[논문 리뷰] Robust joint full-waveform inversion of time-lapse seismic data sets with total-variation regularization

Musa Maharramov, Biondo Biondi|arXiv (Cornell University)|2014. 08. 04.

Seismic Imaging and Inversion Techniques참고 문헌 4인용 수 9

한 줄 요약

이 논문은 시간-반복 시ismic 데이터를 위한 강건한 공동 전체파형 역설계(FWI) 방법을 제안한다. 모델 차이에 대한 총변동(TV) 정규화를 통해 생산에 의해 유도된 지하 속도 변화의 복원을 향상시킨다. 기저 및 모니터 조사 데이터를 동시에 역설계하면서 TV 정규화를 적용함으로써, 진동하는 아티팩트를 억제하고, 특히 노이즈가 많거나 반복성 없는 측정 조건에서 L2-정규화 및 정규화 없는 공동 역설계 기법보다 정확도를 향상시킨다.

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.

연구 동기 및 목표

• 측정 반복성 문제와 수치적 아티팩트로 인해 미세한 생산에 의한 속도 변화를 복원하는 데 도전하는 문제를 해결하기 위해.
• 기존의 공동 역설계 방법을 개선하기 위해 모델 차이에 대한 총변동(TV) 정규화를 도입하여 공간적 구조를 더 잘 유지하고 진동하는 아티팩트를 줄이기 위해.
• TV 정규화가 블록형(유체 치환) 및 매끄럽게 변화하는(지구역학적) 속도 변화를 모두 더 잘 복원함으로써, L2-정규화 및 정규화 없는 접근 방식보다 정확도와 강건성을 향상시킨다는 것을 입증하기 위해.
• 다양한 신호 대 잡음 비율과 측정 기하학적 불일치를 가진 시뮬레이션 데이터를 대상으로 방법을 검증하여 실제 조건에서 뛰어난 성능을 보여주기 위해.

제안 방법

• 기저 및 모니터 시ismic 데이터 세트를 동시에 역설계하기 위해 공동 목적 함수를 사용하여 두 조사의 데이터 오차를 최소화한다.
• 속도 변화의 기울기에서 희박성을 촉진하고 조각별로 매끄럽고 블록형 구조를 선호하기 위해 모델 차이(Δm)에 대한 총변동(TV) 반노름 정규화 항을 도입한다.
• 저주파수에서 고주파수로의 다스레벨 주파수 계속 전략을 사용한 비선형 공액 기울기 알고리즘을 통해 최적화를 해결한다.
• 기저 모델은 청소된 역설계로부터 유도된 모델을 사용하여 기저 및 모니터의 동시 역설계에서 초기 모델로 활용한다.
• 수작업으로 조정된 공간 가중치 연산자(W)가 필요 없도록 하기 위해, TV 정규화의 내재된 희박성 촉진 특성을 활용한다.
• 동일한 데이터 세트와 반복 횟수를 사용하여, 병렬 차이, 상호 업데이트, L2-정규화 공동 역설계와의 비교를 수행한다.

실험 결과

연구 질문

• RQ1 노이즈가 많고 반복성 없는 측정 조건에서, TV-정규화 공동 FWI가 L2-정규화 및 정규화 없는 공동 역설계보다 시간-반복 속도 변화 복원에서 뛰어난 성능을 보일 수 있는가?
• RQ2 TV 정규화가 진동하는 수치적 아티팩트를 억제하면서 진짜 생산에 의한 변화를 유지하는 데 효과적인가?
• RQ3 정확도와 강건성 측면에서, TV-정규화 동시 역설계의 성능이 상호 업데이트 및 반복 병렬 차이와 비교하여 어떻게 다른가?
• RQ4 사전 지식 없이도 TV 정규화가 블록형(유체 치환) 및 매끄럽게 변화하는(지구역학적) 속도 변화를 모두 회복할 수 있는가?

주요 결과

• 노이즈가 많은 데이터에서, TV-정규화 동시 역설계는 상호 업데이트 및 반복 병렬 차이보다 진동하는 아티팩트를 크게 감소시킨다.
• 청소된 데이터에서는 TV-정규화 방법이 진짜 속도 차이를 더 높은 정밀도로 복원하며, 음(-150 m/s) 및 양(+200 m/s)의 변화를 정확한 위치에 유지한다.
• 7 dB 신호 대 잡음 비율(SNR) 데이터에서, TV-정규화 방법은 상호 업데이트나 병렬 차이보다 더 뛰어난 정확도를 유지하며, 재구성된 차이의 크기가 진짜 모델에 더 가깝다.
• 수작업으로 조정된 공간 가중치 연산자(W)가 필요 없이도 계산 아티팩트와 노이즈 유도 특징을 더 잘 억제한다.
• 결과적으로 TV 정규화는 상관 없는 노이즈와 측정 기하학적 불일치에 대해 강건성을 향상시키며, L2-정규화 및 정규화 없는 공동 역설계 방법보다 뛰어난 성능을 보인다.
• 이 방법은 국소적(블록형) 및 광범위한(매끄럽게 변화하는) 속도 변화를 모두 성공적으로 포착하여, 다양한 오일레이저 과정을 모델링하는 데 있어 유연성을 보여준다.