metodi geofisici per l'inversione e l'imaging 3-d ad alta risoluzione

Metodi geofisici per l'inversione Metodi geofisici per l'inversione

e l'imaging 3-D ad alta e l'imaging 3-D ad alta

risoluzione risoluzione

ddii dati sismici ed dati sismici ed

elettromagneticielettromagneticiUniversità degli Studi di Trieste

Dipartimento di Scienze Geologiche, Ambientali e Marine

Exploration Geophysics Group,

Via Weiss, 1 – Trieste – 34127 – ItalyE-mail: [email protected]

Web site: http://www.units.it/geoegg

CISC

Workshop di presentazione

SommarioSommario

Metodologie impiegate• Sismica (riflessione, rifrazione & Onde si superficie)

• Ground Penetrating Radar (GPR)

• Magnetometria

• Elettrica

Settori di Ricerca

• Geologico – Ricostruzione della struttura terrestre (shallow and/or deep) • Ambientale – Definizione di falde, individuazione ed identificazione di

contaminanti

• Ingegneristico - Definizione di stratigrafie e proprietà statiche

• Archeologico – individuazione e caratterizzazione strutture sepolte

(mura, tombe)

Exploration Geophysics Group, Via Weiss, 1 – Trieste – 34127 – Italy


Tecniche di Elaborazione

Surface Wave Analysis (Rayleigh Wave Dispersion

Curve Inversion) - Sismica

Common Reflection Surface (CRS) Stack - Sismica &

GPR

Pre-Stack Depth Migration (algoritmi Wave

Equation & Kirchhoff) - Sismica & GPR



Rayleigh Wave Dispersion Curve Inversion

Principali Problematiche• Multimodalità del problema (Metodi lineari falliscono)

• Necessità di un ampio search space

Soluzioni adottate• Inversione tramite algoritmi genetici

• Preliminary Parallel Runs

• Valutazione mediante Marginal Posteriori Probability Density

(MPPD)

Principali Vantaggi• Fornisce parametri richiesti dalla normativa vigente (VS-30)

• Fornisce informazioni sul bedrock



Common Reflection Surface (CRS) Stack

Principali Problematiche• è di recente ideazione (ancora poco studiata)

• è totalmente automatizzata

Soluzioni adottate• controllo dell’operatore sui vari step

Principali Vantaggi• Non necessita di un Macromodello di velocità

• Si basa su tre parametri (, RNIP e RN) anziché uno solo

(velocità)

• Aumenta il numero di elementi su cui effettuare analisi

geofisiche



Pre-Stack depth Migration (PSDM)

Principali Problematiche• quantità di dati “immense”

• Necessità di un modello di velocità estremamente preciso

Soluzioni adottate• -----

• ricostruzione del modello di velocità tramite refining iterativo

Principali Vantaggi• fornisce in output una sezione coincidente con la reale sezione

geologica

• Ampiamente utilizzato e continuamente sviluppato



1. Dispersion curve evaluation

2. Dispersion curve inversion



Two Steps

Computationally expensive

Surface Wave Analysis

Ob

jFN



Main problem: Multimodalità



Breve introduzione ai GAs

The LingoCromosomaPopolazione

Gli individui sono indicati come cromosomi (un cromosoma consiste di geni, che rappresentano i parametri del problema da ottimizzare).Una collezione di cromosomi sul quale opera un algoritmo genetico è indicata come popolazione.

SelezioneCrossover & MutazioneGenerazioneSchemata

Algoritmi Genetici (GAs)



Crossover( | is the crossover point)

Chromosome 1 11011 | 00100110110

Chromosome 2 11011 | 11000011110

Offspring 1 11011 | 11000011110

Offspring 2 11011 | 00100110110

Original offspring 1 1101111000011110

Original offspring 2 1101100100110110

Mutated offspring 1 1100111000011110

Mutated offspring 2 1101101100110110

Mutation

Single point crossover Two point crossover

Uniform crossover - bits randomly copied from first or second parent

Arithmetic crossover - some arithmetic operation is performed to make a new

offspring

n indipendent preliminary runs

final run:as starting population the fittest models

selected from the preliminary runs

MPPD analysis

selection of the best individuals

...run #1 run #2 run #n

Architettura dell’inversione



Perché dei runs preliminari?

Anche i GA possono venir intrappolati nei minimi locali



Procedure

n

vvobjFN

n

icalobs ii

1

2

2. Fissare le boundaries conditions del search space per tutte le variabili scelte

3. Fissare una objective function che definisca il fitness degli individui (e.g. la L1-norm)

4. Fissare: numero di runs preliminari, dimensione della popolazione, parametri di selezione, crossover, mutazione e termination, etc.

1. Strategia d’inversione (quali variabili ?)



Parametri fondamentali usati

1. Nove runs preliminari “paralleli”

2. Numero di modelli per le popolazioni iniziali (preliminary runs): 7000

3. Numero di generazioni per i nove runs preliminari: 10

4. Numero di generazioni per il run finale : 250

5. Per la popolazione iniziale del run finale: tutti i modelli valutati precedentemente con una objective function fino a 5 volte quella della migliore (typically 2700 models)



Modelli consideratimodel #2 model #3 model #4

V=130SV=300S V=300S V=300S

V=119S

V=200S

V=200S

V=200S

V=177S

V=350S

V=350S

V=350S

V=350S

V=400S

V=800S V=800S V=800S

V=2000S

V=2000S V=2000S V=2000S

model #1

16

4

8

12

0depth (m

)

a)

b)

200

300

400

500

600

Pha

se v

eloc

ity (

m/s

ec)

#2

#3

#4

#1

10 20 30 40 50 60 70 80

f (Hz)

100



Search Space

half space

0 500 1000 1500 2000 2500 3000

0

5

10

15

20

25

30

35

b)

V (m/sec)S

dept

h (m

)

half space



Distribuzione dei modelli selezionati

150 200 250 300 350 4000

20

40

60

80

100

120

V (m/sec)S

#1

#2#3#4

#5

#6

#7

#8#9

Model#2: istogramma dei valori per la settima variabile (velocità SH del quarto strato).

0 50 100 150 200 250

5.5

6

6.5

7

generation

objF

N

Esempio di objFN vs. generation



MPPD: the population issue

-600 -500 -400 -300 -200 -100 00

500

1000

1500

2000

2500

a)

objFN-600 -500 -400 -300 -200 -100 00

500

1000

1500

2000

2500

b)

objFN

-600 -500 -400 -300 -200 -100 00

500

1000

1500

2000

2500

3000

c)

b)

V (m/sec)S

800 850400 450 500 550 600 650 700 7500

0.1

0.2

0.3

0.4

0.5

0.6

900850800350 400 450 500 550 600 650 700 7500

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

V (m/sec)S

All the preliminary-run modelsInitial-population models All the evaluated models

780 790 800 810 820 830 8400

0.05

0.1

0.15

0.2

0.25

V (m/sec)S

850 860 870 880c)

Model#3: shear-wave velocity MPPD values for the seventh layer of the third model



Four basic Inversion

Model#1 Model#2

search spaceMean model vs. fittest model

Model#3 Model#4

Schema di ProcessingPer CRS Stack

SEZIONE FINALE

INTERPRETAZIONE

INVERSIONE

STACK

RNIP RN

VELOCITA’

RMS

PostSTM



ZO Stacking Surface



CRS Stacking Surface



PSDM Stacking Surface



SEZIONE FINALE INTERPRETAZIONE

REFINING STACK

INTERPRETAZIONE

PSDM

MODELLO VZ

SEZIONE FINALE

INTERPRETAZIONE

STACK

Post-STM Pre-SDM

RMS VELOCITY

ANALISI SUI CMP e PICKING

VEL INTERVALLARE

Schema di Processing per WE e K-PSDM



Particolare della sezione Stack

11

Particolare della sezione PreSDM TC

44

Esempio di PSDM su dati sismici



Example of Common Offset processed Section

10

50

90

130

Tim

e [

ns

]

Distance [m] 5.0 10.0 15.0 20.0

Example of Multi-Fold Stack Section

10

50

90

130

Tim

e [

ns

]

Distance [m] 5.0 10.0 15.0 20.0



Esempio di PSDM su dati GPR

Final PreSDM section (time converted) - Interpretation

10

30

70

90

110

130

Distance [m]

Tim

e [

ns]

5.0 10.0 15.0 20.0

50

0

80

Distance [m]

Tim

e [

ns]

0.0 7.5

Stack

Distance [m]0.0 7.5

PreSDM



Esempio di PSDM su dati GPREsempio di PSDM su dati GPR

150 200Tracce40 ns80ns120ns160ns 150 200Tracce40ns80ns120ns160ns

Università degli Studi di Trieste

Dipartimento di Scienze Geologiche, Ambientali e

Marine Via

Exploration Geophysics Group

Weiss, 1 – Trieste – 34127 – Italy

E-mail: [email protected]


http://www.hygeia-eu.org

http://www.units.it/geoegg

http://www.units.it/geoegg

http://www.hygeia-eu.org/







Conclusioni

metodi geofisici per l'inversione e l'imaging 3-d ad alta risoluzione

Documents

italyweb site

dispersion curve evaluation2

sismica gprpre

precisosoluzioni adottate

dati immense necessit

definizione di stratigrafie

parametri richiesti

sezione coincidente