Questo report riferisce le attività svolte nel 2014 nell'ambito di un progetto il cui obiettivo è l'implementazione e il testing di un metodo globale per stimare un buon modello iniziale per la FWI. Nel report precedente (secondo semestre 2013) è stato svolto un confronto tra tre metodi globali: adaptive simulated annealing (ASA, Ingber 1989), algoritmi genetici (toolbox geatbx di Pohlheim) e neighborhood algorithm (Sambridge, 1999) da cui è risultato che gli algoritmi genetici sono il metodo più promettente per grandi dimensioni dello spazio dei modelli. Quindi è stata proposto un metodo di inversione globale che usa gli algoritmi genetici ed è stato applicato ad una porzione del modello Marmousi per il caso di propagazione 2D. In questo nuovo report mostriamo un ulteriore confronto tra metodi stocastici, in particolare usiamo una nuova funzione analitica che contiene un minimo decentrato in una valle piatta e mostriamo un confronto tra GA e ASA sulla porzione Marmousi. Dai test si evince che il metodo ASA presenta delle buone caratteristiche anche se il metodo GA risulta ancora il metodo più conveniente per il nostro scopo. Quindi presentiamo tre test di inversione GA applicati sull'intero modello Marmousi. I primi due test sono identici per quanto riguarda parametrizzazione del sottosuolo, modelling alle differenze finite, parametri degli algoritmi genetici, hardware, e cambiano solo per quanto riguarda le informazioni a priori sul modello: cioè il range in cui sono cercati i parametri del modello. Il primo test è sostanzialmente una versione in scala del test già svolto sulla porzione del Marmousi. Esso ha una area di ricerca del modello centrata sul modello ottimale (per la definizione di modello ottimale vedi 3o report). Il secondo test ha un'area di ricerca centrata attorno ad un modello ottenuto con picking dei picchi di coerenza dei pannelli di semblance. Infine il terzo test esplora le caratteristiche di convergenza su una griglia di inversione più fitta e con una funzione oggetto data dalla combinazione del misfit misurato sulle diving wave e sulle riflessioni. L'area di ricerca in questo test ha range molto ampi e centrati attorno ad un modello iniziale a gradiente. Il risultato della prima inversione è molto buono, il risultato della seconda inversione è peggiore, ma comunque adeguato. Anche il modello della terza inversione è molto buono. Per valutare la qualità dei modelli ottenuti, usiamo questi modelli per far partire un passo di FWI locale. Il risultato finale conferma la buona qualità della procedura di inversione. Un nuovo tema che abbiamo iniziato ad affrontare è quello relativo alla inversione con approssimazione acustica di sismogrammi sintetici generati con equazione d'onda elastica. Il modello di velocità utilizzato è molto semplice e consiste in 3 strati orizzontali di cui il primo è lo strato d'acqua e i 2 sottostanti hanno rapporto Vp/Vs = 2. La presenza di onde convertite e variazioni di fase anche sui first break porta ad un risultato con alcune anomalie di velocità delle onde di pressione non corrispondenti alla realtà . E' attualmente in corso una sperimentazione su una porzione del modello Marmousi elastico. Infine abbiamo analizzato un dato reale con lo scopo di verificare la fattibilità di una inversione Full Waveform stocastica con il metodo multigrid con algoritmi genetici. I risultati ottenuti sono stati controllati tramite PSDM e risultano soddisfacenti. In particolare, si osserva un buon fitting sui first break e diving waves mentre il contributo delle riflessioni è ancora minore.
Full Waveform Inversion: studi e sperimentazioni - report 2014
MAZZOTTI, ALFREDO;SAJEVA, ANGELO;TOGNARELLI, ANDREA;ALEARDI, MATTIA;
2014-01-01
Abstract
Questo report riferisce le attività svolte nel 2014 nell'ambito di un progetto il cui obiettivo è l'implementazione e il testing di un metodo globale per stimare un buon modello iniziale per la FWI. Nel report precedente (secondo semestre 2013) è stato svolto un confronto tra tre metodi globali: adaptive simulated annealing (ASA, Ingber 1989), algoritmi genetici (toolbox geatbx di Pohlheim) e neighborhood algorithm (Sambridge, 1999) da cui è risultato che gli algoritmi genetici sono il metodo più promettente per grandi dimensioni dello spazio dei modelli. Quindi è stata proposto un metodo di inversione globale che usa gli algoritmi genetici ed è stato applicato ad una porzione del modello Marmousi per il caso di propagazione 2D. In questo nuovo report mostriamo un ulteriore confronto tra metodi stocastici, in particolare usiamo una nuova funzione analitica che contiene un minimo decentrato in una valle piatta e mostriamo un confronto tra GA e ASA sulla porzione Marmousi. Dai test si evince che il metodo ASA presenta delle buone caratteristiche anche se il metodo GA risulta ancora il metodo più conveniente per il nostro scopo. Quindi presentiamo tre test di inversione GA applicati sull'intero modello Marmousi. I primi due test sono identici per quanto riguarda parametrizzazione del sottosuolo, modelling alle differenze finite, parametri degli algoritmi genetici, hardware, e cambiano solo per quanto riguarda le informazioni a priori sul modello: cioè il range in cui sono cercati i parametri del modello. Il primo test è sostanzialmente una versione in scala del test già svolto sulla porzione del Marmousi. Esso ha una area di ricerca del modello centrata sul modello ottimale (per la definizione di modello ottimale vedi 3o report). Il secondo test ha un'area di ricerca centrata attorno ad un modello ottenuto con picking dei picchi di coerenza dei pannelli di semblance. Infine il terzo test esplora le caratteristiche di convergenza su una griglia di inversione più fitta e con una funzione oggetto data dalla combinazione del misfit misurato sulle diving wave e sulle riflessioni. L'area di ricerca in questo test ha range molto ampi e centrati attorno ad un modello iniziale a gradiente. Il risultato della prima inversione è molto buono, il risultato della seconda inversione è peggiore, ma comunque adeguato. Anche il modello della terza inversione è molto buono. Per valutare la qualità dei modelli ottenuti, usiamo questi modelli per far partire un passo di FWI locale. Il risultato finale conferma la buona qualità della procedura di inversione. Un nuovo tema che abbiamo iniziato ad affrontare è quello relativo alla inversione con approssimazione acustica di sismogrammi sintetici generati con equazione d'onda elastica. Il modello di velocità utilizzato è molto semplice e consiste in 3 strati orizzontali di cui il primo è lo strato d'acqua e i 2 sottostanti hanno rapporto Vp/Vs = 2. La presenza di onde convertite e variazioni di fase anche sui first break porta ad un risultato con alcune anomalie di velocità delle onde di pressione non corrispondenti alla realtà . E' attualmente in corso una sperimentazione su una porzione del modello Marmousi elastico. Infine abbiamo analizzato un dato reale con lo scopo di verificare la fattibilità di una inversione Full Waveform stocastica con il metodo multigrid con algoritmi genetici. I risultati ottenuti sono stati controllati tramite PSDM e risultano soddisfacenti. In particolare, si osserva un buon fitting sui first break e diving waves mentre il contributo delle riflessioni è ancora minore.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
