Imagerie sismique multi-paramètres : approche linéarisée par équation d'onde

Multi-parameter seismic linear waveform imaging

• Auteur / Autrice : Milad Farshad
• Direction : Hervé Chauris
• Type : Thèse de doctorat
• Discipline(s) : Géosciences et géoingénierie
• Date : Soutenance le 09/12/2021
• Etablissement(s) : Université Paris sciences et lettres
• Ecole(s) doctorale(s) : École doctorale Géosciences, ressources naturelles et environnement (Paris ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Centre de géosciences (Fontainebleau, Seine et Marne)
• Partenaire(s) de recherche : établissement de préparation de la thèse : École nationale supérieure des mines (Paris ; 1783-....)
• Jury : Président / Présidente : Stéphane Operto
• Jury : Examinateurs / Examinatrices : Hervé Chauris, Romain Brossier, Hélène Barucq
• Jury : Rapporteurs / Rapporteuses : René-Edouard Plessix, Gilles Lambaré

Mots clés

Mots clés contrôlés

Cours d'eau -- Régularisation

Inversion (géophysique)

Imagerie sismique

Mots clés libres

Imagerie sismique

Reverse time migration

Multi-paramètre

Inversion

Régularisation

Seismic imaging

Reverse time migration

Multi-parameter

Inversion

Regularization

Résumé

L’imagerie sismique est l’une des méthodes les plus pertinentes pour l’estimation des paramètres physiques (vitesse, densité, …) depuis l’acquisition de données en surface. Avec l’hypothèse de séparation d’échelles, plusieurs méthodes d’imagerie décomposent le modèle de vitesse entre un macro-modèle lisse et un modèle de réflectivité. Le but des techniques de migration est de déterminer la réflectivité dans un macro-modèle donné. Parmi différentes solutions, la Reverse Time Migration (RTM) est devenue la méthode de choix pour les milieux complexes. Par définition, RTM est l’adjoint de l’opérateur de Born et souffre de différents artéfacts de migration. Des développements récents ont permis d’analyser la RTM avec une approche asymptotique. Ils ont conduit à une méthode directe pour inverser l’opérateur de modélisation, et apporter une solution quantitative en une seule itération. L’inverse direct suppose un milieu acoustique à densité constante, ce qui représente une limite forte pour les applications pratiques. Dans cette thèse, j’ai d’abord étendu l’applicabilité de l’inverse direct depuis une densité constante à une densité variable et vers les milieux élastiques. Dans le cadre de l’imagerie multi-paramètres, la principale limitation est la non unicité de la solution. Pour cela, je propose d’ajouter des contraintes avec une norme l1 sur chacune des classes de paramètres. De plus, je propose d’utiliser l’inverse direct pour accélérer la convergence de la RTM multi-paramètres. Les méthodologies sont développées et analysées sur des données synthétiques 2D et sur un cas réel marin.

Seismic imaging is one of the most effective methods for estimating the Earth’s physical parameters from seismic data. Based on the assumption of scale separation, several imaging methods split the velocity model into a smooth background model and a reflectivity model. The goal of Migration techniques is to determine the reflectivity in a given background model. Among different migration algorithms, reverse time migration (RTM) has become the method of choice in complex geologic structures. By definition, RTM is the adjoint of the linearized Born modeling operator and suffers from various migration artifacts. Recent developments recast the asymptotic inversion in the context of RTM. They determine a direct method to invert the Born modeling operator, providing quantitative results within a single iteration. The direct inverse is based on constant-density acoustic media, which is a limiting factor for practical applications. In this thesis, I first extend the applicability of direct inverse from constant-density acoustic to variable-acoustic acoustic and elastic media. In the concept of the multi-parameter imaging, the main limitation is the non-uniqueness of the inversion results. To tackle the ill-posedness of the inverse problem, I propose to add independently l1-norm constraints to each inverted parameter as regularization terms. Furthermore, I utilize the direct inverse to accelerate the convergence rate of multi-parameter least-squares RTM. The methodologies are developed and analyzed on 2D synthetic datasets and a marine real dataset.