Implementações alternativas de tomografia do tempo de trânsito utilizando a equação da onda

• Ano de defesa: 2014
• Autor(a) principal: CARDOSO FILHO, Josafat Lopes
• Orientador(a): COSTA, Jessé Carvalho
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Pará
• Programa de Pós-Graduação: Programa de Pós-Graduação em Geofísica
• Departamento: Instituto de Geociências
• País: Brasil
• Palavras-chave em Português: Tomografia sísmica; Equação de onda; Tomografia; Interpoços; Equação acústica; Precondicionamento; Regularização
• Palavras-chave em Inglês: Tomography; Crosswell; Wave equation; Preconditioning; Regularization
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
• Link de acesso: http://repositorio.ufpa.br/jspui/handle/2011/11453

A tomografia do tempo de trânsito utilizando a equação acústica é uma alternativa robusta para se estimar modelos de velocidade com fortes variações. Aplicaçoes desta metodologia a dados sísmico inter poços, auxiliam no monitoramento e caracterização de reservatórios. A escolha da função objetivo, estratégias de precondicionamento do gradiente e funcionais regularizadores, quando da implementação deste tipo de tomografia, influênciam a robustez, eficiência e qualidade das estimativas do modelo de velocidade. Estes três aspectos da implementação da tomografia através da equação de onda são investigados. Duas propostas de funções objetivo são utilizadas neste trabalho; a primeira é sensível a diferenças de fase entre os pulsos e a outra é proposta para ser menos sensível a fase do pulso fonte. Ambas não necessitam de marcações dos eventos e se mostram muito robustas em experimentos numéricos utilizando modelos com forte variação de velocidade. Uma estratégia de precondicionamento do gradiente da função objetivo, adaptada da literatura em processamento de imagens, permitiu acelerar a convergência do algoritmo ao eliminar eventos espúrios causados pela inevitável abertura limitada da geometria de aquisição dos dados, ruídos aleatórios e efeitos causados pelas fontes e receptores. A adição de funcionais regularizadores penalizando o desvio do modelo de velocidade de informação a priori a partir de perfis de poços suavizados, contribui adicionalmente para a estimativa de um modelo de velocidade mais consistente e com maior resolução.