[論文レビュー] Robust joint full-waveform inversion of time-lapse seismic data sets with total-variation regularization

Musa Maharramov, Biondo Biondi|arXiv (Cornell University)|Aug 4, 2014

Seismic Imaging and Inversion Techniques参考文献 4被引用数 9

ひとこと要約

本稿では、生産に起因する地下速度変化の回復を向上させるために、モデル差分に全変動（TV）正則化を適用したロバストな共同全波形逆問題（FWI）手法を提案する。同時にベースラインおよびモニタ調査を逆問題化することで、TV正則化を用いることで振動的アーチファクトを抑制し、特にノイズが多い、または繰り返し測定が困難な測定条件下でも、L2正則化および非正則化の共同逆問題手法よりも精度が向上する。

ABSTRACT

We present a technique for reconstructing subsurface velocity model changes from time-lapse seismic survey data using full-waveform inversion (FWI). The technique is based on simultaneously inverting multiple survey vintages, with model difference regularization using the total variation (TV) seminorm. We compare the new TV-regularized time-lapse FWI with the $L_2$-regularized joint inversion proposed in our earlier work, using synthetic data sets that exhibit survey repeatability issues. The results demonstrate clear advantages of the proposed TV-regularized joint inversion over alternatives methods for recovering production-induced model changes that are due to both fluid substitution and geomechanical effects.

研究の動機と目的

• 測定再現性の問題や数値的アーチファクトの影響を受ける中で、微細な生産に起因する速度変化を回復する課題に対処すること。
• 既存の共同逆問題手法を改善するために、モデル差分に全変動（TV）正則化を組み込むことで、空間的構造をよりよく保存し、振動的アーチファクトを低減すること。
• TV正則化が、ブロック型（フラUID置換）および滑らかに変化する（地質力学的）速度変化の両方を、L2正則化および非正則化手法と比較して、より高いロバスト性と精度で回復できることを示すこと。
• 信号対ノイズ比（SNR）や測定ジオメトリの不一致を変化させた合成データを用いて、現実的な条件下で優れた性能を示すことを検証すること。

提案手法

• 本手法は、両方の調査（ベースラインおよびモニタ）のデータ誤差を最小化する共同目的関数を用いて、ベースラインおよびモニタの地震データセットを同時に逆問題化する。
• 速度変化の勾配のスパarsityを促進するため、モデル差分（Δm）に全変動（TV）セミノルム正則化項を導入し、区分的滑らかでブロック型の構造を favour する。
• 非線形共役勾配法を用いて最適化を実行し、低周波数から高周波数へと段階的に周波数を引き上げるマルチスケール周波数継続戦略を採用する。
• 同時に逆問題化の初期モデルとして、クリーンな逆問題から得られたベースラインモデルを、ベースラインおよびモニタ両方の初期モデルとして用いる。
• 空間的重み付け演算子（W）の手動チューニングを回避するため、TV正則化の内在的なスパarsity促進特性に依存する。
• 同一のデータセットおよび反復回数を用いて、並列差分、クロスアップデート、L2正則化付き共同逆問題と比較する。

実験結果

リサーチクエスチョン

• RQ1 ノイズが多い、または測定再現性に欠ける条件下でも、TV正則化付き共同FWIはL2正則化および非正則化の共同逆問題を上回る性能を示せるか？
• RQ2 TV正則化は、真の生産に起因する変化を保持しつつ、モデル差分における振動的数値アーチファクトを効果的に抑制できるか？
• RQ3 TV正則化付き同時逆問題の性能は、クロスアップデートおよび繰り返し並列差分と比較して、精度およびロバスト性において優れているか？
• RQ4 事前に空間的重み付けの知識がなくても、TV正則化はブロック型（フラUID置換）および滑らかに変化する（地質力学的）速度変化を回復できるか？

主な発見

• ノイズの強いデータにおいて、TV正則化付き同時逆問題は、クロスアップデートおよび繰り返し並列差分と比較して、モデル差分における振動的アーチファクトを顕著に低減する。
• クリーンなデータでは、TV正則化手法が真の速度差分を高い忠実度で回復し、負の（−150 m/s）および正の（+200 m/s）摂動を正しい位置に保持する。
• 7 dB SNRのデータにおいても、TV正則化手法は優れた精度を維持し、クロスアップデートや並列差分と比較して、再構築された差分の大きさが真のモデルに近い。
• 手動による空間的重み付け演算子（W）のチューニングが不要な状態で、計算アーチファクトおよびノイズに起因する特徴をより効果的に抑制する。
• 結果から、TV正則化が非相関的ノイズおよび測定ジオメトリの不一致に対してロバスト性を高め、L2正則化および非正則化の共同逆問題手法を上回ることを示している。
• 本手法は、局所的（ブロック型）および広範囲的（滑らかに変化する）な速度変化を両方とも効果的に捉えることができ、多様な炭素貯留プロセスをモデル化する多様性を示している。