BR112016009578B1

BR112016009578B1 - Método e aparelho para inversão de forma de onda completa

Info

Publication number: BR112016009578B1
Application number: BR112016009578-2A
Authority: BR
Inventors: Mike Warner; Lluis GUASCH BATALLA
Original assignee: Imperial Innovations Limited
Priority date: 2013-10-29
Filing date: 2014-01-14
Publication date: 2022-05-10
Also published as: AU2014343482B2; CA2928955A1; GB2509223B; BR112016009578A2; GB201319095D0; SG11201603338TA; GB2509223A; AU2014343482A1; US20160238729A1; EP3063562B1; SG10201803539TA; WO2015063444A1; US10928534B2; EP3063562A1

Abstract

método e aparelho para inversão de forma de onda completa. método para exploração de subsuperfície, em que o método compreende gerar uma representação geofísica de uma porção do volume da terra a partir de uma medição sísmica de pelo menos um parâmetro físico. o método compreende as etapas de: a) fornecer um conjunto de dados sísmicos observados que compreende pelo menos três valores de dados diferentes de zero distintos derivados de pelo menos três valores sísmicos medidos diferentes de zero distintos da dita porção do volume da terra; b) gerar, com o uso de um modelo de subsuperfície de uma porção da terra que compreende uma pluralidade de coeficientes de modelo, um conjunto de dados sísmicos previstos que compreende pelo menos três valores de dados diferentes de zero distintos; c) gerar pelo menos um filtro de convolução não trivial, sendo que o filtro ou cada filtro compreende três ou mais coeficientes de filtro diferentes de zero; d) gerar um conjunto de dados observados convolucionados mediante a convolução do filtro de convolução ou de cada filtro de convolução com o dito conjunto de dados sísmicos observados; e) gerar uma ou mais funções de objetivo primárias operáveis para medir a similaridade e/ou disparidade entre o dito conjunto de dados observados convolucionados e o dito conjunto de dados previsto; f) maximizar e/ou minimizar pelo menos uma dentre as ditas funções objetivas primárias mediante a modificação de pelo menos um coeficiente de filtro do filtro de convolução ou de cada filtro de convolução; g) gerar um ou mais filtros de referência predeterminados que compreendem pelo menos três coeficientes de referência; h) gerar uma ou mais funções objetivas secundárias operáveis para medir a similaridade e/ou a disparidade entre os coeficientes de filtro para o filtro não trivial e os coeficientes de referência ou cada um dentre o filtro não trivial e os coeficientes de referência para os filtros de referência predeterminados ou cada um dentre os filtros de referência predeterminados; e i) minimizar e/ou maximizar pelo menos uma dentre as ditas funções objetivas secundárias mediante a modificação de pelo menos um coeficiente-modelo do dito modelo de subsuperfície de uma porção da terra para produzir um modelo de subsuperfície atualizado de uma porção da terra; e j) fornecer um modelo de subsuperfície atualizado de uma porção da terra para a exploração de subsuperfície.

Description

[001] A presente invenção refere-se a um método e aparelho para inversão de forma de onda completa. Mais particularmente, a presente invenção se refere a um método e aparelho aprimorados para inversão de forma de onda completa nos quais uma convergência incorreta de ciclo saltado é mitigada ou eliminada.

[002] Há um interesse significativo em inspecionar seções da Terra para detectar recursos minerais naturais ou outros locais de interesse geológico. Uma abordagem de detecção de tais atributos naturais é o levantamento sísmico. Os levantamentos sísmicos são os meios principais pelos quais a indústria de petróleo pode explorar a subsuperfície da Terra para reservas de óleo e gás. Tipicamente, os dados de levantamento sísmico são obtidos e analisados em relação à identificação de localizações adequadas para a investigação direta da subsuperfície através de perfuração. O levantamento sísmico também tem aplicações dentro da indústria de mineração e dentro de outros setores industriais que têm um interesse nos detalhes da subsuperfície da Terra.

[003] Em um levantamento sísmico, uma ou mais fontes sísmicas naturais ou artificiais estão dispostas para gerar energia vibracional que é direcionada à subsuperfície da Terra. Sinais refletidos, refratados ou outros sinais retornados de atributos da subsuperfície são então detectados e analisados. Esses sinais podem ser usados para mapear a subsuperfície da Terra.

[004] Uma ilustração esquemática de uma instalação experimental 10 para um levantamento sísmico submarino é mostrada na Figura 1. No entanto, esse exemplo se destina a ser não limitativo e um experimento equivalente pode ter realizado em terra. A presente invenção é aplicável à exploração de subsuperfície em qualquer ambiente adequado, por exemplo, medições terrestres ou marinhas de uma porção da subsuperfície da Terra. A presente invenção pode ser aplicável à identificação de inúmeros recursos de subsuperfície e se destina a incluir exploração de óleo e prospecção de gás.

[005] A pessoa versada na técnica terá ciência prontamente dos ambientes adequados nos quais os dados podem ser recolhidos para propósitos de e de exploração, conforme estabelecido na presente revelação.

[006] Nesse exemplo, a instalação experimental 10 compreende uma fonte 12. Nesse exemplo, a fonte 12 está localizada em um navio 14, embora esse não precise ser o caso, e a fonte pode estar localizada em terra ou dentro da subsuperfície ou em qualquer outra embarcação ou veículo adequado.

[007] A fonte 12 gera ondas acústicas e/ou elásticas que tem energia vibracional suficiente para penetrar na subsuperfície da Terra e gerar sinais de retorno suficientes para auxiliar a detecção útil. A fonte 12 pode compreender, por exemplo, um dispositivo explosivo, ou alternativamente uma espingarda de ar ou outro dispositivo mecânico com capacidade para criar perturbação vibracional suficiente. Frequentemente, para muitos experimentos de levantamento sísmico, é usada uma única fonte que é atirada a partir de múltiplas localizações. Fontes que ocorrem naturalmente também podem ser empregadas.

[008] Uma pluralidade de detectores 16 é fornecida. Os detectores 16 podem compreender qualquer aparelho de detecção vibracional adequada. Frequentemente, são usados dois tipos de dispositivo. Geofones que detectam moção de partícula e hidrofones que detectam variações de pressões. Frequentemente, vários de detectores 16 são dispostos em linhas para obtenção de dados 2D. Alternativamente, os detectores 16 podem ser colocados em conjuntos de linhas ou em uma grade para 3D obtenção de dados. Os detectores 16 também podem estar localizados dentro da subsuperfície, por exemplo, poço abaixo. Os detectores 16 são conectados para rastrear um aparelho de obtenção, tal como, um computador ou outro dispositivo de armazenamento eletrônico. Nesse exemplo, o aparelho de obtenção está localizado em um navio adicional 18. No entanto, esse não precisa o caso e outras colocações são possíveis.

[009] Em uso, as ondas elásticas 20 geradas pela fonte 12 se propagam na subsuperfície 22 da Terra. A subsuperfície 22 compreende, em geral, uma ou mais camadas ou estratos 24, 26, 28 formados a partir de rocha ou outros materiais. As ondas elásticas 20 são transmitidas e refratadas através das camadas e/ou refletidas fora das interfaces entre as mesmas e/ou dispersas a partir de outras heterogeneidades na subsuperfície e uma pluralidade de sinais de retorno 30 é detectada pelos detectores 16.

[0010] Em geral, os sinais de retorno 30 compreendem ondas elásticas que têm diferentes polarizações. As ondas primárias ou de pressão (conhecidas como ondas- P) são polarizadas de maneira aproximadamente longitudinal e compreendem refrações e compressões alternativas no meio em que a onda está percorrendo. Em outras palavras, em um ambiente isotrópico, as oscilações de uma onda P são paralelas à direção de propagação. As ondas-P têm, tipicamente, a velocidade mais alta e, portanto, são tipicamente as primeiras a serem registradas. As ondas-P percorrem em uma velocidade Vp em um meio particular. A Vp pode variar em posição, em direção de percurso, em frequência e em outros parâmetros e é, eficazmente, a velocidade do som em um meio. É essa Vp de quantidade que é, mais frequentemente, de maior interesse particular em inversão sísmica.

[0011] As ondas de cisalhamento ou secundárias (conhecidas como ondas-S) também podem ser geradas. As ondas-S têm uma polarização aproximadamente transversa. Em outras palavras, e um ambiente isotrópico, a polarização é perpendicular à direção de propagação. As ondas-S, em geral, estão se movendo mais lentamente que as ondas-P em materiais, tais como, rocha. Ao passo que a análise de onda-S é possível e é abrangida pelo escopo da presente invenção, a descrição a seguir tem como foco a análise de ondas-P.

[0012] Um levantamento sísmico é composto, tipicamente, de vários eventos de extração de fonte individual. A resposta da Terra a esses eventos é registrada em cada localização receptora, como um traço sísmico para cada par de fonte-receptora. Para um levantamento bidimensional, as dezenas de milhares de rastreamentos individuais podem ser tomados. Para o caso tridimensional, esse número pode chegar até milhões.

[0013] Um traço sísmico compreende uma sequência de medições no tempo feita por um ou mais dentre a multiplicidade de detectores 16, o retorno dentre as ondas acústicas e/ou elásticas 30 refletidas, refratadas e/ou dispersas que se originam da fonte 12. Em geral, uma reflexão parcial da onda acústica 20 ocorre em um limite ou em uma interface entre dois materiais semelhantes, ou quando as propriedades elásticas de um material mudam. Os rastreamentos são, normalmente, amostrados a tempo em intervalos distintos da ordem de milissegundos.

[0014] Os levantamentos sísmicos na superfície ou no fundo do mar podem ser usados para extrair propriedades de rocha e construir imagens de refletividade da subsuperfície. Tais levantamentos podem, com a correta interpretação, fornecer uma figuração precisa da estrutura de subsuperfície da porção da Terra cujo levantamento é realizado. Isso pode incluir atributos da subsuperfície associados a recursos minerais, tais como, hidrocarbonetos (por exemplo, óleo e gás natural). Os recursos de interesse na prospecção incluem: falhas, dobras, anticlíneos, não conformidades, domas de sal, recifes.

[0015] A chave para esse processo de modelagem e imageamento de uma porção da terra é a velocidade sísmica Vp. Em uma porção do volume da Terra, Vp pode ser estimada de várias maneiras.

[0016] A inversão de campo de onda completo (FWI) é um método conhecido para analisar dados sísmicos. A FWI pode produzir modelos de propriedades físicas, tais como, Vp em uma região de subsuperfície que tem alta fidelidade e que são bem resolvidas espacialmente. A FWI almeja extrair as propriedades de rochas de subsuperfície a partir de um conjunto de dados sísmicos fornecidos registrados na superfície ou fundo do mar. Uma estimativa de velocidade detalhada pode ser produzida com o uso de um modelo preciso com variações na escala de um comprimento de onda sísmico.

[0017] A técnica de FWI envolve gerar um modelo bidimensional ou tridimensional para representar a porção da Terra medida e tentar modificar as propriedades e parâmetros modelo da Terra a fim de gerar dados previstos que sejam compatíveis com os dados de traço sísmico obtidos experimentalmente.

[0018] Os dados previstos são calculados a partir do modelo de subsuperfície tipicamente com o uso da equação de onda bidirecional completa. O modelo final tem, potencialmente, uma resolução e precisão muito maior potencialmente, no entanto, o método pode falhar devido à sensibilidade das formas de onda previsto ao modelo. A FWI é um processo iterativo que exige um modelo de partida. Um modelo de partida suficientemente preciso para a FWI pode ser fornecido através da tomografia de percurso-tempo.

[0019] A FWI pode extrair muitas propriedades físicas (velocidades Vp e Vs, atenuação, densidade, anisotropia) da porção da Terra modelada. No entanto, a Vp, a velocidade da onda P, é um parâmetro particularmente importante do qual a construção subsequente dos outros parâmetros depende decisivamente. Todavia, outros parâmetros podem ser usados com a presente invenção, tanto sozinhos como em combinação. A natureza e o número de parâmetros usados em um modelo de uma porção da Terra ficarão prontamente evidentes para a pessoa versada.

[0020] A técnica de FWI almeja obter um modelo de Vp de alta resolução da subsuperfície que gera dados previstos que são compatíveis com dados registrados. Os dados previstos são calculados com o uso da equação de onda bidirecional completa. Isso é conhecido como um problema avançado. Essa equação pode estar no domínio de tempo, no domínio de frequência, ou em outros domínios adequados e pode ser elástica ou acústica, isotrópica ou anisotrópica e pode incluir outros efeitos físicos, tais como, atenuação e dispersão. Na maioria dos casos, a FWI procede com o uso da aproximação acústica com um único campo de onda modelado por componente que, no caso marinho, é pressão.

[0021] Um exemplo de um modelo de partida básico é mostrado na Figura 2. O modelo mostra uma estimação simples da subsuperfície de uma porção da Terra. A fonte de ondas acústicas é mostrada como uma estrela e uma pluralidade de receptores é mostrada como círculos. Tanto a fonte quanto os receptores estão localizados no fundo do mar ou acima do mesmo. Conforme mostrado, o modelo básico mostra uma Vp gradualmente crescente com profundidade crescente sem qualquer um dentre a estrutura detalhada presente em um modelo Marmousi da terra verdadeiro (que é mostrado na Figura 6a) e descrito posteriormente).

[0022] Um recolhimento sísmico modelado é mostrado na Figura 3 para um tiro e uma linha de receptores. Os traços sísmicos modelados no recolhimento foram gerados com o uso do modelo básico mostrado na Figura 2. Isso é feito aplicando- se a equação de onda acústica isotrópica ao modelo da Figura 2 e, em seguida, modelando-se os sinais refletidos e refratados à medida que são detectados. O recolhimento de tiro sísmico modelado é feito de rastreamentos individuais nas posições receptoras de superfície que mostram a pressão registrada como uma função de tempo.

[0023] Em geral, os parâmetros do modelo são estimados em uma pluralidade de pontos estabelecidos em uma grade ou em um volume, porém podem ser estimados a partir de qualquer parametrização adequada. O modelo é usado para gerar uma representação modelada do conjunto de dados sísmicos. O conjunto de dados sísmicos previstos é comparado, em seguida, ao conjunto de dados sísmicos realísticos obtidos experimentalmente. Então, através do uso de uma iteração numérica convergente, os parâmetros do modelo são modificados até que o conjunto de dados sísmicos previstos gerados a partir do modelo da Terra seja compatível com os dados sísmicos reais observados até um grau suficiente de precisão até que a convergência suficiente seja obtida. Os exemplos nessa técnica são ilustrados em “An overview de full-waveform inversion in exploration geophysics”, J. Virieux e S. Operto, Geophysics Vollume 74 no 6 e no documento US-A-7.725.266.

[0024] Um método geral para atualizar um modelo será agora descrito. A FWI opera, tipicamente, sob o princípio de atualizar iterativamente o modelo de partida a fim de minimizar ou maximizar uma função objetiva através do cálculo repetido de direção de máximo declive ou uma através de uma técnica análoga. Uma função objetiva representa alguma medida da disparidade ou alguma medida de similaridade entre os dados registrados e os dados previstos. Uma medida de disparidade, obtida por exemplo subtraindo-se dois traços, deve ser minimizada; ao passo que uma medida de similaridade obtida, por exemplo, através de correlação cruzada de dois traços deve ser maximizada.

[0025] Devido à não linearidade na relação entre o modelo e os dados, a função objetiva usada em FWI irá oscilar com as mudanças no modelo. Isso torna necessário ter um modelo de partida suficientemente preciso para convergência mínima global. A função objetiva pode ser formulada no domínio de frequência, no domínio de tempo ou em outro domínio adequado. A escolha do domínio permite o uso de pré-condicionamento tanto nos dados como na direção de atualização de modelo que podem aprimorar a convergência ou a linearidade do problema inverso.

[0026] A inversão de domínio de frequência é equivalente à inversão de domínio de tempo caso as frequências sejam invertidas simultaneamente. No entanto, o mínimo global se alarga em frequência mais baixas, o que reduz o quão preciso o modelo precisa ser para que a inversão localizada seja bem-sucedida.

[0027] Frequentemente, métodos com base em gradiente localizado são usados com FWI. Esses métodos atualizam iterativamente um modelo existente em uma direção que deriva da direção da função objetiva de máximo declive. O propósito central de FWI é constatar um modelo da subsuperfície que minimize a diferença entre um conjunto de dados sísmicos observados e um conjunto de dados sísmicos previstos gerados pelo modelo para os mesmos pontos de dados espaciais realísticos como o conjunto de dados sísmicos observados.

[0028] Há inúmeras maneira de quantificar a diferença (também conhecida como o residual) entre os conjuntos de dados. No entanto, dentre o mais comum, é a formulação de quadrados mínimos em que a soma dos quadrados das diferenças entre os dois conjuntos de dados é minimizada em todas as fontes e receptores e em todas as vezes. Em outras palavras, almeja-se um modelo é que minimiza a norma L2 dos residuais de dados.

[0029] A norma L2 expressa o desajuste entre os dois conjuntos de dados como um único número. Esse parâmetro é conhecido como a função objetiva, embora tenha frequentemente outros nomes, tais como, a função de desajuste, a função de custo ou o funcional. A função objetiva é uma quantidade positiva escalar e é uma função do modelo m.

[0030] Na prática, um fator de uma metade está incluído frequentemente na definição da função objetiva f devido ao fato de que torna os resultados posteriores mais simples. Um exemplo de uma função objetiva conhecida (m) é mostrado na equação 1):

em que ns, nr e nt são o número de amostras de fontes, receptores e de tempo no conjunto de dados.

[0031] No domínio de tempo, os dados e os residuais de dados serão as quantidades reais. No entanto, no domínio de frequência, os dados serão, em geral, complexos, como também a fonte e, ocasionalmente, as propriedades de modelo. A equação 1) é recitada corretamente para dados complexos. No entanto, no domínio de frequência, nt será expresso como nf, isto é, um somatório sobre frequência em vez de tempo.

[0032] A FWI é um esquema de inversão interativo local. Um modelo de partida m0 que é assumido como suficientemente próximo ao modelo ideal verdadeiro é preparado. O processo, então, realiza uma série de aprimoramentos em etapas nesse modelo, o que rediz de maneira bem-sucedida a função objetiva a zero. Portanto, através de uma etapa iterativa do cálculo, a função objetiva precisa ser considerada para um modelo de partida m0 e um novo modelo m = m0 + δm.

[0033] Para uma função escalar de uma única variável escalar, a série Taylor pode ser usada, truncada para segunda ordem. Isso gera a equação 2):

[0034] Diferenciando-se essa expressão em relação a m e definindo-se o resultado como zero para minimizar em relação a m = m0 + δm, a equação 2) se torna:

[0035] Em seguida, desprezando-se termos de segunda ordem, a equação 4) pode ser derivada, o que expressa a atualização ao modelo δm:

[0036] Em Vm/ é o gradiente da função objetiva em relação aos parâmetros- modelo, e H é a matriz Hessiana dos segundos diferenciais, ambos avaliados em m0.

[0037] Caso o modelo tenha M parâmetros, então, o gradiente é um vetor de coluna de comprimento M e a Hessiana é uma matriz simétrica M x M.

[0038] Caso o número de parâmetros-modelo M seja grande, então, o cálculo da Hessiana exige computação, e a inversão exata da Hessiana é normalmente intratável computacionalmente. Consequentemente, o método que é tipicamente usado deve substituir o inverso da Hessiana na equação (9) por um simples escalar (denominado de comprimento de etapa). Equação 4) pode ser, então, expressa como:

[0039] Com base em equação 5), a FWI convencional pode usar o método de máximo declive. Isso envolve essencialmente 5 etapas: 1. Iniciar a partir do modelo m0; 2. Avaliar o gradiente Vm/ da função objetiva para o modelo atual; 3. Constatar o comprimento de etapa α; 4. Subtrair a times o gradiente do modelo atual para obter um novo modelo; e 5. Iterar a partir da etapa 2 com o uso do novo modelo até que a função objetiva seja minimizada.

[0040] A fim de calcular o gradiente e determinar o comprimento de etapa, uma matriz Jacobiana é usada conforme estabelecida na equação 6):

em que J é a matriz Jacobiana.

[0041] Uma equação de onda para um conjunto de dados previsto d gerado por uma fonte s pode ser escrita como: 7)

[0042] Em que o conjunto de dados d é um subconjunto do campo de onda completo p extraído com o uso da matriz diagonal D que tem valores de unidade diferentes de zero antes quando há dados observados. Ou seja, conforme estabelecido na equação 8); 8)

[0043] A equação 7) pode ser, então, diferenciada em relação a m, que é igual a zero devido ao fato de que s e m são independentes:

[0044] a equação 9) é, então, pré-multiplicado pela matriz D para extrair o campo de onda apenas nos pontos em que os dados existem. A Jacobiana pode ser então reescrita como:

[0045] A partir da equação 10), uma expressão para o gradiente pode ser derivada reconhecendo-se que DTδd = δd e substituindo-se a equação 10) na equação 6), para derivar uma expressão para o gradiente:

[0046] Assim, a fim de constatar o gradiente, o campo de onda frontal p é calculado, o operador numérico A é diferenciado em relação aos parâmetros-modelo e o termo final da equação 11) é calculado, o que representa um campo de onda residual propagado posteriormente.

[0047] Esses termos são, então, multiplicados juntos para todas as vezes e para todas as fontes e somados entre si a fim de gerar um valor correspondente a cada parâmetro dentro do modelo, tipicamente, para gerar um valor do gradiente em cada ponto de grade dentro do modelo.

[0048] O termo final na equação 11) pode ser escrito chegar à equação 12): 12)

[0049] A equação 12) descreve simplesmente um campo de onda p que é gerado por uma fonte (virtual) 5d, e que é propagado pelo operador AT que é o adjunto do operador na equação de onda original. Portanto, o termo que precisa computar na equação 11) é apenas a solução de uma equação de onda modificada com os residuais de dados usados como uma fonte.

[0050] Desse modo, é necessário computar o comprimento de etapa a. Com o início a partir de um modelo atual m0 que gera os dados d0 e os residuais δd0, um novo modelo m1 = m0 + δ m1 que gera os dados d1 e os residuais δd1, em que δm é uma pequena mudança na direção oposta ao gradiente.

[0051] Portanto, o objetivo é constatar um novo modelo ma = m0 + α δm que gera os residuais δm em que α minimiza: 13)

[0052] Supondo uma relação linear:

[0053] Através da recolocação e da diferenciação em relação a α, da definição da equação igual a zero e da solução para α, as equações 15) e 16) podem ser derivadas:

[0054] Portanto, para calcular o comprimento de etapa, um cálculo avançado é feito com um modelo perturbado, e os residuais tanto do modelo original quanto do modelo perturbado foram combinados para formar a equação 15).

[0055] Uma vez que α foi constatado, o modelo de partida original m0 pode ser substituído por ma e a etapa do cálculo iterativo é concluída. Esse processo pode ser, então, repetido.

[0056] Observa-se que a iteração é necessária devido ao fato de que o problema a ser resolvido é não linear, e o problema inverso foi linearizado em estágios particulares. Implicitamente, o método invoca a aproximação de Born. A aproximação de Born supõe que a perturbação a um campo de onda produzida mudando-se um modelo está relacionada linearmente à mudança no modelo. Isso é equivalente à consideração apenas da dispersão de primeira ordem pela perturbação

[0057] O método esboçado acima para realizar FWI é estendido e modificado frequentemente de várias maneiras para aprimorar tanto a eficiência quanto eficácia do mesmo.

[0058] Por exemplo, várias aproximações aprimoradas à matriz Hessiana H e ao inverso da mesma podem ser feitas incluindo uso dos métodos Newton, Gauss-Newton, quasi-Newton e Memória Limitada Broyden-Fletcher-Goldfarb-Shanno (L- BFGS).

[0059] Várias modificações mediante o simples máximo declive são conhecidas na técnica; por exemplo, métodos de gradiente conjugados. Os dados previstos, os dados observados, os residuais de dados, o campo de onda frontal, campo de onda propagado para trás, o gradiente e Hessiana podem todos ser processados de várias maneiras.

[0060] Além disso, as restrições adicionais podem ser colocadas em atualizações de modelo e/ou em um modelo recuperado. As fontes e outros subconjuntos dos dados podem ser selecionados, modificados e/ou combinados de várias maneiras, e, desse modo, usados na inversão de preferência quanto ao uso das fontes físicas originais. Muitos dessas melhorias são descritas e discutidas em “An overview of full waveform inversion in exploration geophysics”, J. Virieux e S. Operto, Geophysics volume 74, WCC1-WCC26, doi: 10,1190/1,3238367

[0061] De modo ideal, o método acima irá levar a uma convergência a um modelo que é uma representação correta de uma porção da subsuperfície da Terra. No entanto, há algumas dificuldades associadas à obtenção convergência correta.

[0062] Conforme estabelecido acima, a metodologia de FWI para a função objetiva acima depende de um método do gradiente descendente para resolver o problema inverso. Isso exige que o modelo de partida deva ser compatível com os tempos de percurso observados dentro de meio ciclo. No entanto, os dados sísmicos reais são limitados na largura de banda de frequência dos mesmos. Isso significa que os sinais sísmicos reais são oscilatórios.

[0063] Isso é ilustrado com o uso do exemplo a seguir, conforme mostrado nas Figuras 4 e 5. A Figura 4 mostra exemplos de dados observados sísmicos (dobs) e de dados previstos sísmicos (dpred) como uma função de tempo (no eixo geométrico vertical). A Figura 5 mostra a função objetiva f correspondente aos dados da Figura 4. Conforme mostrado, o valor da função objetiva, ou desajuste, é oscilatória como uma função de tempo.

[0064] Um modelo de partida impreciso pode prever os dados que são maiores que meio ciclo em erro, em relação aos dados observados. Tal situação é descrita como “ciclo saltado”. Quando isso ocorre, devido ao fato de que a metodologia almeja apenas um mínimo local, a FWI tende a modificar o modelo de subsuperfície de modo que os dados previstos e observados sejam alinhados no ciclo mais próximo, e isso não corresponderá ao alinhamento correto tampouco ao modelo corretor do mesmo. Esse desalinhamento ao ciclo mais próximo irá reduzir o desajuste de dados, e os esquemas típicos de FWI ficarão interrompidos nessa posição - ficarão presos em um mínimo local nos dados função de desajuste em vez de poderem constatar o mínimo global que corresponde ao modelo verdadeiro.

[0065] Consequentemente, conforme ilustrado acima, para a convergência bem- sucedida, os dados previstos precisam se encontrar dentro do meio ciclo de onda dos dados registrados na frequência utilizável mais baixa. Em outras palavras, o modelo de partida precisa ser suficientemente preciso para ser compatível com os dados reais dentro de meio ciclo de onda, do contrário, a FWI pode convergência incorreta a um mínimo local de ciclo saltado.

[0066] Um exemplo do efeito disso no modelo gerado é mostrado nas Figuras 6 a) a 6 f). A Figura 6 a) mostra o modelo Marmousi sintético gerado para representar a estrutura de subsuperfície de uma porção da Terra. A Figura 6 b) mostra um modelo de partida preciso que, em um formato geral, segue aquele do modelo Marmousi real. Portanto, a realização da FWI que inicia com o modelo de partida da Figura 6 b) leva a uma convergência precisa, conforme mostrado na Figura 6 c). A Figura 6 c) mostra o modelo final convergido que é uma representação satisfatória do modelo Marmousi original.

[0067] No entanto, na prática, tal modelo de partida preciso é improvável, dada a falta de informações sobre as estruturas de subsuperfície de porções realísticas da Terra. As Figuras 6 d) a 6 f) ilustram a operação de FWI quando dotada de um modelo de partida insatisfatório (impreciso), conforme mostrado na Figura 6 d).

[0068] A Figura 6 e) mostra o modelo recuperado após a convergência com o uso de apenas um único componente de frequência de 5Hz. A Figura 6 f) mostra o modelo recuperado completo após as iterações de frequência mais alta subsequentes. Conforme mostrado, há imprecisões evidentes no modelo recuperado quando comparado ao modelo original da Figura 6 a). Os recursos não são resolvidos claramente e são localizados imprecisamente. Isso é um resultado de convergência incorreta de ciclo saltado e, na prática, gera um resultado final subideal que pode levar à identificação imprecisa de recursos naturais ou de outros locais de interesse.

[0069] As consequências práticas de salto de ciclo significam que o modelo de partida precisa ser altamente preciso e que os dados observados precisam conter frequências relativamente baixas de modo que o mínimo global seja mais amplo. Ainda assim, a FWI exige um controle de qualidade cuidadoso de modo que o processo não convirja em direção ao modelo de subsuperfície errado.

[0070] Na prática, a obtenção de um modelo de partida preciso pode ser dificultosa, demorada, dispendiosa ou impossível de alcançar. A obtenção de frequências suficientemente baixas nos dados observados pode ser dispendiosa ou impossível de alcançar na prática, e essa exigência pode invalidar a aplicação da técnica a conjuntos de dados herdados existentes. Como resultado, o salto de ciclo, tanto nos métodos contextuais que se baseiam em minimizar os residuais de dados quanto naqueles que se baseiam em maximizar a correlação cruzada, pode comprometer e limitar a ampla aplicabilidade e consumo prático de FWl.

[0071] Portanto, até a data, os métodos de FWI conhecidos apresentem um problema técnico em que a convergência incorreta de ciclo saltado pode levar a erros significativos em um modelo gerado final de uma porção da Terra de subsuperfície. As tentativas de tratar isso na prática tem, muitas vezes, limitações significativas em relação ao tamanho, à complexidade e/ou ao custo de modelos e de processamento computacional exigidos. A presente invenção visa resolver essas questões.

[0072] De acordo com um primeiro aspecto da presente invenção, é fornecido um método para exploração de subsuperfície, sendo que o método compreende gerar uma representação geofísica de uma porção do volume da Terra a partir de uma medição sísmica de pelo menos um parâmetro físico e compreende as etapas de: a) fornecer um conjunto de dados sísmicos observados que compreende pelo menos três valores de dados diferentes de zero distintos derivados de pelo menos três valores sísmicos medidos diferentes de zero distintos da dita porção do volume da Terra; b) gerar, com o uso de a modelo de subsuperfície de uma porção da Terra que compreende a pluralidade de coeficientes de modelo, um conjunto de dados sísmicos previstos que compreende pelo menos três valores de dados diferentes de zero distintos; c) gerar pelo menos um filtro de convolução não trivial, o ou cada filtro que compreende três ou mais coeficientes de filtro diferentes de zero; d) gerar um conjunto de dados observados convolucionados mediante a convolução do filtro ou de cada filtro de convolução com o dito conjunto de dados sísmicos observados; e) gerar uma ou mais funções de objetivo primárias operável para medir a similaridade e/ou disparidade entre o dito conjunto de dados observados convolucionados e o dito conjunto de dados previsto; f) maximizar e/ou minimizar pelo menos uma dentre as ditas funções objetivas primárias mediante a modificação de pelo menos um coeficiente de filtro do filtro ou cada filtro de convolução; g) gerar um ou mais filtros de referência predeterminados que compreende pelo menos três coeficientes de referência; h) gerar uma ou mais funções objetivas secundárias operáveis para medir a similaridade e/ou disparidade entre os coeficientes de filtro para os coeficientes ou cada um dentre os coeficientes de filtro não trivial e os coeficientes de referência para os filtros ou cada um dentre os filtros de referência predeterminados; i) minimizar e/ou maximizar pelo menos uma dentre as ditas funções objetivas secundárias mediante a modificação de pelo menos um coeficiente-modelo do dito modelo de subsuperfície de uma porção da Terra para produzir um modelo de subsuperfície atualizado de uma porção da Terra; e j) fornecer uma modelo de subsuperfície atualizado de uma porção da Terra para exploração de subsuperfície.

[0073] Através do fornecimento de tal colocação, salto de ciclo pode ser eliminado. Até mesmo caso os dados tenham o ciclo saltado, o filtro de convolução ainda pode faz com que os dois conjuntos de dados sejam compatíveis. Desse modo, uma inversão de gradiente pode ser realizada, em uma modalidade, nos coeficientes, porém não são cíclicos ou não estão sujeitos ao salto de ciclo da maneira que os conjuntos de dados estão.

[0074] Em uma modalidade, o dito pelo menos um filtro de convolução é operável para transformar pelo menos uma porção do dito conjunto de dados sísmicos observados para renderizar o conjunto de dados sísmicos observados e aproximações de conjunto de dados previstos um do outro.

[0075] Em uma modalidade, subsequente à etapa c), O método compreende adicionalmente: k) gerar pelo menos um filtro de convolução não trivial adicional, sendo que filtro ou cada filtro adicional compreende três ou mais coeficientes de filtro diferentes de zero; e I) gerar um conjunto de dados previstos convolucionados mediante a convolução de o ou cada filtro de convolução adicional com o dito conjunto de dados sísmicos previstos; e em que a etapa e) compreende gerar uma ou mais funções de objetivo primárias operável para medir a similaridade e/ou disparidade entre o dito conjunto de dados observados convolucionados e o dito conjunto de dados previstos convolucionados.

[0076] Em uma modalidade, o filtro ou cada filtro de convolução é operável para transformar pelo menos uma porção do dito conjunto de dados sísmicos observados e o filtro ou cada filtro de convolução adicional é operável para transformar o dito conjunto de dados previstos para renderizar o conjunto de dados sísmicos observados e as aproximações de conjunto de dados previstos um do outro.

[0077] De acordo com um segundo da presente invenção, é fornecido um método para exploração de subsuperfície, sendo que o método compreende gerar a representação geofísica de uma porção do volume da Terra a partir de uma medição sísmica de pelo menos um parâmetro físico e compreende as etapas de: a) fornecer um conjunto de dados sísmicos observados que compreende pelo menos três valores de dados diferentes de zero distintos derivados de pelo menos três valores sísmicos medidos diferentes de zero distintos da dita porção do volume da Terra; b) gerar, com o uso de a modelo de subsuperfície de a porção da Terra que compreende a pluralidade de coeficientes de modelo, um conjunto de dados sísmicos previstos que compreende pelo menos três valores de dados diferentes de zero distintos; c) gerar pelo menos um filtro de convolução não trivial, sendo que o filtro ou cada filtro compreende três ou mais coeficientes de filtro diferentes de zero; d) gerar um conjunto de dados previstos convolucionados mediante a convolução de o ou cada filtro de convolução com o dito conjunto de dados sísmicos previstos; e) gerar uma ou mais funções de objetivo primárias operável para medir a similaridade e/ou disparidade entre o dito conjunto de dados sísmicos observados e o dito conjunto de dados previstos convolucionados; f) maximizar e/ou minimizar pelo menos uma dentre as ditas funções objetivas primárias mediante a modificação de pelo menos um coeficiente de filtro do filtro ou de cada filtro de convolução; g) gerar um ou mais filtros de referência predeterminados que compreende pelo menos três coeficientes de referência; h) gerar uma ou mais funções objetivas secundárias operável para medir a similaridade e/ou disparidade entre os coeficientes de filtro para os coeficientes ou cada um dentre os coeficientes de filtro não trivial e os coeficientes de referência para os filtros ou cada um dentre os filtros de referência predeterminados; i) minimizar e/ou maximizar pelo menos uma dentre as ditas funções objetivas secundárias mediante a modificação de pelo menos um coeficiente-modelo do dito modelo de subsuperfície de uma porção da Terra para produzir um modelo de subsuperfície atualizado de uma porção da Terra; e j) fornecer um modelo de subsuperfície atualizado de uma porção da Terra para exploração de subsuperfície.

[0078] Através do fornecimento de tal colocação, salto de ciclo pode ser eliminado. Até mesmo caso os dados tenham o ciclo saltado, o filtro de convolução ainda pode faz com que os dois conjuntos de dados sejam compatíveis. Desse modo, uma inversão de gradiente pode ser realizada, em uma modalidade, nos coeficientes, porém não são cíclicos ou não estão sujeitos ao salto de ciclo da maneira que os conjuntos de dados estão.

[0079] Em uma modalidade, o dito pelo menos um filtro de convolução é operável para transformar pelo menos uma porção do dito conjunto de dados sísmicos previstos para renderizar o conjunto de dados sísmicos observados e aproximações de conjunto de dados previstos um do outro.

[0080] Em uma modalidade, subsequente à etapa c), O método compreende adicionalmente: k) gerar pelo menos um filtro de convolução não trivial adicional, sendo que filtro ou cada filtro adicional compreende três ou mais coeficientes de filtro diferentes de zero; e I) gerar um conjunto de dados observados convolucionados mediante a convolução de o ou cada filtro de convolução adicional com o dito conjunto de dados sísmicos observados; e em que a etapa e) compreende gerar uma ou mais funções de objetivo primárias operável para medir a similaridade e/ou disparidade entre o dito conjunto de dados observados convolucionados e o dito conjunto de dados previstos convolucionados.

[0081] Em uma modalidade, o filtro ou cada filtro de convolução é operável para transformar pelo menos uma porção do dito conjunto de dados sísmicos previstos e o filtro ou cada filtro de convolução adicional é operável para transformar o dito conjunto de dados observados para renderizar o conjunto de dados sísmicos observados e as aproximações de conjunto de dados previstos um do outro.

[0082] Em uma modalidade, subsequente à etapa h), o método compreende adicionalmente: m) normalizar a função ou cada função objetiva secundária para formar uma ou mais funções objetivas secundárias normalizadas operável para medir a similaridade e/ou disparidade entre os coeficientes de filtro para os coeficientes ou cada um dentre os coeficientes de filtro não trivial e os coeficientes de referência para os filtros ou cada um dentre os filtros de referência predeterminados, em que a função ou cada função objetiva secundária normalizada é insensível ou tem a sensibilidade reduzida ao dimensionamento relativo dos coeficientes de filtro para o filtro ou cada filtro não trivial em relação aos coeficientes de referência para o filtro ou cada filtro de referência predeterminado.

[0083] Em uma modalidade, a etapa h) compreende gerar uma ou mais funções objetivas secundárias normalizadas operável para medir a similaridade e/ou disparidade entre os coeficientes de filtro para os coeficientes ou cada um dentre os coeficientes de filtro não trivial e os coeficientes de referência para os filtros ou cada filtro de referência predeterminado, em que a função ou cada função objetiva secundária normalizada é insensível ou tem sensibilidade reduzida ao dimensionamento relativo dos coeficientes de filtro para o filtro ou cada filtro não trivial em relação aos coeficientes de referência para o filtro o ou cada filtro de referência predeterminado.

[0084] Através do fornecimento de tal etapa de normalização, a função objetiva secundária normalizada é tornada insensível e/ou tem sensibilidade reduzida ao valor dos coeficientes de referência para os filtros ou cada um dentre os filtros de referência predeterminados. Em outras palavras, considera-se uma versão dos coeficientes de referência para os filtros os ou cada um dentre os filtros de referência predeterminados nos quais os coeficientes de referência foram multiplicados por um escalar multiplicativo finito diferente de zero arbitrário. Nessa situação, a função objetiva secundária normalizada é insensível ou tem sensibilidade limitada ao valor do escalonamento aplicado aos coeficientes de referência. Em suma, é a forma do filtro de referência que é relevante, não a magnitude ou escalonamento absoluto.

[0085] Portanto, uma magnitude absoluta dos coeficientes de referência, seja de valor arbitrário ou modificado por uma etapa de multiplicação, tem significância limitada às modalidades da presente invenção nas quais a(s) função(ões) objetiva(s) secundária(s) normalizada(s) é(são) utilizada(s).

[0086] Em uma modalidade, pelo menos uma dentre as ditas funções objetivas secundárias é normalizada por uma norma dos coeficientes de filtro do pelo menos um filtro de convolução não trivial.

[0087] Em uma modalidade, pelo menos uma dentre as ditas funções objetivas secundárias é normalizada pela norma L1 dos coeficientes de filtro do pelo menos um filtro de convolução não trivial.

[0088] Em uma modalidade, pelo menos uma dentre as ditas funções objetivas secundárias é normalizada pela norma L2 dos coeficientes de filtro do pelo menos um filtro de convolução não trivial.

[0089] Em uma modalidade, é fornecida uma pluralidade de filtros de convolução. Em uma modalidade, é fornecida uma pluralidade de filtros de convolução adicionais.

[0090] Em uma modalidade, são fornecidas uma pluralidade de conjuntos de dados sísmicos observados e/ou uma pluralidade de conjuntos de dados sísmicos previstos.

[0091] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais envolvem convolução no tempo.

[0092] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais envolvem convolução no espaço.

[0093] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais envolvem convolução em mais de uma dimensão.

[0094] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais compreendem filtros Wiener.

[0095] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais compreendem filtros Kalman.

[0096] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais compreendem menos filtros de quadrados médios.

[0097] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais compreendem menos filtros de quadrados médios normalizados.

[0098] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais compreendem filtros de quadrados mínimos recursivos.

[0099] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais são calculados no domínio de tempo.

[00100] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais são calculados no domínio de frequência temporal.

[00101] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais são calculados no domínio de espaço.

[00102] Em uma modalidade, um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais são calculados no domínio de onda-número.

[00103] Em uma modalidade, os coeficientes de filtro são regularizados e/ou interpolados entre os ditos conjuntos de dados subconjuntos dos ditos conjuntos de dados.

[00104] Em uma modalidade, os coeficientes de filtro são regularizados e/ou interpolados entre os filtros.

[00105] Em uma modalidade, a função objetiva secundária envolve a aplicação de uma ponderação aos coeficientes de filtro do dito primeiro e/ou do dito segundo filtro de convolução, em que a ponderação depende do lapso temporal do dito filtro de convolução.

[00106] Em uma modalidade, a função objetiva secundária envolve a aplicação de uma ponderação aos coeficientes de filtro do dito primeiro e/ou do dito segundo filtro de convolução, em que a ponderação depende do lapso espacial do dito filtro de convolução.

[00107] Em uma modalidade, a função objetiva secundária consiste em uma norma dos coeficientes de filtro de convolução ponderados em combinação com a norma dos coeficientes de filtro não ponderados.

[00108] Em uma modalidade, a função objetiva secundária consiste em uma norma dos coeficientes de filtro de convolução ponderados dividida por uma norma dos coeficientes de filtro não ponderados.

[00109] Em uma modalidade, a função objetiva secundária consiste em uma norma dos coeficientes de filtro de convolução não ponderados dividida por uma norma dos coeficientes de filtro ponderados.

[00110] Em uma modalidade, pelo menos uma dentre as ditas funções objetivas secundárias compreende uma função objetiva de desajuste de norma.

[00111] Em uma modalidade, pelo menos uma dentre as ditas funções objetivas secundárias compreende uma função objetiva de desajuste de norma L.

[00112] Em uma modalidade, pelo menos uma dentre as ditas funções objetivas secundárias compreende uma função objetiva de desajuste de quadrados mínimos.

[00113] Em uma modalidade, a etapa i) compreende minimizar o gradiente de uma ou mais dentre as funções objetivas secundárias em relação aos ditos parâmetros- modelo.

[00114] Em uma modalidade, a etapa i) é resolvida com o uso de métodos de estado adjunto. Em uma modalidade, a etapa i) é resolvida com o uso dos métodos de estado adjunto.

[00115] Em uma modalidade, pelo menos um dentre os filtros de referência predeterminados é um filtro de convolução que deixa o conjunto de dados ao qual é aplicado inalterado, ou aproximadamente inalterado, diferentemente da multiplicação por uma constante.

[00116] Em uma modalidade, pelo menos um dentre os ditos filtros de referência predeterminados é um filtro de convolução que deixa o conjunto de dados ao qual é aplicado inalterado, ou aproximadamente inalterado, diferentemente de uma mudança no tempo ou espaço.

[00117] Em uma modalidade, pelo menos um dentre os ditos filtros de referência predeterminados é um filtro de convolução que deixa o conjunto de dados ao qual é aplicado inalterado, ou aproximadamente inalterado, diferentemente de uma rotação de fase.

[00118] Em uma modalidade, pelo menos uma porção do conjunto de dados sísmicos observados é propaga numericamente a uma região de subsuperfície do modelo que é removido espacialmente da localização na qual os mesmos foram registrados originalmente.

[00119] Em uma modalidade, o método compreende adicionalmente, subsequente {a etapa i), repetir as etapas b) a h) para o modelo de subsuperfície atualizado de uma porção da Terra até que um critério de convergência seja satisfeito.

[00120] Em uma modalidade, a etapa j) compreende adicionalmente: utilizar o dito modelo atualizado para a exploração de subsuperfície.

[00121] Em uma modalidade, o dito pelo menos um parâmetro físico compreende pressão, velocidade de partícula ou deslocamento.

[00122] Em uma modalidade, o conjunto de dados observados e o conjunto de dados previstos compreende valores de uma pluralidade de parâmetros físicos.

[00123] De acordo com um terceiro aspecto da presente invenção, é fornecido um produto de programa de computador executável por um aparelho de processamento programado ou programável que compreende uma ou mais porções de software para realizar as etapas do primeiro aspecto.

[00124] De acordo com um quarto aspecto da presente invenção, é fornecido um meio de armazenamento usável de computador que tem um produto de programa de computador, de acordo com o segundo aspecto, armazenado no mesmo.

[00125] As modalidades da presente invenção serão agora descritas detalhadamente com referência aos desenhos anexos, nos quais:

[00126] A Figura 1 é uma ilustração esquemática de um experimento de levantamento sísmico típico no qual os traços sísmicos são obtidos a partir de uma porção submarina da Terra;

[00127] A Figura 2 é a ilustração esquemática de um modelo de partida básico para a modelagem de inversão de forma de onda completa;

[00128] A Figura 3 é uma ilustração esquemática de dados de traço sísmico modelados gerados a partir do modelo de partida básico da Figura 2 para um tiro sísmico individual;

[00129] A Figura 4 mostra dados de traço sísmico para conjuntos de dados sísmicos previstos e observados com uma função de tempo;

[00130] A Figura 5 mostra o desajuste dos conjuntos de dados sísmicos previstos e observados na Figura 4 como uma função de tempo para a FWI convencional;

[00131] A Figura 6 a) a f) mostram exemplos de modelos de iniciação e os modelos finais resultantes obtidos a partir da modelagem de inversão de forma de onda completa convencional;

[00132] A Figura 7 mostra um método de acordo com uma primeira modalidade da presente invenção;

[00133] A Figura 8 mostra um método de acordo com a segunda modalidade da presente invenção;

[00134] A Figura 9 mostra o desajuste dos conjuntos de dados sísmicos previstos e observados na Figura 4 como uma função de tempo com o uso do método da presente invenção;

[00135] A Figura 10 mostra um método de acordo com a terceira modalidade da presente invenção;

[00136] A Figura 11 mostra um modelo-teste para testar a precisão de FWI;

[00137] A Figura 12 mostra a convergência alcançada para FWI convencional em relação ao dito modelo-teste;

[00138] A Figura 13 mostra a convergência alcançada para o método da presente invenção em relação ao dito modelo-teste;

[00139] A Figura 14 mostra um modelo-teste adicional mais complexo para testar a precisão de FWI;

[00140] A Figura 15 mostra um modelo de partida impreciso com o a inversão deve começar;

[00141] A Figura 16 mostra a convergência alcançada para a FWI convencional em relação ao modelo-teste da Figura 14; e

[00142] A Figura 17 mostra a convergência alcançada para o método da presente invenção em relação ao dito modelo-teste da Figura 14;

[00143] A presente invenção fornece uma metodologia aprimorada para FWI que evita o problema de salto de ciclo. Portanto, convergência mais precisa e mais confiável pode ser obtida com o uso da presente invenção quando comparada a colocações conhecidas.

[00144] A FWI convencional visa minimiza o desajuste de dados entre os conjuntos de dados modelados ou observados diretamente ou, alternativamente, para maximizar a similaridade entre os conjuntos de dados modelados ou observados.

[00145] A presente invenção apresenta um método alternativo que, pela primeira vez, reduz a probabilidade de salto de ciclo. O problema de inversão é divido em dois estágios. O primeiro estágio envolve a solução de um problema de inversão relativamente direto que pode ser resolvido sem os efeitos prejudiciais de convergência incorreta de ciclo saltado. A saída do primeiro estágio fornece uma descrição paramétrica do problema de inversão principal a ser resolvido e da função de desajuste que é deve ser minimizada.

[00146] O segundo estágio é constar, em seguida, o modelo de subsuperfície que minimiza essa nova função de desajuste paramétrica. Caso a parametrização seja escolhida apropriada, então, o salto de ciclo na etapa de maior inversão no segundo estágio é mitigado ou eliminado.

[00147] As modalidades a seguir ilustram a aplicação da presente invenção na prática. A primeira modalidade esboça a abordagem geral da presente invenção. A segunda e terceira modalidades detalham uma implantação específica da presente invenção com a utilização de filtros Wiener.

[00148] A modalidades a seguir são descritas em relação à análise de domínio de tempo. No entanto, os métodos descritos são igualmente aplicáveis a outros domínios, por exemplo, análise de domínio de frequência. Isso pode ser alcançado realizando-se uma análise de Fourier nos dados de domínio de tempo e extraindo-se frequências particulares para análise. Esses aspectos devem ser considerados para formar parte da presente revelação, desse modo, as pessoas versadas na técnica estarão prontamente cientes das implantações da mesma.

[00149] A método de acordo com a presente invenção será descrito agora com referência à Figura 7. A Figura 7 mostra um fluxograma de uma primeira modalidade da presente invenção.

ETAPA 100: OBTER O CONJUNTO DE DADOS SÍSMICOS OBSERVADOS.

[00150] Inicialmente, é necessário obter um conjunto de dados sísmicos recolhidos experimentalmente a fim de iniciar a exploração de subsuperfície. Isso pode ser recolhido por uma disposição experimental, tal como, a instalação mostrada e descrita com referência à Figura 1.

[00151] Os dados sísmicos recolhidos podem ser pré-processados opcionalmente de várias maneiras incluindo através da propagação numérica às regiões da superfície ou da subsuperfície em que os dados experimentais não foram adquiridos diretamente. A pessoa versada poderá projetar e empreender prontamente tal pré- processamento, conforme pode ser necessário ou desejável. Com ou sem tal pré- processamento, o conjunto de dados sísmicos resultantes que representam dados recolhidos experimentalmente é conhecido como um “conjunto de dados sísmicos observados”.

[00152] Conforme mostrado na Figura 1, vários receptores ou detectores 16 estão posicionados em posições bem conhecidas na superfície da porção da Terra a ser explorada. Os detectores 16 podem ser colocados em uma colocação bidimensional (tal como uma linha) ou tridimensional (tal como uma grade ou pluralidade de linhas). A localização física dos detectores 16 é conhecida, por exemplo, a partir de dispositivos de rastreamento de localização, tais como, dispositivos de GPS. Adicionalmente, a localização da fonte 12 é também é em conhecida por meios de rastreamento de localização semelhantes.

[00153] O conjunto de dados sísmicos observados pode compreender múltiplas emissões de fonte 12 conhecidas na técnica como “tiros”. Os dados compreendem pressão como uma função de posição receptora (no eixo geométrico x) em relação ao tempo (no eixo geométrico y). Isso se deve ao fato de que, em geral, um detector, tal como, um hidrofone mede a pressão escala na localização do mesmo. No entanto, outras disposições podem ser usadas.

[00154] Os dados de traço sísmico compreendem uma pluralidade de pontos de dados observados. Cada ponto de dados descrito medido tem um mínimo de sete valores de localização associados - três dimensões espaciais (x, y e z) para a posição (ou detector) receptora (r), três dimensões espaciais (x, y, z) para a localização(ões) de fonte(s) e uma dimensão temporal que mede o tempo de observação em relação ao tempo de iniciação de fonte, junte dos dados de magnitude de pressão. As sete coordenadas para cada ponto de dados distinto definem a localização do mesmo no espaço e tempo.

[00155] Os dados de traço sísmico também compreendem um ou mais parâmetros de medição que denotam a propriedade física que é medida. Nessa modalidade, um único parâmetro de medição, pressão, é medido. O conjunto de dados observados é definido como dobs(r, s, t) e, nessa modalidade, está no domínio de tempo. Para propósitos de clareza, a discussão a seguir considera um único par de fonte- receptora e, então, r, s não são necessários.

[00156] No entanto, é possível medir outros parâmetros com o uso de tecnologia apropriada; por exemplo, medir a velocidade ou deslocamentos de partículas em três dimensões espaciais além da pressão. A presente invenção é aplicável à medição dessas variáveis adicionais.

[00157] O recolhimento real do conjunto de dados sísmicos é descrito no presente contexto para propósitos de clareza. No entanto, isso não deve ser interpretado como limitativo e o recolhimento dos dados pode ou não formar parte da presente invenção. A presente invenção exige simplesmente um conjunto de dados sísmicos observados realísticos mediante os quais a análise pode ser realizada para facilitar a exploração de subsuperfície de uma porção da Terra. O método então prossegue para a etapa 102. ETAPA 102: FORNECER O MODELO DE PARTIDA.

[00158] Na etapa 102, um modelo de partida inicial da porção da Terra de superfície especificada é fornecido. O modelo pode ser fornecido tanto em uma forma bidimensional como em uma forma tridimensional. Embora os exemplos ilustrados tenham uma forma bidimensional, a pessoa versada terá ciência prontamente de que a presente invenção é aplicável a abordagens tridimensional.

[00159] O modelo gerado consiste nos valores do coeficiente Vp e, possivelmente, outros valores ou coeficientes físicos, definidos tipicamente em uma grade distinta que representa a subsuperfície. Tais modelos de iniciação são gerados rotineiramente e representam as tendências gerais dos maiores atributos dentro da região de subsuperfície a ser modelada e pode ser gerado prontamente pela pessoa versada. Conforme discutido acima, é normalmente necessário fornecer um modelo de partida de alta precisão para garantir convergência de não ciclo saltado. No entanto, no case da presente invenção, a modelo inicial menos preciso pode ser usado. Isso pode reduzir o tempo e os recursos exigidos para gerar o modelo de partida ao passo que ainda possibilita a convergência precisa.

[00160] Os dados previstos sísmicos podem ser gerados com base em uma análise da equação de onda bidirecional isotrópica acústica, conforme estabelecido abaixo na equação 17):

em que a pressão acústica p e a fonte de acionamento s variam tanto em espaço quanto em tempo, e a velocidade acústica c e a densidade p avariam em espaço. A equação se aplica às ondas de pressão de pequena amplitude que se propagam dentro de um meio de fluido não homogêneo, isotrópico, não atenuante, não dispersivo estacionário. É relativamente objetiva a adição de efeitos elásticos, atenuação e anisotropia à equação de onda. A introdução dessas desses parâmetros muda as equações detalhadas e a complexidade numérica, porém, não a abordagem geral.

[00161] A equação de onda 17) representa uma relação linear entre um campo de onda p e a fonte s que gera o campo de onda. Após a discretização (com, por exemplo, diferenças finitas) pode-se, portanto, escreve a equação 17) como uma equação de matriz 18): 18)

em que p e s são vetores de coluna que representam a fonte e o campo de onda em pontos distintos no espaço e no tempo, e A é a matriz que representa a implantação numérica distinta do operador estabelecido na equação 3): 19)

[00162] Embora a equação de onda represente uma relação linear entre p e s, também representa uma relação não linear entre um modelo m e campo de onda p. Desse modo, a equação 17) pode ser reescrita como a equação 20): 20)

em que m é um vetor de coluna que contém os parâmetros-modelo. Frequentemente, esses serão os valores de c (e p, caso a densidade seja um parâmetro independente) em qualquer ponto do modelo, porém, podem ser qualquer conjunto de parâmetros que é suficiente para descrever o modelo, por exemplo, vagarosidade 1/c, módulo acústico c2p, ou impedância cp.

[00163] Na equação 20), G é não é uma matriz. Em vez disso, é uma função de Green não linear que descreve como calcular um campo de onda p ao qual foi fornecido um modelo m.

[00164] Uma vez que o modelo foi gerado, o método prossegue, então, para a etapa 104. ETAPA 104: GERAR O CONJUNTO DE DADOS PREVISTOS.

[00165] Na etapa 104, um conjunto de dados sísmicos previstos é gerado. Exige- se que os dados previstos correspondam às mesmas posições de dados receptoras de localização-fonte dos dados de traço medido reais de modo que os dados observados e modelados possam ser comparados. Em outras palavras, o conjunto de dados previstos corresponde um ponto distinto ao conjunto de dados observados. O conjunto de dados previstos é gerado para o(s) mesmo(s) parâmetro(s) de medição na mesma frequência ou frequências.

[00166] A partir da análise acima, os dados previstos sísmicos podem ser gerados para um ou mais parâmetros físicos no domínio de tempo. Caso isso seja feito no domínio de frequência, não pode ser feito para uma ou mais frequências selecionadas. Isso forma o conjunto de dados sísmicos previstos dpred. O método então prossegue para a etapa 106. ETAPA 106: PROJETAR UM FILTRO DE CONVOLUÇÃO.

[00167] Na etapa 106, um “filtro de convolução”, ou filtros é projetado. O objetivo do filtro de convolução é tomar como uma entrada todos os dados previstos dpred(r,s), ou parte dos mesmos, a partir disso gerar como uma saída uma aproximação a todos os dados observados dobs(r,s), a uma parte dos mesmos. Um filtro é projetado para cada par de fonte-receptora r,s para gerar um conjunto de coeficientes específicos para valores r,s particulares. Mais que um filtro pode ser projetado nessa etapa, caso necessário.

[00168] Deve-se entender que o termo “filtro de convolução” na presente invenção pode ter ampla aplicabilidade. Por exemplo, a convolução pode ser não casual, pode ser aplicada em uma ou mais direções, incluindo dimensões espaciais, temporais ou outras dimensões, o número de dimensões e/ou número de pontos de dados na entrada não precisam iguais ao número de pontos de dimensões ou de dados na saída, o filtro pode variar em espaço, em tempo e/ou em outras dimensões pode envolver outro pós-processamento em seguida da convolução.

[00169] O filtro de convolução pode compreender qualquer operação convolucional generalizada que pode ser descrita por um conjunto de parâmetros finito que dependem tanto dos dados previstos dpred(r,s) quanto dos dados observados dobs(r,s), de modo que quando a convolução e operações associadas são aplicadas a todos os dados previstos dpred(r,s), ou parte dos mesmos, um modelo preciso ou geralmente aproximado dos dados observados seja gerado.

[00170] A pessoa versada ficará prontamente ciente de como projetar e aplicar tais filtros de convolução a fim de compatibilizar entre si dois conjuntos de dados. Por exemplo, uma função objetiva pode ser gerada e isso pode ser maximizado ou minimizado para alcançar a compatibilização necessária.

[00171] O método prossegue para a etapa 108. ETAPA 108: GERAR O FILTRO DE REFERÊNCIA.

[00172] Uma vez que o filtro de convolução é projetado na etapa 106, um filtro análogo é projetado de modo que, quando é aplicado a um conjunto de dados de entrada, o filtro irá gerar um conjunto de dados de entrada que fornece uma aproximação equivalente a todo o conjunto de dados de entrada ou, a uma parte do mesmo. Em outras palavras, esse filtro não modifica significativamente os dados de entrada de maneira diferentemente opcional das maneiras simples predeterminadas e bem definidas, por exemplo, através de escalonamento em amplitude.

[00173] Em uma modalidade, o filtro de referência compreende uma sequência de zeros e um valor diferente de zero no tempo de lapso zero. Isto é, essencialmente, semelhante a uma função de impulso centralizada no tempo t=0. Isso corresponde a um filtro de identidade pelo fato de que não transforma a forma dos dados, embora a magnitude dos dados de saída possa não necessariamente ser a mesma dos dados de entrada.

[00174] No entanto, outros tipos de filtro de referência ficarão evidentes para a pessoa versada. Dada uma forma particular para um filtro de convolução, a pessoa versada irá saber prontamente como projetar tal filtro de identidade.

[00175] O método então prossegue para a etapa 110.

ETAPA 110: CONSTRUIR FUNÇÃO DE DESAJUSTE.

[00176] Na etapa 110, uma função de desajuste (ou objetiva) é configurada. Em um exemplo, a função de desajuste (ou função objetiva) é configurada para medir a não similaridade entre os coeficientes de filtro reais e os coeficientes de filtro de referência. Alternativamente, pode ser configurada uma função objetiva que mede a similaridade; nesse caso, a etapa 112 será operável para maximizar em vez de minimizar a função objetiva.

[00177] Um exemplo de uma função objetiva configurada para medir a não similaridade entre um simples filtro de convolução unidimensional em tempo e de uma função de referência que consiste apenas em um valor diferente de zero em lapso zero é ponderar os coeficientes de filtro de convolução pelo módulo do lapso temporal dos mesmos. Desse modo, a função objetiva consiste em alguma norma desses coeficientes ponderados dividida pela mesma norma dos coeficientes não ponderados. Caso a norma L2 seja usada no presente contexto, então, essa função objetiva irá fornecer a solução dos quadrados mínimos, porém, outras normas (por exemplo, a norma L1 ) são potencialmente utilizáveis.

[00178] A norma dos coeficientes ponderados precisa ser normalizada pela norma dos coeficientes não ponderados nesse exemplo, do contrário, a função objetiva pode ser minimizada simplesmente conduzindo-se os dados previstos a grandes valores e, por conseguinte, conduzindo-se os coeficientes de filtro a valores menores.

[00179] Nesse exemplo, os coeficientes gerados para cada par receptor de fonte r,s na etapa 106 são ponderados como uma função do módulo do lapso temporal. Em outras palavras, os coeficientes são ponderados com base na posição de dados no tempo para uma análise de domínio de tempo.

[00180] No entanto, deve-se entender que outros tipos de ponderação podem ser usados. Por exemplo, funções mais complicadas do lapso temporal são possíveis, tais como, a ponderação com a função Gaussiana do lapso centralizado no lapso zero.

[00181] Em geral, dois tipos de ponderação são desejáveis; aquelas que aumentam monoliticamente na direção contrária ao lapso zero, tais como, o módulo, e aquelas que diminuem monoliticamente na direção contrária ao lapso zero, tais como, uma ponderação Gaussiana. O tipo anterior de ponderação levará às funções objetivas que devem ser minimizadas e o último tipo levará às funções objetivas que podem ser maximizadas. As combinações desses dois tipos também são possíveis. A pessoa versada irá entender prontamente como projetar tais funções objetivas e como minimizar ou maximizar as mesmas. O método então prossegue para a etapa 112.

ETAPA 112: MINIMIZAR OU MAXIMIZAR A FUNÇÃO DE DESAJUSTE

[00182] Isso pode ser feito por qualquer método adequado. Nessa modalidade, o gradiente método é usado.

[00183] No entanto, em contraste à FWI convencional, a presente invenção visa minimizar o desajuste entre os filtros convolucionais e de referência e não entre os próprios conjuntos de dados. Portanto, devido ao fato de que os filtros de convolução não são periódicos, salto de ciclo não ocorre.

[00184] Em uma modalidade, o gradiente da funcional de desajuste é obtido em conformidade com a FWI convencional, apesar de minimizar os coeficientes de filtro. O método então prossegue para a etapa 114.

ETAPA 114: ATUALIZAR MODELO

[00185] Na etapa 114, o modelo é atualizado com o uso do gradiente obtido na etapa 116. A atualização de modelo deriva do gradiente de equação 11) isto é, o derivado parcial em relação a uma perturbação de ponto do modelo m em cada posição. Ao final, os gradientes de tiros separados serão somados durante a formação da atualização de modelo final.

[00186] Quanto à estrutura computacional do método de FWI convencional, esse é o resultado de dois campos de onda: um campo de onda incidente emitido por uma fonte na localização de fonte, e um campo de onda propagado para trás que é emitido por uma fonte localizada nas posições receptoras (múltiplos pontos).

[00187] Conforme verificado acima, os métodos de gradiente podem ser melhorados com o uso de uma forma aproximada para as direções Hessianas e conjugadas para a atualização de modelo. Além disso, um comprimento de etapa é, em seguida, calculado para escalonar a direção de busca e gerar a atualização de modelo final.

[00188] Para qualquer filtro de convolução útil, e para qualquer medida útil de desajuste ou similaridade, à medida que o filtro de convolução se move em direção ao filtro de referência, o conjunto de dados sísmicos previstos irão se mover em direção ao conjunto de dados sísmicos observados. Desse modo, o modelo de partida irá se mover em direção ao modelo verdadeiro.

[00189] Com uma escolha apropriada de filtro de convolução e medida de desajuste similaridade, esse esquema não é afetado, ou é menos afetado que a FWI convencional, pelo salto de ciclo. Portanto, isso pode ser aplicado mais prontamente aos dados observados que carecem de baixas frequências e/ou na ausência de um bom modelo de partida.

[00190] O método então prossegue para a etapa 116. ETAPA 116: OS CRITÉRIOS DE CONVERGÊNCIA FORAM SATISFEITOS?

[00191] Na etapa 116 determina-se a possibilidade de os critérios de convergência terem sido satisfeitos. Por exemplo, quando se considera que o método atingiu a convergência quando a diferença entre os conjuntos de dados atinge uma porcentagem limite ou outro valor. Caso os critérios, conforme estabelecido acima, tenham sido satisfeitos, então, o método prossegue para a etapa 118 e acaba com o modelo da Terra resultante gerado. Caso os critérios não tenham sido satisfeitos, então, o método retrocede para repetir as etapas 104 a 114, conforme discutido acima. ETAPA 118: ACABAMENTO

[00192] Quando, na etapa 118, determina-se que os critérios de convergência foram satisfeitos, o método acaba e considera-se que a porção da Terra de subsuperfície modelada é precisa o suficiente para ser usada para exploração de subsuperfície. Isso pode envolver a interpretação direta do modelo recuperado e/ou envolver o processo de migração de profundidade para gerar uma imagem de refletividade de subsuperfície a ser usada para a identificação de atributos da subsuperfície, tais como, cavidades ou canais que podem conter recursos naturais, tais como, hidrocarbonetos. Os exemplos de tais hidrocarbonetos são óleo e gás natural.

[00193] Uma vez que esses atributos foram identificados no modelo de subsuperfície e/ou na imagem de refletividade, então, as medidas podem ser tomadas para investigar esses recursos. Por exemplo, as embarcações ou veículos de levantamento podem ser despachadas para perfurar furos-guia para determinar a possibilidade de os recursos naturais estarem, de fato, presentes nessas áreas.

[00194] O método de acordo com a presente invenção tem inúmeras vantagens sobre métodos de técnica anterior. Em testes experimentais, provou-se que o método é robusto em relação ao salto de ciclo com modelos de iniciação que têm erros que são diversas vezes maiores que aqueles que são fatais à FWI convencional.

[00195] Além disso, é possível usar o método acima em combinação com a FWI convencional. Por exemplo, o método acima pode ser usado para refinar inicialmente o modelo de partida. Uma vez que o modelo de partida é suficientemente preciso, a FWI convencional pode ser usada.

[00196] Uma segunda modalidade da invenção é ilustrada na Figura 8. A segunda modalidade tem como foco uma aplicação específica de filtros Wiener à presente invenção. ETAPA 200: OBTER O CONJUNTO DE DADOS SÍSMICOS OBSERVADOS.

[00197] A etapa 200 corresponde substancialmente à etapa 100 do método da modalidade anterior. Portanto, isso será descrito novamente no presente contexto. Serão descritas apenas as etapas que são novas a essa modalidade do método da presente invenção. O método então prossegue para a etapa 202.

ETAPA 202: FORNECER O MODELO DE PARTIDA.

[00198] Na etapa 202, um modelo de partida inicial da porção da Terra de superfície especificada é fornecido. O modelo pode ser fornecido tanto em uma forma bidimensional como em uma forma tridimensional. Embora os exemplos ilustrados tenham a forma bidimensional, a pessoa versada terá ciência prontamente de que a presente invenção é aplicável a abordagens tridimensional.

[00199] O modelo é gerado nessa etapa em conformidade com a etapa 102 acima.

[00200] O modelo gerado consiste nos valores do coeficiente Vp e, possivelmente, em outros valores ou coeficientes físicos, em uma grade distinta que representa a subsuperfície. Tais modelos de iniciação são gerados rotineiramente e representam as tendências gerais dos maiores atributos dentro da região de subsuperfície a ser modelada e pode ser gerado prontamente pela pessoa versada.

[00201] O método então prossegue para a etapa 204. ETAPA 204: GERAR O CONJUNTO DE DADOS PREVISTOS.

[00202] A fim de modelar precisamente a região de subsuperfície sob investigação, é necessário gerar os dados previstos que correspondem à mesma fonte-localização receptora posição de dados dos dados de traço medido reais de modo que os dados observados e modelados possam ser comparados. Em outras palavras, o conjunto de dados previstos corresponde um ponto distinto ao conjunto de dados observados. O conjunto de dados previstos é gerado para o(s) mesmo(s) parâmetro(s) de medição na mesma frequência ou frequências.

[00203] O conjunto de dados previstos é gerado com o uso da equação de onda bidirecional completa. Em uma abordagem, os dados de traço modelados podem ser gerados com o uso do tempo domínio equação de onda bidirecional completa, conforme estabelecido acima.

[00204] A partir da análise acima, os dados previstos sísmicos podem ser gerados para um ou mais parâmetros físicos e em uma ou mais frequências selecionadas. Isso forma o conjunto de dados sísmicos previstos dpred(r,s). O método então prossegue para a etapa 206. ETAPA 206: ESCALAR DADOS.

[00205] Na etapa 206, os dados são escalados de modo que os conjuntos de dados previstos dpred(r,s) e observados dobs(r,s) compreendam amplitudes de raiz média quadrática compatíveis. Isso pode ser realizado por qualquer abordagem conhecida. Tanto o conjunto de dados previstos dpred(r,s) quanto o conjunto de dados observados dobs(r,s), ou um dentre os mesmos, podem ser escalados conforme apropriado.

[00206] Adicionalmente, essa etapa pode ser opcional caso seja possível gerar dados previstos que sejam intrinsecamente compatíveis com os dados observados.

[00207] O método prossegue para a etapa 208. ETAPA 208: PROJETAR O FILTRO WIENER.

[00208] Um filtro Wiener é um filtro de convolução de comprimento finito que é operável para converter uma ondeleta de entrada em uma ondeleta de saída desejada através dos quadrados mínimos. Em outras palavras, caso b seja a ondeleta de entrada, e c seja a ondeleta de saída desejada, então, o filtro Wiener w minimiza a expressão 21). 21)

[00209] Em que a expressão 21) representa, entre outros, a convolução de ondeleta de entrada b com filtro w. No entanto, qualquer convolução pode ser expressa como uma matriz operação, portanto, b * w = c pode ser expresso como a equação 22):

[00210] Caso w seja um vetor de coluna de comprimento M, e c seja um vetor de coluna de comprimento M +N -1, então, B é uma matriz retangular com M colunas e M + N -1 linhas que contém os elementos de b dispostos como:

[00211] Com base em equação 23), BTB representa uma matriz que contém a autocorrelação de b e, cada coluna com o lapso zero na diagonal principal, e BTc é a correlação cruzada de b e c. Agora, a solução para o problema de quadrados mínimos na expressão 21) é:

[00212] Portanto, a abordagem é constatar a autocorrelação BTB do traço de entrada b, a correlação cruzada BTc do traço de entrada com o traço de saída desejado c e desconvolucionar a última com o uso de da anterior. Devido à estrutura de Toeplitz de B, os algoritmos rápidos (tais como, o algoritmo de Levinson) para constatar os coeficientes de filtro, caso B seja quadrado, o que pode ser garantido preenchendo-se com b e c adequadamente com zeros. Na prática, a equação 25) pode ser resolvida: 25)

[00213] Essa abordagem pode ser aplicada à FWI. Em cada receptor, para cada fonte, pode ser projetado um filtro Wiener w que opera no conjunto de dados sísmicos observados dobs para converter o conjunto de dados sísmicos observados dobs no conjunto de dados previstos dpred. Nessa modalidade, o filtro w opera para converter os dados observados nos dados previstos. A terceira modalidade revela uma abordagem alternativa.

[00214] A equação 26) e 27) denota a abordagem dessa modalidade.

[00215] No presente contexto B é a representação de matriz de convolução por dobs, e BT é a representação de matriz de correlação cruzada com dobs- O método prossegue para a etapa 210. ETAPA 210: GERAR O FILTRO DE REFERÊNCIA.

[00216] Uma vez que o filtro de convolução é projetado na etapa 208, um filtro análogo de convolução é projetado de modo que, quando aplicado a um conjunto de dados de entrada, esse filtro de referência irá gerar um conjunto de dados de entrada que fornece uma aproximação equivalente a todo o conjunto de dados de entrada, ou a uma parte do mesmo. Em outras palavras, o filtro de referência não modifica os dados de entrada essencialmente.

[00217] Em uma modalidade, o filtro de referência compreende uma sequência de zeros e um valor igual a um no tempo de lapso zero. Isto é, essencialmente, semelhante a uma função de impulso centralizada no tempo t=0. O método então prossegue para a etapa 212.

ETAPA 212: CONSTRUIR FUNÇÃO DE DESAJUSTE.

[00218] Na etapa 212, é configurada uma função de desajuste. A função de desajuste (ou função objetiva) é configurada para medir a não similaridade entre os coeficientes de filtro reais e os coeficientes de filtro de referência. Alternativamente, pode ser configurada uma função objetiva que mede a similaridade; nesse caso, a etapa 214 (descrita posteriormente) será operável para maximizar em vez de minimizar a função objetiva.

[00219] Um exemplo de uma função objetiva configurada para medir a não similaridade entre um simples filtro de convolução unidimensional em tempo e de uma função de referência que consiste apenas em um valor diferente de zero em lapso zero é ponderar os coeficientes de filtro de convolução pelo módulo do lapso temporal dos mesmos. Desse modo, a função objetiva consiste em alguma norma desses coeficientes ponderados dividida pela mesma norma dos coeficientes não ponderados. Caso a norma L2 seja usada no presente contexto, então, essa função objetiva irá fornecer a solução dos quadrados mínimos, porém, outras normas são possíveis e potencialmente desejáveis.

[00220] A norma dos coeficientes ponderados precisa ser normalizada pela norma dos coeficientes não ponderados nesse exemplo, do contrário, a função objetiva pode ser minimizada simplesmente conduzindo-se os dados previstos a grandes valores e, por conseguinte, conduzindo-se os coeficientes de filtro a valores menores.

[00221] Nesse exemplo, os coeficientes gerados para cada par receptor de fonte r,s na etapa 208 são ponderados como uma função do módulo do lapso temporal. Em outras palavras, os coeficientes são ponderados com base na posição de dados no tempo para uma análise de domínio de tempo.

[00222] No entanto, deve-se entender que outros tipos de ponderação podem ser usados. Por exemplo, funções mais complicadas do lapso temporal são possíveis, tais como, a ponderação com a função Gaussiana do lapso centralizado no lapso zero. Em geral, dois tipos de ponderação são desejáveis; aquelas que aumentam monoliticamente na direção contrária ao lapso zero, tais como, o módulo, e aquelas que diminuem monoliticamente na direção contrária ao lapso zero, tais como, uma ponderação Gaussiana. O tipo anterior de ponderação levará às funções objetivas que devem ser minimizadas e o último tipo levará às funções objetivas que podem ser maximizadas. As combinações desses dois tipos também são possíveis. A pessoa versada irá entender prontamente como projetar tais funções objetivas e como minimizar ou maximizar as mesmas.

[00223] Desse modo, almeja-se um modelo que torna os filtros Wiener o mais próximo possível a serem apenas um pico no lapso de tempo zero. Em outras palavras, os dados previstos e modelados são compatíveis com exceção de um fator de escala.

[00224] Portanto, deseja-se um modelo m que minimize ou maximize:

[00225] em que w é um vetor de coluna que contém todos os coeficientes de filtro Wiener, e T é a função de ponderação, por exemplo, o módulo de lapso temporal. Os filtros variam com a fonte e posição receptora, e com o modelo. Os filtros Wiener são obtidos resolvendo-se a equação (27). O método prossegue para a etapa 214. ETAPA 214: MINIMIZAR A FUNÇÃO DE DESAJUSTE.

[00226] Isso pode ser feito por qualquer método adequado. Nessa modalidade, o gradiente método é usado. Nessa modalidade, o gradiente é direto para derivar a partir da equação 28):

[00227] Essa é a expressão frequente para FWI, porém, agora a fonte adjunta que ser usada na propagação para trás não é mais simplesmente os dados residuais, porém, em vez disso, é a entidade representada por: ., ., ., T- _ l .

[00228] Conforme estabelecido acima, em contrapartida à FWI convencional, a presente invenção almeja minimizar a diferença entre os filtros convolucionais e de referência e não entre os próprios conjuntos de dados. Portanto, devido ao fato de que os filtros de convolução não são periódicos, o salto de ciclo não ocorre.

[00229] O gradiente pode ser obtido com base na equação 29) conforme a seguir. Um conjunto de filtros Wiener é constatado na etapa 208, um filtro por traço de dados. Os coeficientes de filtro são normalizados pelo produto interno, traço por traço. Os coeficientes normalizados são ponderados por uma função de lapso temporal. A sequência resultante é desconvolucionada pela autocorrelação dos dados observados e convolucionada com os dados observados. Isso forma uma fonte adjunta para cada par de fonte-receptora. Essas fontes adjuntas são então propagas para trás e combinadas normalmente com o campo de onda frontal para produzir o gradiente. O método então prossegue para a etapa 216. ETAPA 216: ATUALIZAR O MODELO.

[00230] Na etapa 216, o modelo é atualizado com o uso do gradiente obtido na etapa 214. A atualização de modelo deriva do gradiente de equação 11) isto é, o derivado parcial em relação a uma perturbação de ponto do modelo m em cada posição. Ao final, os gradientes de tiros separados serão somados durante a formação da atualização de modelo final.

[00231] Quando à estrutura computacional de método de FWI convencional, isso é o produto de dois campos de onda: um campo de onda incidente emitido por uma fonte na localização de fonte campo de onda propagado para trás que é emitido por uma fonte (múltiplos pontos) localizada nas posições receptoras.

[00232] Conforme verificado acima, os métodos de gradiente podem ser melhorados com o uso de uma forma aproximada para as direções Hessianas e conjugadas para a atualização de modelo. Além disso, um comprimento de etapa é, em seguida, calculado para escalonar a direção de busca e gerar a atualização de modelo final.

[00233] Para qualquer filtro de convolução útil, e para qualquer medida útil de diferença ou similaridade, à medida que o filtro de convolução se move em direção ao filtro de referência, o conjunto de dados sísmicos previstos irão se mover em direção ao conjunto de dados sísmicos observados. Desse modo, o modelo de partida irá se mover em direção ao modelo verdadeiro.

[00234] Com uma escolha apropriada de filtro de convolução e medida de diferença/similaridade, esse esquema não é afetado, ou é menos afetado que a FWI convencional, pelo salto de ciclo. Portanto, isso pode ser aplicado mais prontamente aos dados observados que carecem de baixas frequências e/ou na ausência de um bom modelo de partida.

[00235] O método então prossegue para a etapa 218. ETAPA 218: OS CRITÉRIOS DE CONVERGÊNCIA FORAM SATISFEITOS?

[00236] Na etapa 218 determina-se a possibilidade de os critérios de convergência terem sido satisfeitos. Por exemplo, quando se considera que o método atingiu a convergência quando a diferença entre os conjuntos de dados atinge uma porcentagem limite. Caso os critérios, conforme estabelecido acima, tenham sido satisfeitos, então, o método prossegue para a etapa 220 e acaba com o modelo da Terra resultante gerado. Caso os critérios não tenham sido satisfeitos, então, o método retrocede para repetir as etapas 204 a 216, conforme discutido acima. ETAPA 220: ACABAMENTO

[00237] Quando, na etapa 220, determina-se que os critérios de convergência foram satisfeitos, o método acaba e considera-se que a porção da Terra de subsuperfície modelada é precisa o suficiente para ser usada para exploração de subsuperfície. Isso pode envolver a interpretação direta do modelo recuperado e/ou envolver o processo de migração de profundidade para gerar uma imagem de refletividade de subsuperfície a ser usada para a identificação de atributos da subsuperfície, tais como, cavidades ou canais que podem conter recursos naturais, tais como, hidrocarbonetos. Os exemplos de tais hidrocarbonetos são óleo e gás natural.

[00238] Uma vez que esses atributos foram identificados no modelo de subsuperfície e/ou na imagem de refletividade, então, as medidas podem ser tomadas para investigar esses recursos. Por exemplo, as embarcações ou veículos de levantamento podem ser despachadas para perfurar furos-guia de modo a determinar a possibilidade de os recursos naturais estarem, de fato, presentes nessas áreas.

[00239] A Figura 9 mostra um exemplo de a função de desajuste como uma função de tempo, semelhante à Figura 5 para a FWI convencional. Conforme pode ser visto, o desajuste não é cíclico, portanto, o salto de ciclo é eliminado.

[00240] Uma terceira modalidade da invenção é ilustrada na Figura 10. A terceira modalidade tem como foco uma aplicação de filtros Wiener alternativa à presente invenção.

ETAPA 300: OBTER O CONJUNTO DE DADOS SÍSMICOS OBSERVADOS.

[00241] A etapa 300 corresponde substancialmente às etapas 100 e 200 do método das modalidades anteriores. Portanto, isso será descrito novamente no presente contexto. Serão descritas apenas as etapas que são novas a essa modalidade do método da presente invenção.

[00242] O método então prossegue para a etapa 302. ETAPA 302: FORNECER O MODELO DE PARTIDA.

[00243] Na etapa 302, um modelo de partida inicial da porção da Terra de superfície especificada é fornecido. O modelo pode ser fornecido tanto em uma forma bidimensional como em uma forma tridimensional. Embora os exemplos ilustrados tenham a forma bidimensional, a pessoa versada terá ciência prontamente de que a presente invenção é aplicável a abordagens tridimensional.

[00244] O modelo é gerado nessa etapa em conformidade com a etapa 102 acima.

[00245] O modelo gerado consiste nos valores do coeficiente Vp e, possivelmente, em outros valores ou coeficientes físicos, em uma grade distinta que representa a subsuperfície. Tais modelos de iniciação são gerados rotineiramente e representam as tendências gerais dos maiores atributos dentro da região de subsuperfície a ser modelada e pode ser gerado prontamente pela pessoa versada.

[00246] O método então prossegue para a etapa 304. ETAPA 304: GERAR O CONJUNTO DE DADOS PREVISTOS.

[00247] A fim de modelar precisamente a região de subsuperfície sob investigação, é necessário gerar os dados previstos que correspondem à mesma fonte-localização receptora posição de dados dos dados de traço medido reais de modo que os dados observados e modelados possam ser comparados. Em outras palavras, o conjunto de dados previstos corresponde um ponto distinto ao conjunto de dados observados. O conjunto de dados previstos é gerado para o(s) mesmo(s) parâmetro(s) de medição na mesma frequência ou frequências.

[00248] O conjunto de dados previstos é gerado com o uso da equação de onda bidirecional completa. Em uma abordagem, os dados de traço modelados podem ser gerados com o uso do tempo domínio equação de onda bidirecional completa, conforme estabelecido acima.

[00249] A partir da análise acima, os dados previstos sísmicos podem ser gerados para um ou mais parâmetros físicos e em uma ou mais frequências selecionadas. Isso forma o conjunto de dados sísmicos previstos dpred(r,s). O método então prossegue para a etapa 306. ETAPA 306: ESCALAR DADOS.

[00250] Na etapa 306, os dados são escalados de modo que os conjuntos de dados previstos dpred(r,s) e observados dobs(r,s) compreendam amplitudes de raiz média quadrática compatíveis. Isso pode ser realizado por qualquer abordagem conhecida. Tanto o conjunto de dados previstos dpred(r,s) quanto o conjunto de dados observados dobs(r,s), ou um dentre os mesmos, podem ser escalados conforme apropriado.

[00251] Adicionalmente, essa etapa pode ser opcional caso seja possível gerar dados previstos que sejam intrinsecamente compatíveis com os dados observados. O método prossegue para a etapa 308. ETAPA 308: PROJETAR O FILTRO WIENER.

[00252] Na etapa 308, o filtro Wiener é projetado. Nessa modalidade, deseja-se projetar um filtro w que converte o conjunto de dados previstos dpred nos dados observados dobs.

[00253] Em outras palavras, as equações 30) e 31) estabeleceram esses parâmetros:

[00254] Um filtro Wiener pode ser projetado com base nisso. O método prossegue para a etapa 310.

ETAPA 310: PONDERAR OS COEFICIENTES.

[00255] Na etapa 310, os coeficientes gerados para cada par receptor de fonte r,s na etapa 308 são ponderados como uma função do módulo do lapso temporal. Conforme estabelecido na equação 32), T é uma matriz diagonal disposta para escalar os coeficientes de filtro Wiener como uma função do módulo do lapso de tempo.

[00256] Portanto, caso o valor dessa função aumente à medida que o lapso aumenta, então, é desejado minimizar a funcional g. Em contrapartida, caso a função aumente à medida que o lapso aumenta, então, g deve ser maximizado. A anterior está mais propensa a fornecer uma melhor resolução, ao passo que a última abordagem está mais propensa a ser mais resistente a ruído. ETAPA 312: GERAR O FILTRO DE REFERÊNCIA.

[00257] Uma vez que o filtro de convolução é projetado na etapa 308, um filtro análogo de convolução é projetado de modo que, quando aplicado a um conjunto de dados de entrada, o filtro irá gerar um conjunto de dados de entrada que fornece uma aproximação equivalente a todo o conjunto de dados de entrada, ou a uma parte do mesmo.

[00258] Em outras palavras, esse filtro não modifica os dados de entrada essencialmente, portanto, é denotado o “filtro de referência”, que compreende o conjunto de parâmetros "auto".

[00259] Em uma modalidade, o filtro de referência compreende uma sequência de zeros e um valor igual a um no tempo de lapso zero (isto é, no receptor). Isto é, essencialmente, semelhante a uma função de impulso centralizada no tempo t=0. O método então prossegue para a etapa 314. ETAPA 314: CONSTRUIR FUNÇÃO DE DESAJUSTE.

[00260] Na etapa 314, é configurada uma função de desajuste. A função de desajuste (ou função objetiva) é configurada para medir a diferença entre os conjuntos de parâmetros auto e cruzado. Alternativamente, a função de desajuste pode ser operável para medir a similaridade e visar maximizar a mesma.

[00261] Desse modo, almeja-se um modelo que torna os filtros Wiener o mais próximo possível a serem apenas um pico no lapso de tempo zero. Em outras palavras, os dados previstos e modelados são compatíveis com exceção de um fator de escala. Portanto, deseja-se um modelo m que minimize ou maximize:

[00262] em que x é um vetor de coluna que contém todos os coeficientes de filtro Wiener, e T é uma função de ponderação aplicada na etapa 210. Os filtros variam com a fonte e posição receptora, e com o modelo. Os filtros Wiener são obtidos resolvendo-se a equação (31). A equação 32) é uma função de desajuste normalizado (ou objetiva) devido à normalização através de uma norma do vetor de coluna x. Isso elimina, ou reduz, a sensibilidade da função à escala dos coeficientes de filtro de referência. O método prossegue para a etapa 316. ETAPA 316: MINIMIZAR A FUNÇÃO DE DESAJUSTE.

[00263] Isso pode ser feito por qualquer método adequado. Nessa modalidade, o gradiente método é usado. Nessa modalidade, o gradiente é direto para derivar a partir da equação 32):

em que XT representa a correlação cruzada com o filtro Wiener gerado na etapa 308.

[00264] Portanto, em resumo, para constatar o gradiente nessa abordagem, o filtro Wiener é constatado na etapa 308, é normalizado, ponderado como uma função de lapso, desconvolucionado com o uso da autocorrelação dos dados previstos, convolucionado com os dados previstos e correlacionado de maneira cruzada ao filtro Wiener. Isso forma uma fonte adjunta para cada par de fonte-receptora. Essas fontes adjuntas são, então, propagadas para trás normalmente e combinadas com o campo de onda frontal para gerar o gradiente.

[00265] O método então prossegue para a etapa 318. ETAPA 318: ATUALIZAR O MODELO.

[00266] Na etapa 318, o modelo é atualizado com o uso do gradiente obtido na etapa 316. A atualização de modelo deriva do gradiente de equação 33) isto é, o derivado parcial em relação a uma perturbação de ponto do modelo m em cada posição. Ao final, os gradientes de tiros separados serão somados durante a formação da atualização de modelo final.

[00267] Para qualquer filtro de convolução útil, e para qualquer medida útil de diferença ou similaridade, à medida que o filtro de convolução se move em direção ao filtro de referência, o conjunto de dados sísmicos previstos irão se mover em direção ao conjunto de dados sísmicos observados. Desse modo, o modelo de partida irá se mover em direção ao modelo verdadeiro.

[00268] Com uma escolha apropriada de filtro de convolução e medida de diferença/similaridade, esse esquema não é afetado, ou é menos afetado que a FWI convencional, pelo salto de ciclo. Portanto, isso pode ser aplicado mais prontamente aos dados observados que carecem de baixas frequências e/ou na ausência de um bom modelo de partida. O método então prossegue para a etapa 320.

ETAPA 320: OS CRITÉRIOS DE CONVERGÊNCIA FORAM SATISFEITOS?

[00269] Na etapa 320 determina-se a possibilidade de os critérios de convergência terem sido satisfeitos. Por exemplo, quando se considera que o método atingiu a convergência quando a diferença entre os conjuntos de dados atinge uma porcentagem limite. Caso os critérios, conforme estabelecido acima, tenham sido satisfeitos, então, o método prossegue para a etapa 322 e acaba com o modelo da Terra resultante gerado. Caso os critérios não tenham sido satisfeitos, então, o método retrocede para repetir as etapas 304 a 318, conforme discutido acima. ETAPA 322: ACABAMENTO

[00270] Quando, na etapa 322, determina-se que os critérios de convergência foram satisfeitos, o método acaba e considera-se que a porção da Terra de subsuperfície modelada é precisa o suficiente para ser usada para exploração de subsuperfície. Isso pode envolver a interpretação direta do modelo recuperado e/ou envolver o processo de migração de profundidade para gerar uma imagem de refletividade de subsuperfície a ser usada para a identificação de atributos da subsuperfície, tais como, cavidades ou canais que podem conter recursos naturais, tais como, hidrocarbonetos. Os exemplos de tais hidrocarbonetos são óleo e gás natural.

[00271] Uma vez que esses atributos foram identificados no modelo de subsuperfície e/ou na imagem de refletividade, então, as medidas podem ser tomadas para investigar esses recursos. Por exemplo, as embarcações ou veículos de levantamento podem ser despachados para perfurar furos-guia a fim de determinar a possibilidade de os recursos naturais estarem, de fato, presentes nessas áreas.

[00272] A eficácia das modalidades descritas acima é ilustrada com referência às Figuras 11 a 13. A Figura 11 mostra um modelo de subsuperfície relativamente extremo incluindo uma intensa anomalia para resolver.

[00273] A Figura 12 mostra um modelo derivado de FWI convencional. Conforme mostrado, o modelo falha em convergir corretamente devido ao salto de ciclo. Consequentemente, o modelo minimizado porta pouca semelhança ao modelo real, conforme estabelecido na Figura 11.

[00274] Em contrapartida, uma Figura 13 mostra o modelo recuperado com o uso do método da presente invenção. Conforme mostrado, o modelo é completamente recuperado, sujeitos apenas às limitações de geometria e largura de banda. Claramente, a presente invenção possibilita uma modelagem precisa de atributos complexos da subsuperfície em que a FWI convencional falha.

[00275] Um exemplo adicional da eficácia das modalidades descritas acima é ilustrado com referência às Figuras 14 a 17.

[00276] A Figura 14 mostra um modelo Marmousi usado para testar o método da presente invenção. A Figura 15 mostra um modelo de partida simples e impreciso usado para testar a presente invenção.

[00277] A Figura 16 mostra um modelo derivado de FWI convencional. Os dados usados no presente contexto tiveram uma frequência dominante de 10 Hz. Conforme mostrado, o modelo resultante porta pouca semelhança ao modelo correto, que é significativamente o ciclo saltado em relação ao modelo de partida impreciso. Em outras palavras, o modelo falha em convergir corretamente devido ao salto de ciclo. Consequentemente, o modelo minimizado porta pouca semelhança ao modelo real, conforme estabelecido na Figura 14.

[00278] Em contrapartida, uma Figura 17 mostra o modelo recuperado com o uso do método da presente invenção. Conforme mostrado, o modelo é completamente recuperado, sujeitos apenas às limitações de geometria e largura de banda. Claramente, a presente invenção possibilita uma modelagem precisa de atributos complexos da subsuperfície em que a FWI convencional falha.

[00279] As variações das modalidades acima ficarão evidentes à pessoa versada. A configuração precisa de componentes de hardware e software podem diferir e ainda ser abrangidas pelo escopo da presente invenção.

[00280] Primeiramente, embora as modalidades acima sejam ilustradas em relação a filtros Wiener unidimensionais, filtros multidimensionais também podem ser usados. No esquema unidimensional simples acima, o filtro para cada par de fonte- receptora é projetado apenas com o uso de dados a partir desse par de fonte- receptora. O esquema é também implantado em tempo - as duas sequências que estão sendo compatibilizadas representam os dados que variam em tempo, e o filtro Wiener tem seus coeficientes disposto por um lapso temporal.

[00281] No entanto, é possível implantar um esquema análogo em múltiplas dimensões em espaço, ou em uma mistura de tempo e uma ou mais dimensões de espaço, ou em qualquer dos muitos espaços transformados, por exemplo, em espaço de vagarosidade interceptada (tau-p), espaço de número de onda de frequência (f-k), ou em espaço de Radon parabólico.

[00282] Em consideração de uma única fonte e um único receptor, então, com o uso de uma estimativa de fonte, os dados previstos podem ser calculados a partir dessa fonte não apenas no receptor como também em um volume tridimensional ao redor da mesma. Para esse receptor, um conjunto de dados observados unidimensional e um conjunto de dados previsto quadridimensional está agora disponível. Isto é, três dimensões de espaço mais tempo. Agora, pode ser projetado um filtro de convolução que obtém todos os subconjuntos 1D, 2D ou 3D desse conjunto de dados previsto 4D, ou parte dos mesmos, como uma entrada e gera o conjunto de dados observados 1D como uma saída. Isso pode ser feito em qualquer dentre as etapas 106, 208 ou 308.

[00283] Caso esse filtro de convolução seja um filtro Wiener de convolução multidimensional, então, o filtro de referência correspondente será a unidade no coeficiente que corresponde ao lapso zero em tempo e lapso zero em todas as dimensões de espaço - que está na posição do receptor - e será zero em qualquer outro local.

[00284] Nesse contexto, o método permanece inalterado, porém agora, um filtro de convolução 1 D, 2D, 3D ou 4D podem ser projetados, e isso pode ser combinado com uma função apropriada de todos os lapsos temporais e espaciais envolvidos. A funcional de desajuste associada pode ser, então, minimizada.

[00285] Na prática, é improvável a necessidade do uso de todas as quatro dimensões devido ao fato de que o esforço computacional seria grande. No entanto, diferentes subconjuntos de dimensões em diferentes iterações podem ser exigidos.

[00286] Além disso, é possível gerar os dados no receptor, ou ao redor do mesmo, para múltiplos localizações de fonte e para diferentes tempos de iniciação de fonte. São necessárias quatro dimensões para descrever o tempo e localização de fonte. Portanto, até oito dimensões de dados previstos estão disponíveis. Um filtro pode ser projetado com o uso de qualquer combinação das mesmas como entrada embora, em um esquema prático, seja improvável o desejo do uso de todas simultaneamente. Além disso, há redundância entre as duas dimensões de tempo a menos que pelo menos uma dimensão de espaço também esteja envolvida no projeto do filtro.

[00287] A dimensionalidade da saída também pode ser aumentada. Desse modo, em vez de projetar um filtro que visa compatibilizar os dados observados em apenas uma dimensão, os dados observados podem ser compatibilizados em duas ou mais dimensões, por exemplo, com os dados observados previstos no tempo em um arranjo bidimensional de receptores de superfície, o que gera uma saída de 3D a partir do filtro de convolução.

[00288] Podem ser gerados também esquemas equivalentes que compatibilizam os dados observados com os dados previstos. Nesse caso, usa-se os dados observados em múltiplos receptores e/ou em múltiplas fontes como entrada que geram dados previstos no mesmo volume multidimensional ou em algum o subconjunto dos mesmos.

[00289] Esses filtros multidimensionais podem se estender aplicando-se os mesmos a fontes e receptores virtuais localizados em qualquer local dentro da subsuperfície incluindo a posição de fonte.

[00290] Além disso, embora as modalidades acima tenham sido ilustradas no domínio de tempo, a análise de domínio de frequência também pode ser usada. Os diferentes componentes de frequência podem ser extraídos através do uso de uma transformada de Fourier. As transformadas de Fourier e coeficientes associados são bem conhecidos na técnica. Visto que apenas alguns componentes frequência podem ser exigidos, uma transformada de Fourier discreta pode ser computada a partir dos dados de traço sísmico inseridos. Alternativamente, uma abordagem de transformada de Fourier rápida convencional (FFT) abordagem pode ser usada. Como uma alternativa adicionalmente, transformadas de Fourier parciais ou completas podem ser usadas. A transformada de Fourier pode tomada em relação às frequências com calor reais ou complexas.

[00291] Um ou mais conjuntos de dados observados em uma ou mais frequências podem ser extraídas. Por exemplo, uma pluralidade de conjuntos de dados observados pode ser fornecida com componentes frequência de, por exemplo, 4,5 Hz, 5 Hz e 5,5 Hz. Essas 3 frequências podem ser invertidas individualmente, em que a saída de uma se torna a entrada da próxima.

[00292] Conforme pode ser entendido, variações adicionais nesse método são possíveis. Por exemplo, o processo pode ser aplicado com o uso do filtro reverso, que usa um filtro que obtém os dados observados como entrada e que gera uma aproximação aos dados previstos com saída;

[00293] Os dados podem se pré-processados de qualquer maneira desejada, os dados de observados e/ou de campo antes da formação dos coeficientes de filtro Wiener.

[00294] As funções de autocorrelação e/ou de correlação cruzada podem ser pré- processadas a fim formar o filtro Wiener.

[00295] Os coeficientes de filtro Wiener e/ou os coeficientes de Wiener ponderados podem processados antes de formar a quantidade a ser minimizada que forma a quantidade a ser minimizada ou maximizada. Alternativamente, o pós- processamento pode ser realizados na quantidade a ser minimizada ou maximizada.

[00296] O esquema pode ser aplicado aos dados, aos modelos e/ou aos coeficientes de filtro que foram transformados em algum outro domínio ou domínios incluindo, porém sem limitação, o domínio de Fourier unidimensional ou multidimensional, o domínio de Laplace, o domínio de Radon, o domínio de ondeleta, o domínio de curvelet.

[00297] Os dados previstos e/ou observados podem ser transformados em uma sequência de números complexos, por exemplo, formando-se uma parte imaginária com o uso da transformada de Hilbert, de modo que os coeficientes de Wiener sejam por si só números complexos e, opcionalmente, combinem isso com a minimização da porção imaginária dos coeficientes de Wiener.

[00298] As restrições adicionais podem ser adicionadas aos coeficientes de Wiener incluindo, porém sem limitação, as restrições geradas pelos dados observados e/ou pelos dados previstos e/ou pelo modelo e/ou por outros coeficientes de Wiener e/ou pela precisão do filtro de convolução.

[00299] Podem ser usados filtros Wiener que variam de maneira contínua ou descontínua em tempo, em espaço, com a posição receptora, com a posição de fonte, com um azimute de fonte-receptor, com um deslocamento de fonte-receptor, com ponto intermediário fonte-receptor e/ou com outras características dos dados, do modelo, das atualizações de modelo, da fonte, do receptor, dos coeficientes de preenchimento.

[00300] Em outras palavras, o filtro Wiener não precisa ser unidimensional e pode abranger múltiplas dimensões.

[00301] Além disso, embora as modalidades tenham ilustrado o uso de filtros Wiener, a presente invenção não se limita a tais filtros. A pessoa versada terá ciência prontamente de outros tipos de filtro adequados para uso com a presente invenção. Exemplos não limitantes podem incluir: Os filtros Kalman; filtros de quadrados médios mínimos; filtros de quadrados médios mínimos normalizados; e filtros de quadrados mínimos recursivos.

[00302] Além disso, embora a presente invenção tenha sido descrita com referência a um modelo que envolve resolver a onda acústica equação, a presente invenção é igualmente aplicável aos modelos que envolvem resolver a equação de onda viscoacústica, elástica, viscoelástica ou poroelástica.

[00303] Adicionalmente, embora o exemplo no presente contexto tenha usado o parâmetro de pressão escalar como foco do mesmo (isto é, ondas P), é possível também (com equipamento apropriado, tais como, geofones) medir a moção de partícula na localização receptora e, então, determinar os parâmetros de onda S. Os dados então gerados podem ser, então, utilizados e processados na presente invenção.

[00304] As modalidades da presente invenção foram descritas com referência particular aos exemplos ilustrados. Embora os exemplos exemplificativos sejam mostrados nos desenhos e sejam descritos no presente documento detalhadamente, deve-se entender, no entanto, que os desenhos e a descrição detalhada não se destinam limitar a invenção à forma particular revelada. No entanto, será observado que as variações e modificações podem ser feitas aos exemplos descritos dentro do escopo das reivindicações anexas.

Claims

1. Método para exploração de subsuperfície, em que o método é caracterizado pelo fato de que compreende gerar uma representação geofísica de uma porção do volume da Terra a partir de uma medição sísmica de pelo menos um parâmetro físico e que compreende as etapas de: a) fornecer um conjunto de dados sísmicos observados que compreendem pelo menos três valores de dados diferentes de zero distintos derivados de pelo menos três valores sísmicos medidos diferentes de zero distintos da dita porção do volume da Terra; b) gerar, com o uso de um modelo de subsuperfície de uma porção da Terra que compreende uma pluralidade de coeficientes de modelo, um conjunto de dados sísmicos previstos que compreende pelo menos três valores de dados diferentes de zero distintos; c) utilizar pelo menos um filtro de convolução não trivial, em que o filtro de convolução ou cada filtro de convolução compreende três ou mais coeficientes de filtro diferentes de zero e sendo operáveis, quando convulacionados com o conjunto de dados sísmicos observados, para maximizar a similaridade ou minimizar a disparidade entre o conjunto de dados observados convolucionados e o conjunto de dados previstos; d) maximizar ou minimizar uma ou mais funções objetivas operáveis para medir a similaridade e/ou a disparidade entre os coeficientes de filtro para o filtro de convolução não trivial ou para cada filtro de convolução não trivial e pelo menos três coeficientes de referência de um ou mais filtros de referência pela modificação de pelo menos um coeficiente de modelo do dito modelo de subsuperfície de uma porção da Terra para produzir um modelo de subsuperfície atualizado de uma porção da Terra; e e) fornecer um modelo de subsuperfície atualizado de uma porção da Terra para exploração de subsuperfície.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que pelo menos um do referido filtro de convolução é operável para transformar pelo menos uma porção do dito conjunto de dados sísmicos observados para fornecer o conjunto de dados sísmicos observados e aproximações de conjunto de dados previstos um do outro.

3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente: a) utilizar pelo menos um filtro de convolução não trivial adicional, em que o filtro adicional ou cada filtro adicional compreende três ou mais coeficientes de filtro diferentes de zero e é operável, quando convolucionado com o conjunto de dados sísmicos previstos, para maximizar a similaridade ou minimizar a disparidade entre o conjunto de dados observados convoluídos e o conjunto de dados previstos convoluídos.

4. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que o filtro de convolução ou cada filtro de convolução é operável para transformar pelo menos uma porção do dito conjunto de dados sísmicos observados e o filtro de convolução adicional ou cada filtro de convolução adicional é operável para transformar o dito conjunto de dados previstos para fornecer o conjunto de dados sísmicos observados e aproximações de conjunto de dados previstos um do outro.

5. Método para exploração de subsuperfície, em que o método é caracterizado pelo fato de que compreende gerar uma representação geofísica de uma porção do volume da Terra a partir de uma medição sísmica de pelo menos um parâmetro físico e que compreende as etapas de: a) fornecer um conjunto de dados sísmicos observados que compreendem pelo menos três valores de dados diferentes de zero distintos derivados de pelo menos três valores sísmicos medidos diferentes de zero distintos da dita porção do volume da Terra; b) gerar, com o uso de um modelo de subsuperfície de uma porção da Terra que compreende uma pluralidade de coeficientes de modelo, um conjunto de dados sísmicos previstos que compreende pelo menos três valores de dados diferentes de zero distintos; c) utilizar um ou mais filtros de convolução não trivial, em que o filtro de convolução ou cada filtro de convolução compreende três ou mais coeficientes de filtro diferentes de zero e sendo operáveis, quando convoluídos com o conjunto de dados sísmicos previstos, para maximizar a similaridade ou minimizar a disparidade entre o conjunto de dados previstos convoluído e o conjunto de dados observados; d) maximizar ou minimizar uma ou mais funções objetivas operáveis para medir a similaridade e/ou a disparidade entre os coeficientes de filtro para um ou mais filtros de convolução não triviais e pelo menos três coeficientes de referência para o filtro de referência predeterminado ou cada um dentre os filtros de referência predeterminados pela modificação de pelo menos um coeficiente de modelo do referido modelo de subsuperfície de uma porção da Terra para produzir um modelo de subsuperfície atualizado de uma porção da terra; e e) fornecer um modelo de subsuperfície atualizado de uma porção da Terra para exploração de subsuperfície.

6. Método, de acordo com a reivindicação 5, caracterizado pelo fato de que pelo menos um do referido filtro de convolução é operável para transformar pelo menos uma porção do dito conjunto de dados sísmicos previstos para fornecer o conjunto de dados sísmicos observados e aproximações de conjunto de dados previstos um do outro.

7. Método, de acordo com a reivindicação 5, caracterizado pelo fato de que compreende adicionalmente: a) utilizar pelo menos um filtro de convolução não trivial adicional, em que o filtro adicional ou cada filtro adicional compreende três ou mais coeficientes de filtro diferentes de zero e é operável quando convoluído com o conjunto de dados sísmicos observados, para maximizar a similaridade ou minimizar a disparidade entre o conjunto de dados observados convoluído e o conjunto de dados previstos convoluído.

8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que o filtro de convolução ou cada filtro de convolução é operável para transformar pelo menos uma porção do dito conjunto de dados sísmicos previstos e o filtro de convolução adicional ou cada filtro de convolução adicional é operável para transformar o dito conjunto de dados observados para fornecer o conjunto de dados sísmicos observados e aproximações de conjunto de dados previstos um do outro.

9. Método, de acordo com qualquer uma das reivindicações precedentes, caracterizado por compreender adicionalmente a geração de uma ou mais funções objetivas normalizadas operáveis para medir a similaridade e/ou a disparidade entre os coeficientes de filtro para o filtro não trivial ou para cada filtro não trivial e os coeficientes de referência para o filtro de referência ou cada um dentre os filtros de referência, em que a função objetiva normalizada ou cada função objetiva normalizada é insensível ou tem sensibilidade reduzida para o escalonamento relativo dos coeficientes de filtro para o filtro não trivial ou cada filtro não trivial em relação aos coeficientes de referência para o filtro de referência predeterminado ou cada filtro de referência predeterminado.

10. Método, de acordo com a reivindicação 9, caracterizado pelo fato de que pelo menos uma dentre as ditas funções objetivas é normalizada por uma norma dos coeficientes de filtro do pelo menos um filtro de convolução não trivial.

11. Método, de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de que um ou mais dentre os filtros de convolução e/ou filtros de convolução adicionais são selecionados entre o grupo de filtros Wiener, filtros Kalman, filtros de quadrados mínimos médios, filtros de quadrados mínimos médios normalizados ou filtros de quadrados mínimos recursivos.

12. Método, de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de que pelo menos um dentre os filtros de referência é um filtro de convolução que deixa o conjunto de dados ao qual o mesmo é aplicado inalterado ou aproximadamente inalterado, exceto por uma ou mais multiplicações por uma constante; por mudança de tempo ou espaço; e por rotação de fase.

13. Método, de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de que compreende adicionalmente, antes da etapa e), repetir as etapas b) a d) para o modelo de subsuperfície atualizado de uma porção da Terra até que um critério de convergência seja cumprido.

14. Método, de acordo com qualquer uma das reivindicações precedentes, caracterizado pelo fato de que a etapa e) compreende adicionalmente a utilização do dito modelo atualizado para exploração de subsuperfície.

15. Produto de programa de computador executável por um aparelho de processamento programado ou programável caracterizado pelo fato de que compreende uma ou mais partes de software para realizar as etapas de quaisquer das reivindicações 1 a 14.

16. Meio de armazenamento utilizável por computador caracterizado pelo fato de ter um produto de programa de computador, conforme definido na reivindicação 15, armazenado no mesmo.