Un problema fondamentale della Full Waveform Inversion realizzata con metodi di inversione locale, è la necessità di disporre di un modello iniziale che sia abbastanza vicino alla versione di bassa frequenza della soluzione. Pertanto, l'obiettivo che abbiamo definito come prioritario nel progetto è lo studio e la sperimentazione di metodi di inversione globale che consentano di evitare il problema dei minimi locali e di giungere ad una soluzione “smooth” del campo di velocità. Tale soluzione potrebbe costituire il modello iniziale di una successiva FWI basata su metodi locali. Fra i vari metodi di inversione globale è stato scelto il Neighborhood Sampling Algorithm (Sambridge, 99) del quale è stato realizzato un driver Fortran e sviluppate alcune sperimentazioni preliminari. In letteratura sono stati proposte varie procedure per la determinazione del modello iniziale, ma i tempi necessari per giungere ad una soluzione utilizzabile possono essere notevoli anche per il lavoro umano che richiedono (ad esempio per il picking di eventi, o per l'interpretazione di analisi di focalizzazione). Il metodo che proponiamo è completamente automatizzato e richiede solo la determinazione di 2 parametri (numero di modelli da calcolare per ciascuna iterazione e numero di modelli accettati) che possono essere fissati in precedenza in base alle caratteristiche del problema. Qui di seguito si descrive la scrittura dell'algoritmo e i risultati preliminari ottenuti dalle prove sul testcase Marmousi con due diverse scelte dei range dei parametri.

Full Waveform Inversion: studi e sperimentazioni - report 2012

MAZZOTTI, ALFREDO;SAJEVA, ANGELO;ALEARDI, MATTIA;Stucchi, E.
2012

Abstract

Un problema fondamentale della Full Waveform Inversion realizzata con metodi di inversione locale, è la necessità di disporre di un modello iniziale che sia abbastanza vicino alla versione di bassa frequenza della soluzione. Pertanto, l'obiettivo che abbiamo definito come prioritario nel progetto è lo studio e la sperimentazione di metodi di inversione globale che consentano di evitare il problema dei minimi locali e di giungere ad una soluzione “smooth” del campo di velocità. Tale soluzione potrebbe costituire il modello iniziale di una successiva FWI basata su metodi locali. Fra i vari metodi di inversione globale è stato scelto il Neighborhood Sampling Algorithm (Sambridge, 99) del quale è stato realizzato un driver Fortran e sviluppate alcune sperimentazioni preliminari. In letteratura sono stati proposte varie procedure per la determinazione del modello iniziale, ma i tempi necessari per giungere ad una soluzione utilizzabile possono essere notevoli anche per il lavoro umano che richiedono (ad esempio per il picking di eventi, o per l'interpretazione di analisi di focalizzazione). Il metodo che proponiamo è completamente automatizzato e richiede solo la determinazione di 2 parametri (numero di modelli da calcolare per ciascuna iterazione e numero di modelli accettati) che possono essere fissati in precedenza in base alle caratteristiche del problema. Qui di seguito si descrive la scrittura dell'algoritmo e i risultati preliminari ottenuti dalle prove sul testcase Marmousi con due diverse scelte dei range dei parametri.
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11568/718471
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact