Interprétation stochastique des failles géologiques dans le contexte de l'analyse d'images sismiques

Stochastic interpretation of geological faults in the context of seismic image analysis

• Auteur / Autrice : Fabrice Taty moukati
• Direction : Guillaume Caumon, Radu Stefan Stoica
• Type : Projet de thèse
• Discipline(s) : Géosciences
• Date : Inscription en doctorat le 19/03/2021
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale SIReNa - Science et ingénierie des ressources naturelles
• Partenaire(s) de recherche : Laboratoire : GeoRessources
• Partenaire(s) de recherche : Equipe de recherche : Géologie Numérique Intégrative (Axe GéoModèles)

Mots clés

Mots clés libres

Analyse d'image

Apprentissage automatique

Interprétation structurale

Failles

Structural interpretation

Machine learning

Image analysis

Faults

Résumé

L'interprétation sismique a pour but d'identifier les structures géologiques sur des images sismiques. Dans l'optique d'aider les interprétateurs, des méthodes avancées ont été développées en traitement du signal et en machine learning pour produire automatiquement des interprétations sismiques. Des images sismiques interprétées avec une méthode sur les réseaux de neurones ont eu à cet effet de très bons résultats. Cependant, cette méthode, comme bien d'autres méthodes d'interprétation sismique est conçue seulement dans le but de produire la meilleure interprétation. Or très souvent, les images sismiques contiennent des zones d'incertitude qui peuvent conduire à des interprétations ambiguës. En effet, les incertitudes dues à une interprétation erronée peuvent altérer les analyses faites sur celle-ci et peuvent conduire à des incohérences sur la compartimentation des réservoirs, par exemple. Le but de cette thèse est donc de proposer une méthode de modélisation stochastique, utilisant les amplitudes d'ondes sismiques et des connaissances préalables sur la géologie des milieux d'études, afin de produire une variété de modèles structuraux possibles. Cette méthode commencerait directement par l'utilisant d'images sismiques et ne nécessiterait pas de faire des pointées sismiques au préalable.

Seismic interpretation aims at identifying geological features on seismic images. To help interpreters, advanced methods have been developed in signal processing and machine learning to automatically deliver seismic interpretation. Synthetic images with a conventional neural network has shown convincing results. However, this method, like other classical seismic interpretation methods, is designed only to produce the best possible structural interpretation. But very often, seismic images contain areas with uncertainties that can lead to interpretation ambiguities. Such uncertainties have consequences, for instance when it comes to analyse obtained interpretation, which can lead to inconsistency on a reservoir compartmentalization. To address this problem, the proposed project aims at building a stochastic modelling approach using seismic amplitudes and prior geological knowledge in study media, in order to produce a wide range of possible structural models. This method would start directly with seismic images et would not involve interpretation picks.