escrito em na linguagem Python, torna conveniente a adoção de métodos aplicados em áreas populares como o aprendizado de máquina.