[論文レビュー] Enhancement of seismic imaging: An innovative deep learning approach

Yanyan Zhang, Lu Ping+2 more|arXiv (Cornell University)|Sep 13, 2019

Seismic Imaging and Inversion Techniques参考文献 8被引用数 5

ひとこと要約

本論文では、井戸ログの反射を利用して地震データの周波数帯域を拡張することで、深層学習ベースの手法を提案する。複数の井戸の地理的空間データを用いた学習により、低周波数および高周波数成分が強化され、分解能が向上し、サイドローブアーチファクトが抑制される。結果は井戸ログと整合的であり、定量的な不確実性評価が可能である。

ABSTRACT

Enhancing the frequency bandwidth of the seismic data is always the pursuance at the geophysical community. High resolution of seismic data provides the key resource to extract detailed stratigraphic knowledge. Here, a novel approach, based on deep learning model, is introduced by extracting reflections from well log data to broaden spectrum bandwidth of seismic data through boosting low and high frequencies. The corresponding improvement is observed from the enhancement of resolution of seismic data as well as elimination of sidelobe artifacts from seismic wavelets. During the training stage of deep learning model, geo-spatial information by taking consideration of multiple wells simultaneously is fully guaranteed, which assures that laterally and vertically geological information are constrained by and accurate away from the well controls during the inversion procedure. Extensive experiments prove that the enhanced seismic data is consistent with well log information, and honors rock property relationships defined from the wells at given locations. Uncertainty analysis could also be quantitatively assessed to determine the possibilities of a range of seismic responses by leveraging the outputs from the proposed approach.

研究の動機と目的

• 地震データにおける周波数帯域の制限が地下の分解能と層理的詳細抽出を制限するという課題に対処すること。
• 両端の低周波数および高周波数成分を拡張することで、地震データを強化する深層学習モデルを開発すること。
• トレーニング中に複数の井戸の地理的空間情報を組み込むことで、横方向および縦方向の地質的整合性を保証すること。
• 井戸ログから導かれる岩石特性の関係を反映する地震画像を生成すること。
• モデル出力から地震応答の定量的不確実性分析を可能にすること。

提案手法

• 複数の井戸ログから抽出された反射を学習することで、強化された地震データを予測する深層学習モデルをトレーニングする。
• 複数の井戸間の空間的および時間的相関を活用し、横方向および縦方向の両方で地質的整合性を保つ。
• 学習プロセス中に、不足している低周波数および高周波数成分を強化することで、周波数スペクトルの拡張を達成する。
• 地質的妥当性を確保するため、井戸ログから導かれる岩石特性に基づいた制約をトレーニングプロセスに組み込む。
• ディープニューラルネットワークのエンドツーエンド最適化により、地震ウェーブレットのサイドローブアーチファクトを低減する。
• 入力条件の変動に対するモデル出力の範囲を分析することで、不確実性の定量的評価を実施する。

実験結果

リサーチクエスチョン

• RQ1 深層学習を用いて、地震データの周波数帯域を効果的に拡張する方法は何か？
• RQ2 複数の井戸の空間的情報を組み込むことで、強化された地震画像の地質的整合性はどの程度向上するか？
• RQ3 提案手法は、信号忠実度を保持したまま、地震ウェーブレットのサイドローブアーチファクトを低減できるか？
• RQ4 強化された地震データは、井戸ログから導かれる岩石特性とどの程度一致するか？
• RQ5 モデルの出力分布を用いて、地震応答の不確実性を定量的に評価できるか？

主な発見

• 従来手法と比較して、薄い層や層理的特徴の明確なイメージングが可能な、分解能の向上した強化された地震データが得られた。
• 地震ウェーブレットのサイドローブアーチファクトが顕著に低減され、よりクリアで解釈性の高い地震画像が得られた。
• 井戸制御地点における井戸ログ情報と強化データが整合的であり、手法の正確性が検証された。
• モデルは井戸ログで定義された岩石特性の関係を保持しており、逆問題における地質的整合性が保証された。
• 定量的不確実性分析が可能であり、リスク評価に役立つ、妥当な地震応答の範囲をモデルが生成した。
• 複数のテストサイトで一貫した高い性能を示し、一般化可能性が確認された。