KR20140140027A

KR20140140027A - 직교 소스 및 수신기 인코딩

Info

Publication number: KR20140140027A
Application number: KR1020147025239A
Authority: KR
Inventors: 제롬 알. 크렙스; 차영호; 이선웅; 파벨 디미트로브; 아눕 에이. 무룰; 네이선 제이. 다우니; 파사 에스. 루스
Original assignee: 엑손모빌 업스트림 리서치 캄파니
Priority date: 2012-03-08
Filing date: 2013-01-23
Publication date: 2014-12-08
Also published as: SG11201404094RA; AU2013230789A1; CN104204857A; EP2823335A1; CN104204857B; MY170622A; EP2823335A4; RU2612896C2; WO2013133912A1; CA2861863A1; US10012745B2; US20130238246A1; RU2014140603A; KR102021752B1; AU2013230789B2

Abstract

물리적 속성 모델(41)의 파라미터들을 추정하기 위해 지구물리학적 데이터의 동시 인코딩된-소스 역산을 수행하기 위한 방법으로서, 특히 이동 소스 및 수신기들을 가진 해양 탄성파 탐사들과 같이, 고정된-수신기 수집 기하학이 없는 탐사들에 적응되는, 상기 지구물리학적 데이터의 동시 인코딩된-소스 역산 수행 방법이 개시된다. 데이터의 하나 이상의 동시 인코딩된-소스 모음들을 생성(35)할 뿐만 아니라 이들을 시뮬레이팅(34)하기 위해 소스들에 대해 이용되는 인코딩 함수들(32)은 교차-상관에 대해 직교하거나 의사-직교한다. 또한, 수신기들이 또한 인코딩되고, 수신기 인코딩은 주어진 수신기가 탐사(38) 동안 청취하지 않은 소스들에 덜 민감하게 하도록 설계된다. 인코딩 함수들은 중심 주파수, 위상 또는 둘다에 의해 서로 상이한 일시적인 대역통과 필터들일 수 있다. 이 방법의 효율성은 여러 소스들을 수퍼-소스로 그룹화하고, 대응하는 모음들을 수퍼-모음으로 그룹화하고, 그 후에 상기 인코딩 전략을 적용함으로써 더욱 개선될 수 있다.

Description

직교 소스 및 수신기 인코딩{ORTHOGONAL SOURCE AND RECEIVER ENCODING}

관련 출원에 대한 교차-참조

본 출원은, 2012년 3월 8일에 출원되고 발명의 명칭이 Orthogonal Source and Receiver Encoding인 미국 가특허 출원 제61/608,435호 및 2012년 11월 14일에 출원되고 발명의 명칭이 Orthogonal Source and Receiver Encoding인 미국 가특허 출원 제61/726,319호로부터 우선권을 주장하고, 둘다 본 명세서에 참조로 전부 포함된다.

본 발명의 분야

본 발명은 일반적으로 지구물리학적 탐사의 분야에 관한 것이고, 특히 지구물리학적 데이터 처리에 관한 것이다. 특히, 본 발명은, 많은 동시-활성 지구물리학적 소스들로부터의 데이터를 시뮬레이션의 하나의 실행에서 계산하는 지구물리학적 시뮬레이션을 포함하여, 탄성파 소스들(seismic sources)과 같은 다수의 지구물리학적 소스들로부터 수집되는 데이터 역산을 위한 방법이다.

현대의 컴퓨팅 능력으로도, 탄성파 완전 파장 역산(seismic full wavefield inversion)은 여전히 계산적으로 비용이 많이 드는 노력이다. 그러나 이 방법을 이용하여 지표아래의 상세한 표현을 획득하는 이점은 이 단점보다 클 것으로 기대된다. 더 빠른 회송 시간(turn-around time)을 유도하는 알고리즘들 및 작업흐름들의 개발은 이 기술을 필드 스케일 데이터에 대해 실행 가능하게 하는 쪽의 핵심 단계이다. 탄성파 완전 파장 역산은 데이터의 순방향 및 수반 시뮬레이션(adjoint simulation)의 여러 반복들을 포함한다. 따라서, 순방향 및 수반 계산 실행들의 비용을 절감하는 기술들은 사용자들로 하여금 타당한 시간량으로 더 큰 스케일 문제들을 해결하도록 허용할 것이다.

지구물리학적 역산 [1,2]은 관측된 데이터를 최적으로 설명하고 지질학적 및 지구물리학적 제약들을 만족시키는 지표아래 속성들의 모델을 찾도록 시도한다. 지구물리학적 역산의 다수의 잘 알려진 방법들이 존재한다. 이들 잘 알려진 방법들은 2개의 카테고리들, 반복 역산 및 비-반복 역산 중 하나에 속한다. 다음은 2개의 카테고리들의 각각이 일반적으로 무엇을 의미하는지의 정의들이다:

비-반복 역산 - 일부 간단한 배경 모델을 가정하고 입력 데이터에 기초하여 모델을 업데이트함으로써 달성되는 역산. 이 방법은 업데이트된 모델을 다른 역산 단계에 대한 입력으로서 이용하지 않는다. 탄성파 데이터의 경우에 대해, 이들 방법들은 일반적으로 이미징, 구조보정(migration), 회절 토모그래피 또는 본 역산(Born inversion)이라고 칭해진다.

반복 역산 - 모델이 관측된 데이터를 만족스럽게 설명한다고 알려지는 지표아래 속성들 모델의 반복 개선을 포함하는 역산. 역산이 수렴되면, 최종 모델은 관측된 데이터를 더욱 양호하게 설명할 것이고 실제 지표아래 속성들에 더욱 근접하게 근사할 것이다. 반복 역산은 일반적으로 비-반복 역산보다 더욱 정확한 모델을 산출하지만, 계산하기에는 훨씬 더 비용이 든다.

반복 역산은 더욱 정확한 지표아래 파라미터 모델들을 산출하기 때문에, 일반적으로 비-반복 역산보다 양호하다. 불행하게, 반복 역산은 계산적으로 비용이 들어서, 관심있는 많은 문제들에 이를 적용하기가 비실용적이다. 이러한 높은 계산 비용은 모든 역산 기술들이 많은 계산 집중식 시뮬레이션들을 요구한다는 사실의 결과이다. 임의의 개별 시뮬레이션의 계산 시간은 역산될 소스들의 수에 비례하고, 통상적으로 지구물리학적 데이터에 다수의 소스들이 존재하고, 여기서 이전에 이용된 용어 소스는 소스 장치의 활성화 위치를 나타낸다. 계산되어야 하는 시뮬레이션들의 수가 역산의 반복들의 수에 비례하고, 요구된 반복들의 수가 통상적으로 대략 수백 내지 수천이기 때문에, 반복 역산에 대해 문제가 악화된다.

지구물리학에서 이용되는 가장 일반적으로 이용되는 반복 역산 방법은 비용 함수 최적화이다. 비용 함수 최적화는, 계산된 및 관측된 데이터 사이의 불일치의 척도인 비용 함수 S(M)(이것은 때때로 목적 함수라고도 칭해짐)의 모델 M에 대해, 값의 반복적인 최소화 또는 최대화를 포함하며, 계산된 데이터는 주어진 지구물리학적 성질들 모델에 의해 표현되는 매체로의 소스 신호의 전파를 관리하는 물리학 및 현재 지구물리학적 속성들 모델을 이용하여 컴퓨터로 시뮬레이팅된다. 시뮬레이션 계산들은 유한 차분법, 유한 요소법 또는 광선 추적법을 포함한 여러 수치 계산 방법들 중 어느 하나에 의해 행해질 수 있지만, 이러한 방법들에 제한되지 않는다. 시뮬레이션 계산들은 주파수 또는 시간 도메인에서 수행될 수 있다.

비용 함수 최적화 방법들은 국부적 또는 전역적이다[3]. 전역적 방법들은 간단히 모델들 {M1, M2, M3,...}의 모집단에 대한 비용 함수 S(M)를 계산하는 단계, 및 S(M)를 거의 최소화하는 상기 모집단으로부터 하나 이상의 모델들의 세트를 선택하는 단계를 포함한다. 다른 개선이 요구되는 경우, 이러한 새롭게 선택된 모델들의 세트는 비용 함수 S(M)에 대해 다시 테스트될 수 있는 모델들의 새로운 모집단을 생성하기 위한 기초로서 이용될 수 있다. 전역적 방법들에 대해, 테스트 모집단의 각각의 모델이 반복되는 것이 고려될 수 있거나, 또는 더 높은 레벨에서 테스트된 모집단들의 각각의 세트가 반복되는 것이 고려될 수 있다. 잘 알려진 전역적 역산 방법들은 몬테카를로, 시뮬레이티 어닐링(simulated annealing), 유전 및 진화 알고리즘들을 포함한다.

불행하게, 전역적 최적화 방법들은 통상적으로 극도로 느리게 수렴하고 따라서 대부분의 지구물리학적 역산들은 국부적 비용 함수 최적화에 기초한다. 알고리즘 1은 국부적 비용 함수 최적화를 요약한다.

알고리즘 1 - 국부적 비용 함수 최적화를 수행하기 위한 알고리즘.

이 절차는 다른 기울기 검색을 위한 시작 모델로서 새롭게 업데이트된 모델을 이용함으로써 반복된다. 이 처리는 업데이트된 모델이 관측된 데이터를 만족스럽게 설명한다고 알려질 때까지 계속한다. 일반적으로 이용되는 국부적 비용 함수 역산 방법들은 기울기 탐색, 공액 기울기들 및 뉴턴 방법을 포함한다.

음향 근사(acoustic approximation)의 탄성파 데이터의 국부적 비용 함수 최적화는 일반 지구물리학적 역산 작업이고, 일반적으로 다른 형태들의 지구물리학적 역산을 예시한다. 음향 근사의 탄성파 데이터를 역산할 때, 비용 함수는 다음과 같이 작성될 수 있다:

S = 비용 함수,

M = 지표아래 모델을 기술하는 N개의 파라미터들의 벡터, (m₁, m₂, ... m_N)

g = 모음 인덱스,

w_g = 공간 좌표들과 시간의 함수인 모음 g에 대한 소스 함수, 포인트 소스에 대해 이것은 공간 좌표들의 델타 함수임,

N_g = 모음들의 수,

r = 모음 내의 수신기 인덱스,

N_r = 모음에서 수신기들의 수

t = 트레이스 내의 시간 샘플 인덱스

N_t = 시간 샘플들의 수

W = 최소화 기준 함수(양호한 선택은 W(x) = x²이고, 이것은 최소 제곱들(L2) 기준들임),

Ψ_calc = 모델 M으로부터 계산된 탄성파 압력 데이터,

Ψ_obs = 측정된 탄성파 압력 데이터.

모음들은 탄성파 순방향 모델링 프로그램의 일 실행에서 시뮬레이팅될 수 있는 임의 타입의 모음일 수 있다. 일반적으로, 모음들은 탄성파 샷에 대응하지만 샷들은 포인트 소스들보다 더욱 일반적일 수 있다. 포인트 소스들에 대해, 모음 인덱스(g)는 개별 포인트 소스들의 위치에 대응한다. 평면파 소스들에 대해, g는 상이한 평면파 전파 방향들에 대응한다. 이러한 일반화된 소스 데이터(Ψ_obs)는 필드에서 수집될 수 있거나 포인트 소스들을 이용하여 수집되는 데이터로부터 합성될 수 있다. 한편, 계산된 데이터(Ψ_calc)는 일반적으로 순방향 모델링할 때 일반화된 소스 함수를 이용함으로써 직접 계산될 수 있다. 유한 차 모델링을 포함한 많은 타입들의 순방향 모델링에 대해, 일반화된 소스에 필요한 계산 시간은 대략 포인트 소스에 필요한 계산 시간과 동일하다.

[수학식 1]은 다음과 같이 간단해질 수 있고:

여기서 수신기들 및 시간 샘플들에 걸친 합이 이제 함축되고,

역산은 S(M)이 최소화되도록 모델(M^(k))을 업데이트하려고 시도한다. 이것은 주어진 모델(M^(k))을 다음과 같이 업데이트하는 국부적 비용 함수 최적화에 의해 성취될 수 있고:

여기서 k는 반복 수이고, α는 모델 업데이트의 스칼라 크기이고,

은 모델 파라미터들에 대해 취해진 불일치 함수의 기울기이다. 모델이 업데이트됨에 의한 모델 섭동들 또는 값들은 반복적으로 계산되어야 하는 단차 길이 α와 목적 함수의 기울기의 곱에 의해 계산된다.

[수학식 2]로부터, 비용 함수의 기술기에 대해 다음의 수학식이 도출될 수 있다:

비용 함수의 기울기를 계산하기 위해서는, 비용 함수에 대한 각각의 모음의 기여의 기울기를 별도로 계산하고, 이후 이들 기여들을 합산해야 한다. 따라서,

를 계산하는데 요구되는 계산 수고는 기울기에 대한 단일 모음의 기여를 결정하는데 요구되는 계산 수고의 N_g배이다. 지구물리학적 문제들에 대해, N_g는 일반적으로 지구물리학적 소스들의 수에 대응하고 대략 10,000 내지 100,000이며,

를 계산하는 비용을 크게 확대한다.

의 계산은 N개의 모델 파라미터들(m_i)의 각각에 대한 W(δ)의 미분의 계산을 필요로 함을 유념한다. 지구물리학적 문제들에 대해, N은 일반적으로 매우 크고(일반적으로 백만보다 큼), 이 계산은 각각의 개별 모델 파라미터에 대해 수행되어야 하는 경우에 극히 시간 소모적일 수 있다. 다행히, 모든 모델 파라미터들에 대한 이러한 계산을 즉시 효율적으로 수행하기 위한 수반 방법이 이용될 수 있다[1]. 최소 제곱들 목적 함수 및 격자 모델 파라미터화를 위한 수반 방법은 다음의 알고리즘에 의해 요약된다:

알고리즘 2 - 수반 방법을 이용하여 격자 모델의 최소-제곱들 비용-함수 기 울기를 계산하기 위한 알고리즘.

수반 방법을 이용한 기울기들의 계산이 다른 방법들에 비해 효율적이지만, 이것은 여전히 매우 비용이 많이 든다. 특히, 수반 방법들은 2개의 시뮬레이션들을 요구하며, 하나는 시간의 순방향이고 하나는 시간의 역방향이고, 지구물리학적 문제들에 대해, 이들 시뮬레이션들은 일반적으로 매우 계산 집중적이다. 또한, 상기 논의된 바와 같이, 이 수반 방법 계산은 각각의 측정된 데이터 모음에 대해 개별적으로 수행되어야 하여, N_g의 팩터만큼 계산 비용을 증가시킨다.

역산의 모든 카테고리들의 계산 비용은 소스들을 개별적으로 역산하기보다, 소스들의 조합들로부터 데이터를 역산함으로써 절감될 수 있다. 이것은 동시 소스 역산이라고 칭해질 수 있다. 여러 타입들의 소스 조합은 다음을 포함하여 알려진다: 어떤 원하는 형상(예를 들면, 평면파)의 파면(wavefront)을 생성하는 유효 소스를 생성하기 위해 근접하게 이격된 소스들을 코히런트 합산, 광범위하게 이격된 소스들을 합산, 또는 역산 전에 데이터를 완전히 또는 부분적으로 적층.

조합된 소스들을 역산함으로써 얻어진 계산 비용 절감은 조합된 데이터의 역산이 일반적으로 덜 정확한 역산된 모델을 생성한다는 사실에 의해 적어도 부분적으로 오프셋된다. 이러한 정확도의 손상은 개별 소스들이 합산될 때 정보가 손상된다는 사실에 기인하고, 따라서 합산된 데이터는 합산되지 않은 데이터만큼 강력하게 역산 모델을 제약하지 않는다. 합산 동안 이러한 정보의 손상은 합산 전에 각각의 샷 기록을 인코딩함으로써 최소화될 수 있다. 조합 전의 인코딩은 동시 소스 데이터에서 상당히 더 많은 정보를 보존하고, 따라서 역산을 더욱 양호하게 제약한다[4]. 인코딩은 또한 근접하게 이격된 소스들의 조합을 허용하고, 따라서 주어진 계산 영역에 대해 더 많은 소스들이 조합되도록 허용한다. 타임 시프트 인코딩 및 랜덤 위상 인코딩을 포함하여 다양한 인코딩 방식들이 이 기술에 이용될 수 있다. 이 배경 부분의 나머지는 다양한 공개된 지구물리학적 동시 소스 기술들, 인코딩 및 비-인코딩 둘다를 간략하게 리뷰한다.

Van Manen[6]은 순방향 시뮬레이션의 속도를 올리기 위해 탄성파 간섭 측정 방법(seismic interferometry method)을 이용하는 것을 제안한다. 탄성파 간섭 측정은 관심있는 영역의 경계 상의 어디에나 소스들을 배치하여 작업한다. 이들 소스들은 개별적으로 모델링되고, 그린 함수(Green's function)가 요망되는 모든 위치들에서의 파장이 기록된다. 임의의 2개의 기록된 위치들 사이의 그린 함수는 그 후에 2개의 기록된 위치들에서 수집된 트레이스들을 교차-상관하고 모든 경계 소스들에 걸쳐 합산함으로써 계산될 수 있다. 역산될 데이터가 관심있는 영역 내에 있는 다수의 소스들 및 수신기들을 가지는 경우(경계 상에 어느 하나를 가지는 것과 반대로), 이것은 원하는 그린 함수들을 계산하기 위한 매우 효율적인 방법이다. 그러나, 탄성파 데이터 경우에 대해, 역산될 데이터에 대한 소스 및 수신기 둘다가 관심있는 영역 내에 있는 것은 드물다. 따라서, 이 개선은 탄성파 역산 문제에 대해 매우 제한된 적용가능성을 가진다.

Berkhout[7] 및 Zhang[8]은 역산이 일반적으로 지표아래의 어떤 영역 내에 어떤 원하는 파면을 생성하기 위해 코히런트 합산되는 비-인코딩된 동시 소스들을 역산함으로써 개선될 수 있다는 것을 제안한다. 예를 들면, 포인트 소스 데이터는 지표에 대한 어떤 특정 각도에서 다운-고잉 평면파(down-going plane wave)를 생성하기 위해 소스 위치의 선형 함수인 타임 시프트들과 합산될 수 있다. 이 기술은 모든 카테고리들의 역산에 적용될 수 있었다. 이 방법이 가진 문제는 소스 모음들의 코히런트 합산은 데이터의 정보량을 반드시 감소시킨다는 점이다. 그래서, 예를 들면, 평면파를 생성하는 합산은 이동 시간 대 소스-수신기 오프셋에 관한 모든 정보를 탄성파 데이터에서 제거한다. 이 정보는 느리게 변하는 배경 속도 모델을 업데이트하는데 중요하고, 따라서 Berkhout의 방법은 잘 제약되지 않는다. 이 문제를 극복하기 위해, 데이터의 많은 상이한 코히런트 합들(예를 들면, 상이한 전파 방향들을 가진 많은 평면파들)이 역산될 수 있지만, 역산의 비용이 역산된 상이한 합들의 수에 비례하기 때문에 효율성이 손상된다. 여기에서, 이러한 코히런트 합산된 소스들은 일반화된 소스들이라고 칭해진다. 따라서, 일반화된 소스는 포인트 소스 또는 어떤 원하는 형상의 파면을 생성하는 포인트 소스들의 합일 수 있다.

Van Riel[9]는 입력 탄성파 데이터의 비-인코딩된 적층 또는 부분 적층(소스-수신기 오프셋에 대한)에 의한 역산, 그 후에 최적화될 이 적층된 데이터에 대한 비용 함수를 규정하는 것을 제안한다. 따라서, 이 공개 공보는 비-인코딩된 동시 소스들을 이용하여 비용 함수 기반 역산을 개선하는 것을 제안한다. Berkhout[6]의 동시 소스 역산 방법에서도 마찬가지로, 이 방법에 의해 제안된 적층은 역산될 데이터에서 정보량을 감소시키고 따라서 역산은 오리지널 데이터로 된 것보다 덜 양호하게 제약된다.

Mora[10]는 광범위하게 이격된 소스들의 합인 데이터를 역산하는 것을 제안한다. 따라서, 이 공개 공보는 비-인코딩된 동시 소스 시뮬레이션을 이용하여 역산의 효율성을 개선하는 것을 제안한다. 광범위하게 이격된 소스들을 합산하는 것은 Berkhout에 의해 제안된 코히런트 합보다 훨씬 더 많은 정보를 보존하는 이점을 가진다. 그러나, 광범위하게 이격된 소스들의 합산은 역산에서 이용되는 개구(역산된 모델 영역)가 모든 광범위하게 이격된 소스들을 수용하기 위해 증가되어야 한다는 것을 내포한다. 계산 시간이 이 개구의 영역에 비례하기 때문에, Mora의 방법은 합산된 소스들이 서로 근접한 경우에 달성될 수 있는 것만큼 효율성 이득을 생성하지 않는다.

Ober[11]는 비-반복 역산의 특정 경우, 동시 인코딩된 소스들을 이용함으로써, 탄성파 구조보정의 속도를 증가시키는 것을 제안한다. 다양한 코딩 방법들을 테스트한 후, Ober는, 광대역 인코딩 함수들이 반드시 거의 직교해야만 한다는 사실로 인해 결과로서 생긴 구조보정된 이미지들이 신호-대-잡음비를 상당히 감소시켰음을 알았다. 따라서, 16개의 샷들보다 많이 합산할 때, 역산의 품질은 만족스럽지 않았다. 비-반복 역산이 시작하기에 그다지 비용이 들지 않기 때문에, 그리고 높은 신호-대-잡음비 역산이 요망되기 때문에, 이 기술은 지구물리학 산업에서 광범위하게 실시되지 않는다.

Ikelle[12]는 가변 시간 간격들로 활성화(시뮬레이션에서)되는 포인트 소스들을 동시 시뮬레이팅함으로써 고속 순방향 시뮬레이션을 위한 방법을 제안한다. 또한, 이들 타임-시프트된 동시-소스 시뮬레이팅된 데이터를 다시 분리된 포인트 소스들로부터 획득된 별도의 시뮬레이션들로 디코딩하기 위한 방법이 논의된다. 이들 디코딩된 데이터는 그 후에 임의의 종래의 역산 절차의 일부로서 이용될 수 있었다. Ikelle의 방법이 가진 문제는 제안된 디코딩 방법이 인접한 소스들로부터의 데이터 사이의 차에 비례하는 잡음 레벨들을 가진 분리된 데이터를 생성할 것이라는 점이다. 이 잡음은 예를 들면, 디핑 반사기들(dipping reflectors)을 포함하는 모델들로부터 측면으로 일정하지 않은 지표아래 모델들에 대해 중요해질 것이다. 또한, 이 잡음은 동시 소스들의 수에 비례하여 증가할 것이다. 이러한 어려움들로 인해, Ikelle의 동시 소스 방식은 측면으로 일정하지 않은 지표아래를 역산할 때 이용되는 경우 수용할 수 없는 잡음 레벨들을 유발할 수 있다.

PCT 특허 출원 공개 공보 제WO 2008/042081호의 Krebs 등에 의해 제안된 소스 인코딩은, 이를 허용하는 모든 관할권 내에서 본 명세서에 참조로서 포함되고, 완전 파장 데이터(full wave field data)를 역산하기 위한 매우 비용 효율적인 방법이다. (인코딩된 모음의 동시 역산의 동일한 방식은 소스-수신기 상호관계(reciprocity)를 통해 또는 데이터의 공동-소스 모음들의 실제 수신기 위치들을 인코딩함으로써, 수신기들에 대해 동작할 것이다.) 고정된 수신기들에 대해, 순방향 및 수반 계산들은 단일 효과 소스에 대해서만 수행되어야 한다; 이를 허용하는 모든 관할권 내에서 본 명세서에 참조로서 포함되는 PCT 특허 출원 공개 공보 제WO 2009/117174호[참고문헌 4]를 참조하라. 통상적 2D 수집 기하학들에 대해 수백 개의 샷들이, 3D 탐사들의 경우에 수천 개의 샷들이 기록된다는 사실로 미루어볼 때, 이 방법으로부터의 계산 절감들은 매우 중요하다. 실제로, 고정된 수신기 가정은 가장 일반적인 필드 데이터 수집 기하학들에 그다지 유효하지 않다. 해양 스트리머 데이터의 경우, 두 소스들 및 수신기들은 새로운 샷마다 이동한다. 수신기들의 위치들이 고정되는 경우의 탐사들에서도, 실시는 흔히, 모든 수신기들이 모든 샷에 대해 "청취(listening)"하고 있는 것이 아니고, 청취하고 있는 수신기들이 샷마다 변할 수 있다. 이것은 또한 "고정된-수신기 가정(fixed-receiver assumption)"을 위반한다. 또한, 병참 문제들(logistical problems)로 인해, 소스에 근접한 데이터를 기록하는 것이 어렵고, 이것은 근접-오프셋 데이터가 통상적으로 손상되고 있음을 의미한다. 이것은 해양 및 육지 탐사들에 대해서도 사실이다. 이들 팩터들 둘다는 동시 소스 모음에 대해, 모든 수신기 위치가 일부 소스 샷들에 대한 데이터를 손상하고 있을 것이고; 이들 소스들이 수신기 위치를 조명한다고 말할 수 없음을 의미한다. 요약하면, 동시 인코딩된-소스 역산에서, 주어진 동시 인코딩된 모음에 대해, 데이터는 모든 샷에 대한 모든 수신기 위치들에서 요구되고, 이것은 동시 인코딩된-소스 역산의 고정된-수신기 가정이라고 칭해질 수 있다. 제WO 08/042081호[참고문헌 5]에서, 개시된 실시예들 중 일부는 고정된-수신기 가정이 만족되지 않을 때, 다른 것보다 양호하게 동작할 수 있다. 따라서, 고정된-수신기 가정이 타협될 대 그 성능을 강화하는 동시 인코딩된 소스들(및/또는 수신기들) 역산의 간단한 수집에 대한 수용 또는 조정을 가지는 것이 이롭다. 본 발명은 이를 행하는 방법을 제공한다. 이동 수신기들의 문제에 대한 다른 방식들은 다음의 미국 특허 출원들 제12/903,744호, 제12/903,749호 및 제13/224,005호에 개시된다. Haber 등[15]은 또한 확률적 최적화 방법을 이용하여 동시 인코딩된 소스 역산에서 이동 수신기들의 문제에 대한 방식을 기술하고, 이를 직류 저항 문제에 적용한다.

Young 및 Ridzal[16]는 편미분 방정식들(PDEs)에 기초하여 모델들에서 알려지지 않은 파라미터들을 추정하는 계산 비용을 절감하기 위해 랜덤 프로젝션이라 불리는 치수 축소 기술(dimension reduction technique)을 이용한다. 이 설정에서, 이산 PDE 모델의 반복된 수치 해는 파라미터 추정 비용의 중요한 특징이 된다. 결국, 분리된 PDE의 크기는 물리적 실험들의 수에 직접 대응한다. 실험들의 수가 증가하면, 파라미터 추정은 엄청나게 비용이 들게 된다. 이 비용을 절감하기 위해, 저자들은, 물리적 실험들의 랜덤한 합들인 훨씬 작은 수의 소위 인코딩된 실험들을 이용하여 파라미터 추정 문제를 해결하는 랜덤 프로젝션에 기초하여 알고리즘 기술을 개발한다. 이 구성을 이용하여, 저자들은 인코딩된 실험들의 요구된 수에 대한 하한을 제공한다. 이 한계는 확률적 관점에 있고 물리적 실험들의 수에 무관하다. 저자들은 또한 그들의 공식이 기초적인 최적화 절차에 의존하지 않고 가우스-뉴턴 또는 최급 강하법과 같은 알고리즘들에 적용될 수 있음을 보여준다.

일 실시예에서, 본 발명은, 지표아래 영역에 대한 물리적 속성들 모델을 결정하기 위해 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법으로서, 측정된 지구물리학적 데이터의 복수의 인코딩된 모음들을 합산하기 위해 컴퓨터를 이용하는 단계로서, 각각의 모음은 단일 소스와 연관되고 교차-상관에 대해 직교 또는 의사-직교(pseudo-orthogonal)하는 인코딩 함수들의 세트로부터 선택된 상이한 인코딩 함수로 인코딩되는, 컴퓨터를 이용하는 단계, 그에 의해 복수의 소스들을 표현하는 측정된 지구물리학적 데이터의 동시 인코딩된 모음을 형성하는 단계, 그 후에 측정된 지구물리학적 데이터의 동시 인코딩된 모음을 시뮬레이팅하기 위해 이전 반복으로부터 가정된 물리적 속성들 모델 또는 업데이트된 물리적 속성들 모델을 이용하는 단계, 그 후에 측정된 지구물리학적 데이터의 동시 인코딩된 모음과 시뮬레이팅된 동시 인코딩된 모음 사이의 불일치를 측정하는 목적 함수를 계산하는 단계, 및 그 후에 모델 업데이트를 결정하기 위해 목적 함수를 최적화하는 단계를 포함하고, 수신기들은 목적 함수의 계산을 주어진 수신기에 대한 복수의 소스들 중 하나 이상에 덜 민감하게 하도록 인코딩된다.

더욱 상세한 실시예에서, 도 3의 흐름도를 참조하여, 본 발명은, 지표아래 영역에 대한 물리적 속성들 모델을 결정하기 위해 측정된 지구물리학적 데이터의 역산을 위한 컴퓨터-구현 방법이고, 상기 방법은:

(a) 측정된 지구물리학적 데이터의 둘 이상의 모음들(30)의 그룹을 획득하는 단계로서, 각각의 모음은 단일 소스와 연관되는, 상기 획득 단계;

(b) 각각의 모음을 상이한 인코딩 함수로 인코딩하는 단계(32)로서, 인코딩은 교차-상관에 대해 직교 또는 의사-직교하는, 상기 인코딩 단계;

(c) 단일 수신기에 대응하는 각각의 모음에서 모든 데이터 기록들을 합산하고 각각의 상이한 수신기에 대해 반복함으로써 그룹의 인코딩된 모음들을 합산하는 단계(35)로서, 동시 인코딩된-소스 모음을 초래하는, 상기 합산 단계(35);

(d) 지표아래 영역의 물리적 속성들 모델을 가정하는 단계(33)로서, 상기 모델은 지표아래 영역 도처의 위치들에서 적어도 하나의 물리적 속성의 값들을 제공하는, 상기 가정 단계;

(e) 가정된 물리적 속성들 모델을 이용하여, 동시 인코딩된-소스 모음을 시뮬레이팅하고, 측정된 데이터의 대응하는 모음들을 인코딩하기 위해 이용된 동일 인코딩 함수들(32)을 이용하여 시뮬레이션에서 소스 시그니처들(31)을 인코딩하고, 전체 동시 인코딩된-소스 모음은 단일 시뮬레이션 동작으로 시뮬레이팅되는(34), 상기 시뮬레이팅 단계;

(f) 측정된 지구물리학적 데이터로 이루어진 동시 인코딩된-소스 모음과 시뮬레이팅된 동시 인코딩된-소스 모음 사이의 각각의 수신기에 대한 차를 계산하는 단계(36)로서, 상기 차는 상기 수신기에 대한 나머지(37)로 칭해지는, 상기 계산 단계(36);

(g) 수신기 인코딩을 각각의 나머지에 적용하는 단계(38)로서, 상기 수신기 인코딩은 상기 수신기가 비활성인 소스들로부터의 기여들을 감쇄시키도록 선택되는, 상기 적용 단계(38);

(h) 수신기-인코딩된 나머지들로부터 목적 함수를 계산하고(39), 목적 함수 계산에 기초하여 가정된 물리적 속성들 모델을 업데이트하는 단계(40);

(i) 지표아래 지역의 다른 업데이트된 물리적 속성들 모델을 생성하기 위해, 이전 반복으로부터 업데이트된 물리적 속성들 모델(41)을 가정된 물리적 속성들 모델로서 이용하여, 단계 (b) 내지 단계 (h)를 적어도 1회 이상 반복하는 단계; 및

(j) 다른 업데이트된 물리적 속성들 모델을 다운로딩하거나 이를 컴퓨터 저장장치에 저장하는 단계를 포함하고,

단계 (a) 내지 단계 (j) 중 적어도 하나는 컴퓨터를 이용하여 수행된다.

본 방법의 효율성은 여러 소스들을 수퍼-소스(super-source)로 그룹화하고, 대응하는 모음들을 수퍼-모음으로 그룹화하고, 그 후에 상기 인코딩 전략을 적용함으로써 더욱 개선될 수 있다. 각각의 그룹에 대해, 모음들--시뮬레이팅되고 측정된 둘다-- 그룹에서 모든 소스들이 조명하는 트레이스들을 포함하도록 조정될 수 있다. 대안적으로, 먼저 모든 샷들을 하나의 전역적 그룹으로 그룹화하고, 한번 시뮬레이팅한 후에, 결과로부터 에러들을 점차적으로 제거할 수 있다. 에러들은 소스가 수집 탐사에서 조명되지 않은 트레이스들에서 소스에 대한 응답들로 구성된다. 따라서, 이 방식의 에러 그룹들이라고 불릴 수 있는 부가 그룹들은 이러한 에러들의 조합된 효과를 계산하기 위한 것이다. 소스 시그니처들 및 소스 모음들을 이중으로 인코딩함으로써 다른 효율성이 달성될 수 있다; 한 인코딩은 본 발명의 직교, 주파수-기반 인코딩될 수 있고, 다른 인코딩은 참고문헌 [17]의 +1/-1 인코딩일 수 있다.

도 1은 비-고정된 수신기 스프레드로부터 수집된 데이터를 예시하는 도면.
도 2는 본 발명의 일 실시예에 대한 도 1에 예시된 수집에 대응하여 소스 및 수신기 인코딩들을 도시한 도면.
도 3은 본 발명의 일 실시예에서의 기본 단계들을 도시한 흐름도.

소스 및 수신기의 역할들은 음향, 탄성파 전파, 및 전기와 자화의 상반 정리를 이용하여 교환될 수 있음을 유념해야 한다. 특허청구범위를 포함하여 도처에서, "소스(source)" 또는 "수신기(receiver)"가 나타날 때마다 이들 지명들은 상반의 적용으로부터 유발되는 역전(reverse)을 포함하는 것으로 이해될 것임이 이해될 것이다.

특허 또는 출원 파일은 컬러로 실행된 적어도 하나의 도면을 포함한다. 컬러 도면들을 구비한 이 특허 또는 특허 출원 공개 공보의 사본들은 요청 및 필요한 수수료의 지불시 특허청에 의해 제공될 것이다.

본 발명 및 그 이점들은 다음의 상세한 기술 및 첨부된 도면들을 참조하여 더욱 용이하게 이해될 것이다.

특허법 제약들로 인해, 도면들 중 하나 이상은 원색들의 흑색-및-백색 재생들이다. 원색들은 상응하는 미국 출원에 출원되었다. 컬러 도면들을 구비한 이 특허 또는 특허 출원 공개 공보의 사본들은 요청 및 필요한 수수료의 지불시 미국 특허청으로부터 획득될 수 있다.

본 발명은 예시적 실시예들과 관련하여 기술될 것이다. 그러나, 다음의 상세한 기술이 본 발명의 특정 실시예 또는 특정 이용에 지정되는 경우에, 이것은 단지 예시적인 의도이고, 본 발명의 범위를 제한하는 것으로서 해석되지 않는다. 반대로, 첨부된 특허청구범위에 의해 규정된 본 발명의 범위 내에 포함될 수 있는 모든 대안들, 수정들 및 등가들을 포함하도록 의도된다.

Krebs 등에 의해 개시된 동시 소스 인코딩[5, 17]은 완전 파형 역산의 계산 비용을 상당히 감소시켰다. 절감들은 2D 탐사들에 대한 수백 개의 샷들 및 3D 탐사들에 대한 수천 개의 샷들이 순방향 및 수반 계산들에 대한 단일 동시 소스 시뮬레이션에 대해 감소될 때 중요하다. 그러나, 데이터의 동시 인코딩은 고정된 수신기 기하학을 가정하고, 즉, 각각의 수신기에 대해 모든 샷들이 라이브이다. 그렇지 않으면, 임의의 주어진 수신기 위치에 대해, 측정된 동시 소스 트레이스는 그 수신기 위치가 비활성인 소스들로부터 나온 기여들을 포함하지 않을 것이다. 그러나, 그 동일한 수신기 위치에 대해, 시뮬레이팅된 동시 소스 트레이스는 모든 소스들로부터의 기여들을 포함할 것이다. 따라서, 확실히 정확한 모델이고 잡음이 없는 경우에서도, 측정된 및 시뮬레이팅된 동시 소스 데이터 사이의 차는 영이 아닐 것이다. 심지어, 완전히 정확한 모델이 나머지를 최소화할 가능성이 없다. 정확한 모델에 대한 최소화는 정확한 모델을 생성하기 위한 반복 역산에 대한 요건이다. 탄화수소 탐사에서 데이터의 대부분은 고정된-수신기 기하학으로 수집되지 않는다. 본 발명은 고정된 수신기 가정이 만족되지 않을 때 동시 인코딩된 소스 역산을 더욱 정확하게 하고, 따라서 이러한 상황들에서 완전 파형 역산 기술을 더욱 실현 가능하게 하기 위한 방법이다.

이전에 언급된 바와 같이, 통상적인 해양 스트리머 및 육지 수집에서, 데이터 커버리지는 고정된 수신기 기하학을 만족시키기에 불충분하고 따라서 Krebs 등에 의해 제안된 동시 소스 완전 파 역산(FWI: full wave inversion)[5, 17]의 이점들을 제한한다. 기하학 고려사항들 외에도, 필드 데이터는 역산에서 이용되는 순방향 시뮬레이션의 물리학에 따르도록 처리되어야 한다. 탄성 데이터(elastic data)를 역산하기 위해 음향 역산을 이용하기 위해, 파 오프셋들(far offsets)은 통상적으로 뮤트되고 데이터는 다른 탄성 효과들을 제거하도록 처리된다. FWI 역산을 위한 이벤트(반사들, 굴절들, 배수들) 기반 윈도잉과 같은 다른 실시 양태들은 고정된 수신기 기하학으로 동작하지 않는다.

본 발명의 방법은 직교 또는 거의 직교(때때로 의사-직교라고 칭해짐)하는 코드들을 이용한 동시 소스 인코딩을 이용하고, 그 수신기가 활성이었을 때 활성이 아니었던 소스들에 민감하지 않도록 수신기들을 동시에 인코딩한다. 이 방식과 고정된 수신기 가정이 만족될 때 이용되는 동시 인코딩된 소스 역산의 가장 일반적인 실시예 사이의 주요 차는 소스들만 인코딩되기보다 수신기들도 또한 인코딩된다는 점이다.

본 발명의 방법의 기본 단계들은 도 2에 기호로 표현된다. 도 2에서, 도면은 도 1에 도시된 가상적인 탄성파 탐사에 대한 수집을 표현한다. 도 2의 필터들에 대응하도록 선택된 컬러들을 이용하여, 도 1의 도면은 수신기 위치들이 활성인, 즉 각각의 소스 위치에 대해 청취하고 있는 것을 도시한다. 각각이 수신기(5개의 수신기 위치들이 이 예에서 1 내지 5로 번호가 매겨져 도시됨)는 모든 소스들(5개의 소스 위치들이 이 예에서 1 내지 5로 번호가 매겨져 도시됨)에 대해 활성이 아니고, 즉 종래의 동시 소스 역산에 양호한 고정된-수신기 가정이 만족되지 않는다. 이것은 주어진 소스에 대해 활성이 아닌 수신기들에 대해서는 적색 상자들로, 주어진 소스에 대해 활성인 수신기들에 대해서는 녹색 상자들로 표시된다. 이 도면에서, 인코딩은 시간 필터들의 세트로서 표현되고 그 진폭(A) 대 주파수(f)는 수집 표 아래에 그래프들의 행(row)으로 도시된다. 이들 필터들은 상이한 소스들에 대한 상이한 주파수들에 중심이 맞춰진 조밀한(tight) 대역통과 필터들이다. 도면의 우측에는 그 수신기가 활성이 아닌 소스들에 대응하는 주파수들을 노치 아웃하도록 설계된 대응하는 수신기 필터들이 있다. 이것은 시뮬레이션 및 수반 계산들이 수행될 때, 이들 수신기들이 역산될 필드 데이터에서 수집되지 않은 이들 소스들로부터 에너지를 기록하지 않을 것을 보장할 것이다. 이들 수신기 필터들은 동시 소스 역산이 본 발명에서 비-고정된 스프레드들로부터의 데이터에 대해 수행되도록 허용하는 핵심 기술이다.

도 2의 표의 각각의 상자 내에는, 소스 인코딩 필터와 수신기 인코딩 필터의 프로덕트가 예시된다. 적색 상자들에서 프로덕트는 영이고 녹색 상자들에서 프로덕트는 바로 오리지널 소스 인코딩 필터임을 유념한다. 이것은 수신기들이 데이터 수집에서 활성이 아닌 소스들에 둔감하게 되는 메커니즘이다.

본 발명에 의해 얻어진 효율성은 다음과 같이 추정될 수 있다. 거의 비-오버랩핑하는 필터들의 수는 하나의 동시 인코딩된 소스로 인코딩될 수 있는 소스들의 수를 결정한다. 이것은 필터의 대역폭으로 나누어진 데이터의 대역폭과 거의 동일하다(수학식 6). 인코딩 필터에 대응하는 시간 도메인 코드의 시간 길이는 필터의 대역폭의 역에 비례한다(수학식 7). 인코딩된 동시 소스 데이터에 대한 시뮬레이션 계산 수고는 계산되어야 할 시간 단계들의 수에 비례하고, 이것은 트레이스 길이 및 코드 길이의 합에 비례한다(수학식 8). 본 발명에 의해 얻어진 효율성은 인코딩된 소스(T_trace + T_code)를 시뮬레이팅하기 위한 시간으로 나누어진 인코딩되지 않은 데이터(N_src x T_trace)에 대한 시뮬레이션 수고에 비례한다(수학식 9). [수학식 9]는 효율성이 코드 길이를 증가시킴으로써 개선될 것임을 내포하고, 인코딩에서 더 조밀한 대역통과 필터들을 이용하는 것이 유리하다는 것을 내포함을 유념한다. 그러나, 코드의 시간 길이를 증가시키는 것으로부터 리턴들이 약화되고, 한편 더 긴 코드들은 역산을 수렴시키는데 필요한 반복들의 수를 증가시킬 수 있다.

수신기 필터들은 목적 함수 표준에 흔히 포함되는 공분산 행렬로서 FWI 내에서 자연스럽게 구현될 수 있다. 이것은 다음에 더욱 상세히 설명된다.

파형 역산에서 가장 일반적으로 이용되는 반복 방법은 목적 함수 최적화이다. 목적 함수 최적화는 계산된 및 관측된 데이터 사이의 불일치의 척도인 목적 함수 S(M)(이것은 또한 때때로 비용 함수라고도 칭해짐)의 모델(M)에 대해 값의 반복 최소화를 포함한다. 계산된 데이터는 현재 모델로 표현되는 매체에서 소스 신호의 전파를 관리하는 물리학을 이용하도록 프로그래밍된 컴퓨터로 시뮬레이팅된다. 시뮬레이션 계산들은 유한 차분법들, 유한 요소법들 또는 광선 추적법을 포함한 여러 수치 계산 방법들 중 어느 것에 의해 행해질 수 있지만, 이러한 방법들로 제한되지 않는다. Tarantola[1]에 따르면, 가장 일반적으로 이용되는 목적 함수는 최소 제곱들 목적 함수이고:

여기서 T는 벡터 전치 연산자를 나타내고:

M = N개의 파라미터들

의 벡터인 모델,

d = 측정된 데이터 벡터(소스, 수신기 및 시간에 대해 샘플링됨),

u(M) = 모델(M)에 대한 시뮬레이팅된 데이터 벡터(소스, 수신기 및 시간에 대해 샘플링됨),

C = 공분산 행렬.

더 많은 세부사항들은 미국 특허 출원 제13/020,502호 및 PCT 특허 출원 공개 공보 제WO 2009/117174호에서 발견될 수 있고, 이들 둘다는 이를 허용하는 모든 관할권 내에서 본 명세서에 참조로서 포함된다.

본원 발명의 방법에 이용된 코드들은 반드시 도 1에 도시된 바와 같은 대역통과 필터들이 되어야할 필요는 없다. 다른 직교 또는 의사-직교 코드들, 예를 들면, 카사미 시퀀스들이 이용될 수 있다. 정보 이론, IEEE 트랜젝션즈 46(3), 382면 내지 993면의 Kyengcheol Yang, Young-Ky Kim, Vijay Kumar에 의한 "Quasi-orthogonal sequences for code-division multiple-access systems"(2000)를 참조하라. 코드들은 또한 대역통과 필터들의 비-오버랩핑하는 콤들(non-overlapping combs), 카사미 시퀀스들 외에 다른 의사-직교 시퀀스들, 예를 들면 월시 시퀀스들이 될 수 있다.

본 발명의 유사 소스 역산은 수집 기하학으로부터의 구조를 이용함으로써 더욱 강화될 수 있다. 특히, 여러 소스들을 수퍼-소스(동시 소스들의 그룹)로 그룹화하고, 대응하는 모음들을 수퍼-모음으로 그룹화한 후에, 본 발명에서 개요된 인코딩 전략을 적용하는 것이 가능하다. 이러한 방식의 이점은 본 방법의 효율성을 그룹화 방법의 효율성만큼 증대시킨다는 점이다. 다음에, 2개의 가능한 그룹화 전략들이 간략히 개요되고, 그 후에 그룹화 전략이 어떻게 본 발명의 주파수 인코딩 전략과 조합될 수 있는지가 설명된다.

그룹화 방법의 일 버전은 참고문헌 [20], SEG 확장 초록들 30, 2423면의 Nathan Downey, Partha Routh 및Young Ho Cha에 의한 "Random-Beam Full-Wavefield Inversion"(2011), DOI:10.l190/1.3627695에 개시되었고, 이 공개는 이를 허용하는 모든 관할권 내에서 본 명세서에 참조로서 포함된다. 이 방법은 탄성파 탐사 동안 기록되는 데이터를 여러 인코딩된 멀티-샷 모음들로 그룹화되고, 이 각각은 단일 수치 시뮬레이션을 이용하여 모델링될 수 있다. 각각의 그룹에 대해, 모음들 - 시뮬레이팅되고 측정된 둘다 - 은 그룹의 모든 소스들이 조명하는 트레이스들을 포함하도록 조정된다. 특히, Krebs 등에 의한 참고문헌 [17]에서 개발된 멀티-샷 완전-파장 역산(FWI) 방식은 샷들을 인코딩하기 위해 적용될 수 있다. 따라서, 각각의 샷을 독립적으로 시뮬레이팅하는 계산 비용은 n이고, 탐사를 충분히 커버하는 그룹들의 수가 m이면, 효율성의 이득들은 순차-소스 역산에 대해 n/m이다.

대안적인 그룹화 방식은 먼저 모든 샷들을 하나의 전역적 그룹으로 그룹화하고, 한번 시뮬레이팅한 후에, 결과로부터 에러들을 점차적으로 제거함으로써 획득된다. 에러들은 소스들이 수집 탐사에서 조명되지 않은 트레이스들에서 소스에 대한 응답들로 구성된다. 따라서, 이 방식의 에러 그룹들이라고 불릴 수 있는 부가 그룹들은 이러한 에러들의 조합된 효과를 계산하기 위한 것이다. 계산되면, 그룹의 결과로서 생긴 시뮬레이팅된 모음은 그룹의 적어도 하나의 소스가 조명되지 않은 트레이스들로 제한된다. 이들 트레이스들은 그 후에 전역적 모음에서 대응하는 트레이스들로부터 소거된다. 그래서, 각각의 후속 에러 그룹으로, 전역적 그룹은 결국 에러들이 더 이상 남아있지 않을 때까지 개선된다. 이것은 m개의 에러 그룹 제거들(이전 방법에서와 동일한 수)을 요구하고, 이것은 m+1개의 시뮬레이션들의 총 계산 비용을 유발한다. 효율성의 이득은 n/(m+l)이고, 이것은 이전 그룹화 방법의 이득과 비교 가능하다.

더 많은 세부사항들에서, 실시예들 중 하나에서, 대안적인 그룹화 방식을 이용한 데이터 역산 방법은 다음의 일련의 기본 단계들에 의해 기술될 수 있다:

1. 탐사에서 모든 소스들이 동시에 활성인 경우 합성 데이터("SD")의 일 시뮬레이션을 수행한다. 소스들이 인코딩된다. 미국 특허 제8,121,823호(참고문헌 [5])에 개시된 방식들을 포함하고, 또한 +1/-1 및 참고문헌 [17]에 개시된 다른 인코딩 방식들을 포함하여 다양한 인코딩 방식들 중 임의의 것이 이용될 수 있고, 참고문헌들 둘다는 이를 허용하는 모든 관할권 내에서 본 명세서에 참조로서 포함된다; 그러나, 본 명세서에 기술된 직교 또는 의사-직교 인코딩이 이용되는 경우, 효율성의 부가 이득들이 실현될 수 있다. 본 명세서에 기술되는 역산 방법의 일 실시예에서, 직교 인코딩은 도 3의 흐름도에서 단계(38)의 주파수 인코딩이다.

2. 그룹화 전략(즉, 어떤 소스들이 동시에 처리될지)을 결정하고, 전략은 이동 수신기들 및 그 소스를 청취하지 않은 수신기에 대응하는 탄성파 트레이스를 시뮬레이팅하지 않는 소망에 관련된다. 상기에 논의된 제 1 그룹화 방식의 전략(참고문헌 [20])은 또한 이 대안적인 그룹화 방식에 대한 양호한 옵션이다.

3. 각각의 그룹에 대해, 소스들을 인코딩하고, 각각의 소스는 단계 1에서 이용된 동일 인코딩으로 인코딩되고 그 후에 다음을 행한다:

ⅰ. 현재 그룹의 모든 소스가 동시에 활성인 시뮬레이션을 수행하고, 소스들의 현재 그룹에 대해 동시 시뮬레이팅된 데이터("GSD")(주의: 이들 데이터는 S에 포함된다)를 생성한다. 효율성의 결과로서 생긴 이득은 순차-소스 역산에 대해 n/(m+l)이다; 그러나, 본 명세서에 기술된 직교 또는 의사-직교 인코딩이 이용되는 경우, 여러 그룹들은 동시에 시뮬레이팅될 수 있고, 이는 효율성 이득을 kn/(m+1)로 개선할 것이고, 여기서 동시에 시뮬레이팅되는 그룹들의 수가 k이다.

ⅱ. 현재 그룹의 소스들 중 적어도 하나에 의해 조명되지 않은 GSD에서 수신기 위치들을 결정한다.

ⅲ. 이들 위치들의 각각에 대해, GSD로부터 대응하는 신호를 검색하고, SD에서의 동일 위치로부터 이를 소거한다. 이 신호는 만족되지 않은 고정된-수신기 가정으로 인해 SD에 포함된 에러를 포함함을 유념한다. 실제로, 소거는 그보다 많은 에러를 제거한다. 그것은 또한 일부 양호한 데이터, 즉 대응하는 소스들을 청취하고 있는 수신기들로부터의 시뮬레이팅된 데이터를 제거한다. 그러나, 이것은 SD로부터 모든 에러를 제거하기 위해 지불하기에 수용 가능한 대가이다. 더 많은 전체 데이터 세트가 역산을 동작시키는데 필요하다. 더욱이, 제거되는 유효 데이터량이 제어될 수 있다: 그룹화 전략에서 더 많은 그룹들이 있을수록 더 적은 유효 데이터가 제거된다. 따라서, 이들 그룹들은 대안적인 참고문헌 [20]에서 이용된 그룹들에 비해 "에러 그룹들(error groups)"이라고 칭해질 수 있다.

4. 인코딩되는 측정된 데이터에 대한 데이터 나머지를 계산하고, 측정된 데이터는 단계 1에서 각각의 소스에 대해 선택된 동일 인코딩 함수를 이용하여 인코딩되어, 에러들이 단계 1의 시뮬레이션에서 나타날 때 정확하게 재생된다. 나머지를 계산하기 전에, 측정된 데이터는 단계 3(ⅲ) 후에 남아있는 유효 데이터만을 포함하도록 조정된다. 이를 위해, 측정된 데이터가 개별 소스-수신기 쌍들로 구성됨을 유념할 수 있고(또는 그 포맷으로 변환될 수 있고), 그래서 측정된 데이터를 조정하는 것은 단계 3(ⅲ) 후에 남아있는(즉, 유효한) 모든 이러한 쌍들, 즉 에러들을 목적 함수의 계산에 도입하지 않는 주어진 그룹의 모든 소스들 및 모든 수신기들에 대한 측정된 소스-수신기 쌍들을 함께 추가하는 것으로 구성된다.

5. 불일치를 감소시키도록, 즉, 데이터 나머지를 감소시키도록 속도 모델을 조정한다.

6. 단계 1 내지 단계 5를 반복한다. 단계 1 및 단계 3(i)의 시뮬레이션들에서, 속도 모델이 단계 5에서 업데이트되었기 때문에, SD 및 GSD는 이전 반복에서와 동일하지 않을 것이고, 따라서 시뮬레이션들은 다시 수행되어야 함을 유념한다.

본 발명은 각각의 그룹을 모든 다른 코드들에 직교하거나 의사-직교하는 코드로 인코딩함으로써 그룹화 방법들의 효율성을 더욱 개선할 수 있다. 따라서, k개의 상호 (의사-)직교하는 코드들이 이용 가능한 경우, k개의 그룹들이 동시에 시뮬레이팅될 수 있다. 그룹화 방법들의 총 비용은 그 후에 방법 1에 대해 m/k가 되고, 방법 2에 대해 (m+l)/k가 된다. 순차 샷 방식에 비해, 이러한 조합된 방식은 k*n/m배 적은 계산 비용을 유발한다. 따라서, 전체 방법(참고문헌 [20] 그룹화 방식에 대한)은 도 3의 흐름도에 의해 기술될 수 있고, 여기서 모음들(30)은 상술된 멀티-샷 모음들, 즉 그룹화가 조명된 수신기들에 기초하는 경우 샷 모음들의 그룹들이고, 멀티-샷 모음에서 각각의 개별 샷 모음은 동일한 인코딩 함수로 인코딩된다. 유사하게, 소스 시그니처들(31)은 각각 샷 모음들의 그룹에 대응하는 소스 시그니처들의 그룹이고, 그룹의 각각의 소스 시그니처는 동일한 인코딩으로 인코딩된다. 본 발명의 주파수 인코딩은 참고문헌 [17]에 기술된 바와 같은 멀티-샷 방식의 인코딩을 방해하지 않고, 이것은 상기 그룹화 방법들에서 이용될 수 있고; 즉 이들은 양립 가능함을 유념한다. 그래서, 이러한 조합된 방식에서, 소스 및 대응하는 모음은 이중-인코딩된다. 이중 인코딩 방식에서 직교 또는 의사-직교 인코딩으로서, 어떤 다른 형태의 인코딩, 예를 들면, 위상 인코딩을 대안적으로 이용하는 것이 가능할 수 있다. 이중 인코딩 방식에서 비-직교 인코딩은 직교 인코딩에 영향을 미치지 않는 한, 즉 주파수 인코딩의 경우에 이용되는 주파수들을 변경하지 않는 한 임의의 인코딩일 수 있다.

이중 인코딩에 대한 이점은 더 많은 모음들이 동시에 시뮬레이팅될 수 있다는 점이다. 주파수 인코딩만을 이용하여, 소스 시그니처의 특성이 이용되고, 따라서 효율적이고, 상이한, 직교의 코드들의 수가 제한된다. 이러한 제한은 데이터 중복성(data redundancy)이 이를 허용할 때마다 샷 모음들을 그룹화함으로써 증가될 수 있다. 본질적으로, 각각의 그룹은 작은 고정된-스프레드 문제(참고문헌 [20]에서 논의됨)처럼 거동하도록 구성되어, 그룹 내의 +1/-1 인코딩은 이러한 더 작은 문제를 효율적으로 해결할 수 있다. 즉, 이러한 이중 인코딩은 문제의 2개의 개별적이고 독립된 특성들을 이용한다: (1) 소스 시그니처의 특성, 및 (2) 탐사의 기하학(데이터 수집). 소스들은 상술된 그룹화 방식들 둘다에서 모두 이중 인코딩될 수 있다. 주어진 소스에 대응하는 측정된 데이터는 또한 소스 시그니처가 시뮬레이션을 위해 인코딩되는 방식과 동일한 방식으로 인코딩되어야 한다. 그러나, 나머지 계산들을 수행하기 위해, 수신기들은 주파수 필터들의 조합만을 이용하여 디코딩될 수 있다.

그룹들이 에러 그룹들인 경우, 상술된 대안 방식에서 이중 인코딩을 이용하는 본 발명의 양호한 실시예가 지금 기술될 것이다. 제 1 단계(도 3의 흐름도가 아니라, 대안적인 그룹화 방식에 대해 상기 주어진 6-단계 기술 중 단계 1에 기술된)에서, 수퍼-모음이 계산되며, 이것은 모든 샷들을 포함한다. 여기서, 참고문헌 [17]의 +1/-1 인코딩이 이용될 수 있으며, 특정 소스에 의해 조명되지 않은 수신기들로 인해 에러들이 도입될 것이라는 순간에 대해 무시한다. 즉, +1 또는 -1 배수사 팩터가 각각의 소스 및 관련 측정된 데이터에 할당된다. 다가올 단계들의 각각의 에러 그룹은 직교 인코딩(직교 (주파수) 인코딩하는 상기 단계 3i)에 대한 주파수 스펙트럼의 부분에 할당될 것이지만, 이들 할당들은 이러한 제 1 단계에서 이루어질 수 있다. 따라서, 각각의 소스-데이터 쌍은 이중 인코딩된다: +1/-1 배수사 팩터를 이용하여 및 이들 스펙트럼을 수정함으로써. 그 후에, 상기 단계 3에 대응하는 제 2 단계에서, 에러들은 단계 1에서 획득된 수퍼-모음으로부터 더 작은 멀티-모음들 - 에러 그룹화 - 의 결과를 점진적으로 소거함으로써 거기에 기술된 바와 같이 제거된다. 여기서, 제 1 단계에서와 동일한 배수사 (+1/-1) 팩터를 이용한다. 또한, 각각의 그룹은 단계 1에서 선택된 동일 스펙트럼을 가지도록 필터링된다. 즉, 동일한 이중 인코딩이 다시 이용된다. 최종적으로, 제 3 단계에서, 나머지들이 계산되고(상기 단계 4), 그 후에 모델 업데이트가 가능한 기울기 방법을 이용하여 계산된다(상기 단계 5). 이것은 일 반복을 종결하고, 다음 반복이 후속할 수 있다(상기 단계 6).

제 1 그룹화 방식, 즉 참고문헌 [20]의 그룹화를 이용하는 본 발명의 실시예가 또한 그룹들이 선택되는 제 1 단계(도 3에 도시되지 않음)를 가짐을 유념할 수 있다. 소스들의 이중 인코딩 및 대응하는 측정된 데이터는 또한 이러한 그룹화 방식으로 수행될 수 있다. +1/-1 인코딩은 각각의 그룹의 나머지 계산 동안 크로스-토크 잡음을 완화하기 위해 이용될 수 있음을 유념할 수 있다. 이 잡음은 한 그룹에 특징된다; 한 그룹으로부터의 잡음은 다른 그룹들에 영향을 미치지 않는다. 직교 인코딩은 그 거동을 보장한다. 따라서, 이 방식에서 +1/-1 인코딩은 다른 그룹들의 요소들을 고려하지 않고 각각의 그룹에 독립적으로 적용될 수 있다. 또한, 참고문헌 [5]가 처음 발견한 것처럼, 특정 인코딩 함수들을 각각의 반복에서 변경하는 것이 유리할 수 있다.

본 발명의 동시 소스 역산은 반복들 사이에서 이용되는 인코딩 함수들을 변경함으로써 더욱 강화될 수 있다. 이것은 반복들 사이의 필터들의 진폭 스펙트럼 및/또는 위상을 변경하는 것이 각각의 소스로부터 더 많은 주파수들에 맞추는 모델을 생성하게 할 것이기 때문이다. 인코딩들을 변경하는 것은 또한 완전하게 직교하지 않는 인코딩 함수들에서 발생할 크로스토크 잡음을 감소시킬 것이다. 인코딩의 변경은, 예를 들면, 소스 필터들의 중심 주파수를 변경하고 그들의 위상을 변경하는 것 중 하나 또는 둘다를 포함할 수 있다.

상술된 출원은 이를 예시할 목적으로 본 발명의 특정 실시예들에 관련된다. 그러나, 본 기술분야의 통상의 기술자는 본 명세서에 기술된 실시예들에 대한 많은 수정들 및 변형들이 가능하다는 것을 알 것이다. 모든 이러한 수정들 및 변형들은 첨부된 특허청구범위에 규정된 바와 같은 본 발명의 범위 내에 있도록 의도된다. 예를 들면, 본 기술분야의 통상의 기술자들은 모든 소스들이 단일 동시 소스로 인코딩되는 것을 요구하는 것이 아니라 대신 소스들의 서브-그룹들이 인코딩될 수 있고 각각의 서브-그룹으로부터의 기울기 결과들이 전체 기울기를 생성하기 위해 합산될 수 있음을 쉽게 인식할 것이다. (모델 파라미터들의 각각에 대한 목적 함수의 기울기를 계산하는 것은 모델에 대한 업데이트를 결정하는 일반적인 방식이다.) 본 기술분야의 통상의 기술자들은 본 발명의 양호한 실시예들에서, 본 발명의 방법의 단계들 중 적어도 일부가 컴퓨터 상으로 수행되는, 즉 본 발명은 컴퓨터 구현되는 것임을 쉽게 알 것이다. 이러한 경우들에서, 결과로서 생긴 업데이트된 물리적 속성들 모델은 다운로드되거나, 디스플레이되거나, 또는 컴퓨터 저장장치에 저장될 수 있다.

참고문헌들

1. 지구물리학 49, 1259면 내지 1266면의 Tarantola, A.에 의한 "Inversion of seismic reflection data in the acoustic approximation" (1984)

2. 지구물리학 69, 231면 내지 248면의 Sirgue, L. 및 Pratt G.에 의한 "Efficient waveform inversion and imaging: A strategy for selecting temporal frequencies" (2004).

3. 미국 음향 학회의 학술지 105, 3219면 내지 3230면의 Fallat, M. R., Dosso, S. E.에 의한 "Geoacoustic inversion via local, global, and hybrid algorithms" (1999).

4. PCT 특허 출원 공개 공보 제WO 2009/1 17174호의 Hinkley, D. 및 Krebs, J.에 의한 "Gradient computation for simultaneous source inversion".

5. 미국 특허 제8, 121,823호로서 발행된 PCT 특허 출원 공개 공보 제WO 2008/042081호의 Krebs, J. R., Anderson, J. A., Neelamani, R., Hinkley, D., Jing, C, Dickens, T., Krohn, C, Traynin, P.에 의한 "Iterative inversion of data from simultaneous Geophysical sources".

6. SEG 국제 박람회 및 제75회 연례 회의 확장 초록들, 1763면 내지 1766면의 Van Manen, D. J., Robertsson, J.O.A., Curtis, A.에 의한 "Making wave by time reversal". (2005)

7. 탄성파 탐사 학술지 1, 251면 내지 264면의 Berkhout, A. J.에 의한 "Areal shot record technology" (1992).

8. 지구물리학 70, E21 내지 E28의 Zhang, Y., Sun, J., Notfors, C, Gray, S. H., Cherris, L., Young, J.에 의한 "Delayed-shot 3D depth migration" (2005).

9. 미국 특허 제6,876,928호의 Van Riel, P. 및 Hendrik, W. J. D.에 의한 "Method of estimating elastic and compositional parameters from seismic and echo-acoustic data" (2005).

10. 지구물리학 52, 1211면 내지 1228면의 Mora, P.에 의한 "Nonlinear two-dimensional elastic inversion of multi-offset seismic data" (1987).

11. 미국 특허 제6,021,094호의 Ober, C. C, Romero, L. A., Ghiglia, D. C에 의한 "Method of Migrating Seismic Records" (2000).

12. 미국 특허 제6,327,537호의 Ikelle, L. T.에 의한 "Multi-shooting approach to seismic modeling and acquisition" (2001).

13. 지구물리학 65, 426면 내지 436면의 Romero, L. A., Ghiglia, D. C, Ober, C. C, Morton, S. A.에 의한 "Phase encoding of shot records in prestack migration" (2000).

14. SEG 국제 박람회 및 제70회 연례 회의 확장 초록들, 786면 내지 789면의Jing X., Finn, C. J., Dickens, T. A., Willen, D. E.에 의한 "Encoding multiple shot gathers in prestack migration" (2000).

15. 견본 인쇄 - UBC http://www.math.ubc.ca/~haber/pubs/PdeOptStochV5.pdf의 Haber, E., Chung M. 및 Herrmann에 의한 "An effective method for parameter estimation with PDE constraints with multiple right hand sides" (2010).

16. SIAM 최적화, 다름슈타트의 Joseph Young 및 Denis Ridzal에 의한 "An application of random projection to parameter estimation" (2011년 5월 17일).

17. 지구물리학 74-6, WCC177 내지 WCC188의 Jerome R. Krebs, John E. Anderson, David Hinkley, Ramesh Neelamani, Sunwoong Lee, Anatoly Baumstein 및 Martin-Daniel Lacasse에 의한 "Full-wavefield seismic inversion using encoded sources" (2009).

18. 정보 이론, IEEE 트랜젝션즈 46(3), 982면 내지 993면의 Yang 등에 의한 "Quasi-orthogonal sequences for code-division multiple-access systems" (2000).

19. 미국 특허 제8,223,587호의 Krebs 등에 의한 "Full Wavefield Inversion Using Time Varying Filters" (2012).

20. SEG 확장 초록들 30, 2423면 내지 2427면의 Downey 등에 의한 "Random-Beam Full-Wavefield Inversion" (2011).

21. EAGE 연례 회의, 코펜하겐, 탄성파 데이터에 대한 동시 소스 방법들에 관한 워크샵에서의 Yunsong Huang 및 Gerard T. Schuster에 의한 "Multisource least-squares migration of marine streamer and land data with frequency-division encoding" (2012년 6월 3일).

22. 지구물리학적 탐사 60, 663면 내지 680면의 Yunsong Huang 및 Gerard T. Schuster에 의한 "Multisource least-squares migration of marine streamer and land data with frequency-division encoding" (July 2012).

Claims

지표아래 영역에 대한 물리적 속성들 모델을 결정하기 위해 측정된 지구물리학적 데이터의 반복 역산(iterative inversion)을 위한 컴퓨터 구현 방법에 있어서,
상기 측정된 지구물리학적 데이터의 복수의 인코딩된 모음들(gathers)을 합산하기 위해 컴퓨터를 이용하는 단계로서, 각각의 모음은 단일 소스 또는 소스들의 그룹과 연관되고 교차-상관에 대해 직교 또는 의사-직교(pseudo-orthogonal)하는 인코딩 함수들의 세트로부터 선택된 상이한 인코딩 함수로 인코딩되는 상기 이용 단계, 그에 의해 복수의 소스들을 표현하는 측정된 지구물리학적 데이터의 동시 인코딩된 모음을 형성하는 단계, 그 후에 상기 측정된 지구물리학적 데이터의 동시 인코딩된 모음을 시뮬레이팅하기 위해 이전 반복으로부터 가정된 물리적 속성들 모델 또는 업데이트된 물리적 속성들 모델을 이용하는 단계, 그 후에 측정된 지구물리학적 데이터의 상기 동시 인코딩된 모음과 상기 시뮬레이팅된 동시 인코딩된 모음 사이의 불일치(misfit)를 측정하는 목적 함수를 계산하는 단계, 그 후에 모델 업데이트를 결정하기 위해 상기 목적 함수를 최적화하는 단계를 포함하고, 수신기들은 주어진 수신기에 대한 상기 복수의 소스들 중 하나 이상에 덜 민감하게 상기 목적 함수의 계산을 행하도록 인코딩되는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
소스들에 대한 상기 인코딩 함수들은 중심 주파수, 위상 또는 둘다에서 서로 상이한 대역통과 필터들의 세트인, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 2 항에 있어서,
상기 위상차들은 극성 스위치들(polarity switches)을 포함하는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
상기 수신기들의 상기 인코딩은, 상기 측정된 지구물리학적 데이터가 측정되었을 때 상기 수신기가 청취하지 않은 소스들에 대한 상기 인코딩 함수들에 대해 직교 또는 의사-직교되도록 선택된 각각의 수신기에 대해 상이한 인코딩 함수를 이용하여 수행되는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 4 항에 있어서,
수신기들에 대한 상기 인코딩 함수들은 중심 주파수, 위상 또는 둘다에서 서로 상이한 노치 필터들(notch filters)의 세트이고, 각각의 수신기 필터는 상기 수신기가 활성이 아닌 소스들에 대응하는 상기 인코딩 함수들의 대역통과 주파수들을 노치 아웃하도록 설계되는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
상기 시뮬레이팅된 동시 인코딩된 모음은 단일 시뮬레이션 동작으로 시뮬레이팅되고, 상기 시뮬레이션의 소스 시그니처들(source signatures)은 상기 측정된 지구물리학적 데이터의 대응하는 모음들을 인코딩하기 위해 이용된 동일 인코딩을 이용하여 인코딩되는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
상기 불일치는 측정된 지구물리학적 데이터의 상기 동시 인코딩된 모음과 상기 시뮬레이팅된 동시 인코딩된 모음 사이의 차의 표준으로서 또는 측정된 지구물리학적 데이터의 상기 동시 인코딩된 모음과 상기 시뮬레이팅된 동시 인코딩된 모음 사이의 교차-상관으로서 측정되는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
상기 측정된 지구물리학적 데이터는 동시 인코딩된-소스 역산의 고정된-수신기 가정이 유효하지 않은 조건들 하에서 수집(acquire)되는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
상기 측정된 지구물리학적 데이터는 탄성파 탐사(seismic survey)로부터의 완전 파장 데이터(full wavefield data)인, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
상기 계산이 덜 민감하게 된 상기 소스들은 상기 주어진 수신기가 청취하지 않은 소스들인, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 10 항에 있어서,
상기 수신기 인코딩은 주어진 소스에 대한 상기 선택된 인코딩 함수가 상기 소스를 청취하지 않은 수신기들의 인코딩 함수들에 대해 직교 또는 의사-직교하도록 선택되는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
상기 반복들의 일부 또는 전부에서, 선행 반복에 비해 상이한 인코딩 함수들이 이용되는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
측정된 지구물리학적 데이터의 하나 이상의 추가적인 동시 인코딩된 모음들을 형성하는 단계를 더 포함하고, 상기 모델 업데이트는 각각의 동시 인코딩된 모음에 대응하는 상기 목적 함수들의 합에 기초하여 결정되는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
제 1 항에 있어서,
상기 목적 함수 계산 단계는, 수신기에 의해, 측정된 지구물리학적 데이터의 상기 동시 인코딩된 모음과 상기 시뮬레이팅된 동시 인코딩된 모음 사이의 차들, 소위 나머지들(residuals)을 계산하는 단계, 및 상기 수신기 인코딩을 각각의 수신기 나머지에 적용하는 단계로서, 상기 수신기 인코딩은 상기 수신기가 비활성인 소스들로부터의 기여들을 감쇄시키도록 선택되고, 그 후에 상기 수신기-인코딩된 나머지들로부터 상기 목적 함수를 계산하는, 상기 적용 단계를 포함하는, 측정된 지구물리학적 데이터의 반복 역산을 위한 컴퓨터 구현 방법.
지표아래 영역에 대한 물리적 속성들 모델을 결정하기 위해 측정된 지구물리학적 데이터의 역산을 위한 컴퓨터-구현 방법에 있어서:
(a) 상기 측정된 지구물리학적 데이터의 둘 이상의 모음들의 그룹을 획득하는 단계로서, 각각의 모음은 단일 소스 또는 소스들의 그룹과 연관되는, 상기 획득 단계;
(b) 각각의 모음을 상이한 인코딩 함수로 인코딩하는 단계로서, 상기 인코딩은 교차-상관에 대해 직교 또는 의사-직교하는, 상기 인코딩 단계;
(c) 단일 수신기에 대응하는 각각의 모음에서 모든 데이터 기록들을 합산하고 각각의 상이한 수신기에 대해 반복함으로써 상기 그룹의 상기 인코딩된 모음들을 합산하는 단계로서, 동시 인코딩된-소스 모음을 초래하는, 상기 합산 단계;
(d) 상기 지표아래 영역의 물리적 속성들 모델을 가정하는 단계로서, 상기 모델은 상기 지표아래 영역 도처의 위치들에서 적어도 하나의 물리적 속성의 값들을 제공하는, 상기 가정 단계;
(e) 상기 가정된 물리적 속성들 모델을 이용하고, 상기 동시 인코딩된-소스 모음을 시뮬레이팅하고, 측정된 데이터의 대응하는 모음들을 인코딩하기 위해 이용된 동일 인코딩 함수들을 이용하여 상기 시뮬레이션에서 소스 시그니처들을 인코딩하는 단계로서, 전체 동시 인코딩된-소스 모음이 단일 시뮬레이션 동작으로 시뮬레이팅되는, 상기 이용, 시뮬레이팅 및 인코딩 단계;
(f) 측정된 지구물리학적 데이터로 이루어진 상기 동시 인코딩된-소스 모음과 상기 시뮬레이팅된 동시 인코딩된-소스 모음 사이의 각각의 수신기에 대한 차를 계산하는 단계로서, 상기 차는 상기 수신기에 대한 나머지로 칭해지는, 상기 계산 단계;
(g) 수신기 인코딩을 각각의 나머지에 적용하는 단계로서, 상기 수신기 인코딩은 상기 수신기가 비활성인 소스들로부터의 기여들을 감쇄시키도록 선택되는, 상기 적용 단계;
(h) 상기 수신기-인코딩된 나머지들로부터 목적 함수를 계산하고, 상기 목적 함수 계산에 기초하여 상기 가정된 물리적 속성들 모델을 업데이트하는 단계;
(i) 상기 지표아래 지역의 다른 업데이트된 물리적 속성들 모델을 생성하기 위해, 이전 반복으로부터 상기 업데이트된 물리적 속성들 모델을 상기 가정된 물리적 속성들 모델로서 이용하여, 단계 (b) 내지 단계 (h)를 적어도 1회 이상 반복하는 단계; 및
(j) 상기 다른 업데이트된 물리적 속성들 모델을 다운로딩하거나 이를 컴퓨터 저장장치에 저장하는 단계를 포함하고,
단계 (a) 내지 단계 (j) 중 적어도 하나는 컴퓨터를 이용하여 수행되는, 측정된 지구물리학적 데이터의 역산을 위한 컴퓨터-구현 방법.
제 15 항에 있어서,
단계 (a)의 각각의 모음은 멀티-샷 모음이고, 각각의 멀티-샷 모음은 조명된 수신기들의 공동 세트(common set)를 가진 복수의 개별-샷 모음들로 이루어지는, 측정된 지구물리학적 데이터의 역산을 위한 컴퓨터-구현 방법.
제 16 항에 있어서,
상기 수신기 인코딩은 중심 주파수, 위상 또는 둘다에서 서로 상이한 주파수 필터들의 세트인, 측정된 지구물리학적 데이터의 역산을 위한 컴퓨터-구현 방법.
제 17 항에 있어서,
단계 (b)의 상기 인코딩 및 단계 (e)의 상기 인코딩 둘다는 단계 (b)의 상기 모음들 및 단계 (e)의 상기 소스 시그니처들을 이중으로 인코딩되게 하는 제 2 인코딩을 수반하는, 측정된 지구물리학적 데이터의 역산을 위한 컴퓨터-구현 방법.
제 18 항에 있어서,
상기 제 2 인코딩은 +1/-1 인코딩인, 측정된 지구물리학적 데이터의 역산을 위한 컴퓨터-구현 방법.
컴퓨터 판독 가능한 프로그램 코드가 구현되는 비일시적 컴퓨터 이용 가능한 매체(non-transitory computer usable medium)에 있어서,
상기 컴퓨터 판독 가능한 프로그램 코드는 지표아래 영역에 대한 물리적 속성들 모델을 결정하기 위한 측정된 지구물리학적 데이터의 반복 역산을 위한 방법을 구현하기 위해 실행되도록 구성되고, 상기 방법은:
상기 측정된 지구물리학적 데이터의 복수의 인코딩된 모음들을 합산하는 단계로서, 각각의 모음은 단일 소스 또는 소스들의 그룹과 연관되고 교차-상관에 대해 직교 또는 의사-직교하는 인코딩 함수들의 세트로부터 선택된 상이한 인코딩 함수로 인코딩되는, 상기 합산 단계, 그에 의해 복수의 소스들을 표현하는 측정된 지구물리학적 데이터의 동시 인코딩된 모음을 형성하는 단계, 그 후에 측정된 지구물리학적 데이터의 상기 동시 인코딩된 모음을 시뮬레이팅하기 위해 가정된 물리적 속성들 모델 또는 이전 반복으로부터 업데이트된 물리적 속성들 모델을 이용하는 단계, 그 후에 측정된 지구물리학적 데이터의 상기 동시 인코딩된 모음과 상기 시뮬레이팅된 동시 인코딩된 모음 사이의 불일치를 측정하는 목적 함수를 계산하는 단계, 그 후에 모델 업데이트를 결정하기 위해 상기 목적 함수를 최적화하는 단계를 포함하고, 수신기들은 주어진 수신기에 대한 상기 복수의 소스들 중 하나 이상에 덜 민감하게 상기 목적 함수의 계산을 행하도록 인코딩되는, 비일시적 컴퓨터 이용 가능한 매체.
제 20 항에 있어서,
상기 수신기들의 상기 인코딩은, 상기 측정된 지구물리학적 데이터가 측정되었을 때 상기 수신기가 청취하지 않은 소스들에 대한 상기 인코딩 함수들에 대해 직교 또는 의사-직교되도록 선택된 상이한 인코딩 함수를 각각의 수신기에 대해 이용하여 수행되는, 비일시적 컴퓨터 이용 가능한 매체.
탄화수소들을 생산하기 위한 방법에 있어서:
지표아래 영역에 대해 탄성파 탐사를 행하는 단계;
상기 지표아래 영역의 물리적 속성들 모델을 결정하기 위해 제 1 항의 방법에 의해 상기 탄성파 탐사로부터 측정된 탄성파 데이터를 역산하는 단계;
상기 측정된 탄성파 데이터를 처리하기 위해 상기 물리적 속성들 모델을 이용하는 단계;
상기 지표아래 영역의 탄화수소 잠재성을 평가하기 위해 상기 처리된 탄성파 데이터를 이용하는 단계; 및
상기 처리된 탄성파 데이터로부터 탄화수소 잠재성을 식별하면, 상기 지표아래 영역으로 웰(well)을 드릴링(drilling)하고 탄화수소들을 생산하는 단계를 포함하는, 탄화수소들 생산 방법.
지표아래 영역에 대한 물리적 속성들 모델을 결정하기 위해 측정된 지구물리학적 데이터의 역산을 위한 컴퓨터-구현 방법에 있어서:
(a) 상기 측정된 지구물리학적 데이터의 둘 이상의 멀티-샷 모음들의 그룹을 획득하는 단계로서, 각각의 멀티-샷 모음은 조명된 수신기들의 공동 세트를 가진 복수의 개별-샷 모음들로 이루어지는, 상기 획득 단계;
(b) 각각의 멀티-샷 모음을, 교차-상관에 대해 직교 또는 의사-직교하는 인코딩 함수들의 세트로부터 선택된 상이한 인코딩 함수로 인코딩하는 단계;
(c) 단일 수신기에 대응하는 각각의 모음에서 모든 데이터 기록들을 합산하고 각각의 상이한 수신기에 대해 반복함으로써 상기 인코딩된 멀티-샷 모음들을 합산하는 단계로서, 동시 인코딩된-소스 모음을 초래하는, 상기 합산 단계;
(d) 상기 지표아래 영역의 물리적 속성들 모델을 가정하는 단계로서, 상기 모델은 상기 지표아래 영역 도처의 위치들에서 적어도 하나의 물리적 속성의 값들을 제공하는, 상기 가정 단계;
(e) 상기 가정된 물리적 속성들 모델을 이용하여, 상기 동시 인코딩된-소스 모음을 시뮬레이팅하고, 상기 측정된 데이터의 대응하는 모음들을 인코딩하기 위해 이용된 동일 인코딩 함수들을 이용하여 상기 시뮬레이션에서 소스 시그니처들을 인코딩하는 단계로서, 전체 동시 인코딩된-소스 모음이 프로그래밍된 컴퓨터를 이용하여 단일 시뮬레이션 동작으로 시뮬레이팅되는, 상기 시뮬레이팅 단계;
(f) 상기 동시 인코딩된-소스 모음과 상기 시뮬레이팅된 동시 인코딩된-소스 모음 사이의 각각의 수신기에 대한 차를 계산하는 단계로서, 상기 차는 상기 수신기에 대한 나머지로 칭해지는, 상기 계산 단계;
(g) 수신기 인코딩을 각각의 나머지에 적용하는 단계로서, 상기 수신기 인코딩은 상기 수신기가 비활성인 소스들로부터의 기여들을 감쇄시키도록 선택되는, 상기 적용 단계;
(h) 상기 수신기-인코딩된 나머지들로부터 목적 함수를 계산하고, 상기 목적 함수 계산에 기초하여 상기 가정된 물리적 속성들 모델을 업데이트하는 단계;
(i) 상기 지표아래 지역의 다른 업데이트된 물리적 속성들 모델을 생성하기 위해, 이전 반복으로부터 상기 업데이트된 물리적 속성들 모델을 상기 가정된 물리적 속성들 모델로서 이용하여, 단계 (b) 내지 단계 (h)를 적어도 1회 이상 반복하는 단계; 및
(j) 상기 다른 업데이트된 물리적 속성들 모델을 다운로딩하거나 이를 컴퓨터 저장장치에 저장하는 단계를 포함하는, 측정된 지구물리학적 데이터의 역산을 위한 컴퓨터-구현 방법.
지표아래 영역에 대한 물리적 속성들 모델을 결정하기 위해 지구물리학적 탐사로부터 측정된 데이터의 역산을 위한 컴퓨터-구현 방법에 있어서:
(a) 가정된 물리적 속성들 모델을 이용하여, 상기 측정된 지구물리학적 데이터의 모든 소스 모음들을 단일 시뮬레이션으로 인코딩을 이용하여 시뮬레이팅하는 단계로서, 그에 의해 시뮬레이팅된 데이터 세트를 생성하는, 상기 시뮬레이팅 단계;
(b) 수신기 및 상기 수신기가 상기 지구물리학적 탐사 동안 소스를 청취하지 않은 경우, 상기 소스에 대응하는 데이터 기록들을 구별하도록 돕는 그룹화 전략(grouping strategy)을 결정하는 단계;
(c) 각각의 그룹에 대해, 상기 소스들을 인코딩하고, 각각의 소스는 단계 (a)에서 이용된 동일 인코딩으로 인코딩되고:
(ⅰ) 상기 가정된 물리적 속성들 모델을 이용하여, 상기 그룹의 모든 소스 모음들을 단일 시뮬레이션으로 시뮬레이팅하는 단계로서, 그에 의해 시 뮬레이팅된 그룹 데이터 세트를 생성하는, 상기 시뮬레이팅 단계;
(ⅱ) 상기 그룹의 상기 소스들 중 적어도 하나에 의해 조명되지 않은 상기 시뮬레이팅된 그룹 데이터 세트에서 수신기 위치들을 결정하는 단계;
(ⅲ) 상기 결정된 수신기 위치들의 각각에 대해, 상기 시뮬레이팅된 그룹 데이터 세트로부터 대응하는 데이터를 검색하고 상기 시뮬레이팅된 데 이터 세트에서 동일한 수신기 위치로부터 이를 감산하는 단계를 포함하는 단계들을 수행하는 단계;
(d) 단계 (ⅲ) 후에 상기 시뮬레이팅된 데이터 세트에 남아있는 것에 대응하는 데이터만을 포함하도록 상기 측정된 데이터를 조정하고, 상기 조정된 측정된 데이터와 상기 시뮬레이팅된 데이터 세트 사이의 차인 데이터 나머지를 계산하는 단계;
(e) 상기 데이터 나머지를 감소시키도록 상기 가정된 물리적 속성들 모델을 조정하는 단계; 및
(f) 미리 결정된 수렴 기준이 만족되거나 다른 중지 조건이 충족될 때까지 단계 (a) 내지 단계 (e)를 반복하는 단계를 포함하는, 측정된 데이터의 역산을 위한 컴퓨터-구현 방법.
제 24 항에 있어서,
단계 (a) 및 단계 (c)의 상기 인코딩은 각각의 소스를 상이한 인코딩 함수로 인코딩하는 것이고, 상기 인코딩은 교차-상관에 대해 직교하거나 의사-직교하고, 단계 (c)(i)에서 일부 또는 모든 그룹들을 동시에 시뮬레이팅하는 것인, 측정된 데이터의 역산을 위한 컴퓨터-구현 방법.
제 25 항에 있어서,
상기 직교 또는 의사-직교 인코딩은 중심 주파수, 위상 또는 둘다에서 서로 상이한 대역통과 필터들의 세트를 포함하는, 측정된 데이터의 역산을 위한 컴퓨터-구현 방법.
제 24 항에 있어서,
단계 (a)의 상기 인코딩과 단계 (c)의 상기 인코딩 둘다는 단계 (a)의 상기 소스 모음들 및 단계 (c)의 상기 소스들을 이중으로 인코딩되게 하는 제 2 인코딩을 수반하는, 측정된 데이터의 역산을 위한 컴퓨터-구현 방법.
제 27 항에 있어서,
상기 제 2 인코딩은 +1/-1 인코딩인, 측정된 데이터의 역산을 위한 컴퓨터-구현 방법.
제 24 항에 있어서,
상기 그룹화 전략은 조명된 수신기들의 공동 세트를 가진 복수의 개별-소스 모음들을 그룹화하는 것인, 측정된 데이터의 역산을 위한 컴퓨터-구현 방법.