Inversión de forma de onda completa (FWI)
FWI de reflexión con nuestro propio motor en GPU
La inversión de forma de onda completa (FWI) actualiza el modelo de velocidades ajustando todo el campo de onda registrado, no solo los tiempos de viaje. BFI desarrolló su propio motor de FWI acústica 2D en GPU y lo aplicó a datos de reflexión del conjunto de datos público Mobil Viking Graben Line 12, en el mar del Norte, partiendo de un modelo de tomografía de tiempos de viaje.
Probado con disparos que la inversión nunca vio
Se invirtieron 48 disparos. Cada resultado se mide en los 47 disparos intercalados que la inversión nunca usó, cada uno a 125 m de un disparo invertido, en toda la banda de 4–28 Hz. Esto muestra que el modelo predice datos nuevos en lugar de memorizar los disparos a los que se ajustó.
Resultados: 47 de 47 disparos de validación mejoraron
En los 47 disparos de validación: el desajuste de los datos se redujo a 0,36 veces el del modelo inicial; la correlación con los datos registrados subió de 0,38 a 0,78; el desfase sistemático en tiempo de viaje bajó de +8,2 ms a +0,3 ms; todos los disparos de validación mejoraron en todas las bandas de frecuencia; y los disparos de validación y los invertidos difieren en solo 2,3 puntos porcentuales, por lo que el modelo generaliza.
Flujo de trabajo
Se silencian las ondas directas y las refractadas (diving waves), y los múltiples de superficie se conservan y se modelan con una superficie libre. La capa de agua del modelo de tomografía se reconstruye hasta el fondo marino picado. La ondícula de la fuente se obtiene por inversión lineal de la fuente con corrección del fantasma. La inversión se ejecuta en tres bandas de frecuencia (hasta 10, 18 y 28 Hz) con filtrado de la huella de los disparos, y se guarda cada actualización.
Verificación independiente con registros de pozo
Dos registros de velocidad publicados sobre la línea se digitalizaron dos veces cada uno, de forma independiente, y se compararon con los modelos a resolución equivalente. Hasta unos 2 km, el tiempo vertical a través del modelo final coincide con ambos registros dentro de un 2–3 %, con el mismo signo que el desfase en tiempo de viaje medido en los disparos. Los tres —registros de pozo, imágenes migradas y disparos de validación— concuerdan entre sí.
Lo bastante rápida para uso en producción
La inversión completa, de 34 iteraciones, se ejecutó en 15,9 horas en una sola GPU de computador portátil. Nuestra versión del motor con kernels fusionados es 5,4 veces más rápida que el código de referencia y produce resultados idénticos bit a bit, por lo que la FWI cabe dentro del cronograma normal de un proyecto.