基于多网格的频率域全波形反演(英文)

频率域全波形反演虽然克服了时间方向上的局部极小值问题,但是地下介质的复杂性使其在空间域仍然存在局部极小值缺陷。在优化梯度法基础上,本文采用预条件双共轭梯度稳定算法和多重网格方法计算反演中的波场传播和目标函数的梯度,在保证计算速度的同时,减小计算机内存的消耗。频率域波形反演和多重网格的多尺度性质有效改善问题极小值缺陷,加快反演的收敛速度。以局部非均匀的三孔模型和Marmousi模型的数值模拟结果验证了该算法的有效性。     

基于改进全变差正则化的GPR多尺度全波形双参数同步反演

针对探地雷达（GPR）双参数全波形反演中电导率反演精度差、双参数存在串扰现象、反演计算量大、易陷入局部极值等问题.作者将具有多参数调节功能的L-BFGS算法引入到GPR时间域全波形反演中,它避免了对Hessian矩阵的直接存储与精确求解,减小了存储量和计算量.结合参数调节因子的选取,有效减小了同步反演时介电常数与电导率的串扰影响,在不降低介电常数反演精度的前提下,提高电导率参数的反演精度.通过在反演目标函数中加载改进全变差正则化方法,提高了反演的稳定性,使目标体边缘轮廓更加清晰.首先以简单模型为例,对比了单尺度反演与多尺度串行反演策略的优劣,说明多尺度串行反演有利于逐步搜索全局最优解;而开展参数调节因子的选取实验,说明合适的参数调节因子可以有效改善介质电导率的反演精度;测试了不同正则化的反演效果,表明改进全变差正则化能提高反演稳定性,显著降低模型重构误差.最后,分别对含噪合成数据和实测数据进行了反演测试,说明本文提出的多尺度、双参数反演具有较强的鲁棒性,能提供更丰富的信息约束,重构图像界面清晰、反演效果好.     

简化混合域全波形反演多GPU加速策略

全波形反演利用地震记录中的振幅、走时和相位等信息,通过拟合实际地震记录和计算波场来定量提取地下介质的弹性参数,进而为勘探地震成像、速度建模以及大尺度构造演化分析等提供可靠依据.但全波形反演计算量巨大,特别是应用于三维大区块叠前数据时,生产成本仍然很高.本文介绍并比较了时间域和频率域的全波形反演方法,综合两者的优点,最终采用混合域的反演算法,并且在此基础上做了进一步的简化以提高计算效率.针对全波形反演方法应用于大规模叠前数据时易陷入局部极小值的问题,我们提出对模型数据进行分割,同时在数个小模型内进行梯度搜索,然后对比各个局域的梯度,最终找出合适的全局下降方向,以克服局部极小的隐患.该方法能够充分利用GPU的硬件特性.在GPU环境下实现本文所提出的简化混合域全波形反演算法.数值计算实例体现出新方法具有良好的计算效率、反演精度和算法可扩展性.     

二维时间空间域和频率空间域声波全波形速度反演方法的对比研究

本文将二维时间空间域和频率空间域声波全波形速度反演方法分别应用到Marmousi模型,进行数值试验.两种方法均采用相同的观测系统和其他的参数,理论模型的数值试验结果证实了:使用较多的计算集群的CPU进行二维频率空间域直接法声波全波形反演时,其加速有限(正演数值模拟的计算量主要用于稀疏矩阵的LU分解,炮点计算波场时为线性关系).二维时间空间域声波全波形反演计算时更灵活,多炮同时计算时,可以多倍提高其计算效率;二维声波全波形速度反演时,直接法求解频率空间域的计算速度远快于时间空间域,所需要的计算机内存也比时间空间域少.二维声波全波形速度反演时,相比较于时间空间域的方法,频率空间域直接法声波全波形反演具有计算速度快和节省计算机内存需求的优势.     

跨孔雷达全波形反演成像方法的研究

跨孔雷达全波形反演是一种使用全波形信息反演两钻孔之间地下信息的层析成像技术.常规的层析成像反演大部分采用射线追踪方法,其中基于初至时的射线追踪方法可以反演出速度剖面（介电常数剖面）,基于最大振幅的层析成像可以反演出衰减剖面（电导率剖面）.常规射线追踪方法有许多不足,究其原因是该方法仅使用了小部分的信号信息.为了进一步提高成像分辨率,本文全面推导了全波形跨孔雷达层析成像反演方法,该方法利用雷达波全幅度相位信息能够反演出地下高分辨率的介电常数和电导率图像.本文通过基于局域网的分布式并行算法,有效地解决了巨量数据正演计算问题.文中首先建立了基于单轴各向异性介质完全匹配层的时间域有限差分二维正演算法,进而通过应用包括时间维度在内的全波场信息与残场逆向传播的全波场信息乘积来计算梯度方向,通过求取以步长为自变量的目标函数的极值确定步长公式,并提出以第一次介电常数反演作为同步反演的初始模型,能够有效提高收敛速度.本文对多组模型进行成像实验,取得了较好的反演效果.     

CPU/GPU协同计算在频率域二维全波形反演中的应用

全波形反演利用波场的运动学和动力学信息重建地下物理参数,是建立高精度速度模型的有效手段,巨大的计算量是制约其实用化的瓶颈之一。本文针对全波形反演中频率域正演的复杂计算问题,采用粗细结合的并行策略,将MPI技术应用于多炮间并行计算,同时利用GPU技术加速正演过程中大型稀疏线性代数方程组的求解,以提高频率域全波形反演的计算效率。通过理论模型验证本文方法的正确性和有效性,给出不同数据量与GPU计算效率的相关分析结论,提出频率域全波形反演CPU/GPU协同并行计算的制约瓶颈和发展方向。      

频率域全波形反演方法研究进展

全波形反演方法利用叠前地震波场的运动学和动力学信息重建地下速度结构,具有揭示复杂地质背景下构造与岩性细节信息的潜力.根据研究需要,全波形反演既可在时间域也可在频率域实现.频率域相对于时间域反演具有计算高效、数据选择灵活等优势.近十几年来频率域全波形反演理论在波场模拟方法、反演频率选择策略、目标函数设置方式、震源子波处理方式、梯度预处理方法等方面取得了进展.目标函数存在大量局部极值的特性是影响反射地震全波形反演效果的重要内在因素之一.如果将Laplace域波形反演、频率域阻尼波场反演、频率域波形反演三种方法有机结合,可以降低反演的非线性程度.     

基于新的惩罚因子算法的波场重构反演

全波形反演是一种高精度的反演方法,其目标函数是一个强非线性函数,易受局部极值影响,而且反演过程计算量较大.波场重构反演是近几年提出的一种改进的全波形反演理论.该反演方法通过将波动方程作为惩罚项引入到目标函数中,通过拓宽解的寻找空间减弱了局部极小值的影响,而且反演过程不需要计算伴随波场,提高了计算效率.但该反演方法一直缺少准确的惩罚因子算法,直接影响到该方法的准确度.本文将波场重构反演拓展到时间域并利用梯度法进行波场重构.频率域的惩罚因子用来加强波动方程的约束,而时间域惩罚因子表现为调节模拟波场和实际波场的权重因子.为此,我们根据约束优化理论,在波动方程准确以及重构波场与反演参数解耦的假设下,提出以波动方程为目标函数的新的惩罚因子算法.根据波形反演在应用时普遍存在的噪音干扰、子波错误和低频信息缺失的情况下,应用部分Sigsbee2A模型合成数据对本文提出的算法进行实验.数值实验结果表明：基于新的惩罚因子算法,在其他信息不准确的情况下,波场重构反演可以给出高精度的反演结果.     

一种时间域全波形反演中的地震子波估计方法

全波形反演具有高精度成像能力,然而由理论走向实际应用还存在很多问题.全波形反演通过匹配波形来更新模型,数据的波形与地震子波有直接的关系.本文介绍了一种针对时间域波形反演的子波估计方法,并将其应用到全波形反演中.由于在频率域子波反演可表示为一个线性优化问题,因此本文先给定一个试探子波,在时间域通过有限差分法正演得到地震波场,并在频率域与观测数据比较分析,反演得到预测子波.此外,本文还简要地介绍了如何使用伴随状态法计算全波形反演的梯度.数值实验证明,本文方法反演得到地震子波与真实子波具有很好的吻合度,并在全波形反演中取得了不错的效果.相比不依赖于子波的方法,提前进行子波估计可提高反演效率.此外,本文方法适用于全波形反演中常使用的多尺度反演策略.     

频率多尺度全波形速度反演

以二维声波方程为模型,在时间域深入研究了全波形速度反演.全波形反演要解一个非线性的最小二乘问题,是一个极小化模拟数据与已知数据之间残量的过程.针对全波形反演易陷入局部极值的困难,本文提出了基于不同尺度的频率数据的"逐级反演"策略,即先基于低频尺度的波场信息进行反演,得出一个合理的初始模型,然后再利用其他不同尺度频率的波场进行反演,并且用前一尺度的迭代反演结果作为下一尺度反演的初始模型,这样逐级进行反演.文中详细阐述和推导了理论方法及公式,包括有限差分正演模拟、速度模型修正、梯度计算和算法描述,并以Marmousi复杂构造模型为例,进行了MPI并行全波形反演数值计算,得到了较好的反演结果,验证了方法的有效性和稳健性.     

天然气水合物似海底反射层的全波形反演

建立了天然气水合物似海底反射层(BSR)研究的全波形反演方法. 这是一种将 水平层状弹性介质的反射共中心点道集转换为截距时间-水平慢度域的反演方法. 反演过程 中采用了全局搜索方法与非线性局部搜索方法. 分两步进行. 第一步是根据走时数据应用非 常快速模拟算法求得速度结构的长波长分量. 第二步，利用波形资料用共轭梯度法求得速度 的短波长扰动分量. 这样，最后反演得到的速度结构模型包含了长波长与短波长分量. 反演 中利用了多网格参数化技术. 日本东南海海槽双BSR的速度结构的反演表明，全波形反演是 天然气水合物BSR研究的重要手段之一.     

基于对数目标函数的跨孔雷达频域波形反演

波形反演在探地雷达领域的应用已有十余年历史,但绝大部分算例属于时间域波形反演.频率域波形反演由于能够灵活地选择迭代频率并可以使用不同类型的目标函数,因而更加多样化.本文的频率域波形反演基于时间域有限差分(FDTD)法,采用对数目标函数,可在每一次迭代过程中同时或者单独反演介电常数和电导率.文中详细推导了频率域波形反演的理论公式,给出对数目标函数下的梯度表达式,并使用离散傅氏变换(DFT)实现数据的时频变换,能够有效地减少大模型反演的内存需求.在后向残场源的时频域转换过程中,提出仅使用以当前频点为中心的一个窄带数据,可以消除高频无用信号的干扰,获得可靠的反演结果.为加速收敛,采用每迭代十次则反演频率跳跃一定频带宽度的反演策略.实验证明适当的频率跳跃能够在不降低分辨率的基础上有效地提高反演效率.通过两组不同情形下合成数据反演的分析对比,证明基于对数目标函数的波形反演结果准确可靠.最后,将该方法应用到一组实际数据,得到较好的反演结果.     

Correlation‐based reflection waveform inversion by one‐way wave equations

Reflection full waveform inversion can update subsurface velocity structure of the deeper part, but tends to get stuck in the local minima associated with the waveform misfit function. These local minima cause cycle skipping if the initial background velocity model is far from the true model. Since conventional reflection full waveform inversion using two‐way wave equation in time domain is computationally expensive and consumes a large amount of memory, we implement a correlation‐based reflection waveform inversion using one‐way wave equations to retrieve the background velocity. In this method, one‐way wave equations are used for the seismic wave forward modelling, migration/de‐migration and the gradient computation of objective function in frequency domain. Compared with the method using two‐way wave equation, the proposed method benefits from the lower computational cost of one‐way wave equations without significant accuracy reduction in the cases without steep dips. It also largely reduces the memory requirement by an order of magnitude than implementation using two‐way wave equation both for two‐ and three‐dimensional situations. Through numerical analysis, we also find that one‐way wave equations can better construct the low wavenumber reflection wavepath without producing high‐amplitude short‐wavelength components near the image points in the reflection full waveform inversion gradient. Synthetic test and real data application show that the proposed method efficiently updates the background velocity model.     

3D acoustic waveform inversion in the Laplace domain using an iterative solver

In this paper we propose a 3D acoustic full waveform inversion algorithm in the Laplace domain. The partial differential equation for the 3D acoustic wave equation in the Laplace domain is reformulated as a linear system of algebraic equations using the finite element method and the resulting linear system is solved by a preconditioned conjugate gradient method. The numerical solutions obtained by our modelling algorithm are verified through a comparison with the corresponding analytical solutions and the appropriate dispersion analysis. In the Laplace‐domain waveform inversion, the logarithm of the Laplace transformed wavefields mainly contains long‐wavelength information about the underlying velocity model. As a result, the algorithm smoothes a small‐scale structure but roughly identifies large‐scale features within a certain depth determined by the range of offsets and Laplace damping constants employed. Our algorithm thus provides a useful complementary process to time‐ or frequency‐domain waveform inversion, which cannot recover a large‐scale structure when low‐frequency signals are weak or absent. The algorithm is demonstrated on a synthetic example: the SEG/EAGE 3D salt‐dome model. The numerical test is limited to a Laplace‐domain synthetic data set for the inversion. In order to verify the usefulness of the inverted velocity model, we perform the 3D reverse time migration. The migration results show that our inversion results can be used as an initial model for the subsequent high‐resolution waveform inversion. Further studies are needed to perform the inversion using time‐domain synthetic data with noise or real data, thereby investigating robustness to noise.     

Full waveform inversion using oriented time‐domain imaging method for vertical transverse isotropic media

Full waveform inversion for reflection events is limited by its linearised update requirements given by a process equivalent to migration. Unless the background velocity model is reasonably accurate, the resulting gradient can have an inaccurate update direction leading the inversion to converge what we refer to as local minima of the objective function. In our approach, we consider mild lateral variation in the model and, thus, use a gradient given by the oriented time‐domain imaging method. Specifically, we apply the oriented time‐domain imaging on the data residual to obtain the geometrical features of the velocity perturbation. After updating the model in the time domain, we convert the perturbation from the time domain to depth using the average velocity. Considering density is constant, we can expand the conventional 1D impedance inversion method to two‐dimensional or three‐dimensional velocity inversion within the process of full waveform inversion. This method is not only capable of inverting for velocity, but it is also capable of retrieving anisotropic parameters relying on linearised representations of the reflection response. To eliminate the crosstalk artifacts between different parameters, we utilise what we consider being an optimal parametrisation for this step. To do so, we extend the prestack time‐domain migration image in incident angle dimension to incorporate angular dependence needed by the multiparameter inversion. For simple models, this approach provides an efficient and stable way to do full waveform inversion or modified seismic inversion and makes the anisotropic inversion more practicable. The proposed method still needs kinematically accurate initial models since it only recovers the high‐wavenumber part as conventional full waveform inversion method does. Results on synthetic data of isotropic and anisotropic cases illustrate the benefits and limitations of this method.     

基于各向异性全变分约束的多震源弹性波全波形反演

多震源编码技术可以提高全波形反演的计算效率,但同时会引入串扰噪声使反演结果质量降低. 全变分约束可以有效地压制层内噪声并突出模型界面,其与多震源技术的结合,能在大大提高弹性波全波形反演效率的同时提高反演质量. 本文提出了一种高效的动态多震源全波形反演策略,可以在离散串扰噪声的同时保证照明的均匀性. 根据残留串扰噪声的分布特征,构建了与之匹配的基于各向异性全变分约束的弹性波全波形反演方法. 为了减少周期跳跃效应,将基于稀疏约束的低频重构算法应用于弹性波地震记录,给出了利用快速梯度投影算法求解各向异性全变分约束的全波形反演流程. 模型数据测试结果表明本文的方法不仅能有效地抑制多震源方法导致的串扰噪声,同时也能降低观测数据中的噪声对反演结果的影响.     

Full waveform inversion and the truncated Newton method: quantitative imaging of complex subsurface structures

Full waveform inversion is a powerful tool for quantitative seismic imaging from wide‐azimuth seismic data. The method is based on the minimization of the misfit between observed and simulated data. This amounts to the solution of a large‐scale nonlinear minimization problem. The inverse Hessian operator plays a crucial role in this reconstruction process. Accounting accurately for the effect of this operator within the minimization scheme should correct for illumination deficits, restore the amplitude of the subsurface parameters, and help to remove artefacts generated by energetic multiple reflections. Conventional minimization methods (nonlinear conjugate gradient, quasi‐Newton methods) only roughly approximate the effect of this operator. In this study, we are interested in the truncated Newton minimization method. These methods are based on the computation of the model update through a matrix‐free conjugate gradient solution of the Newton linear system. We present a feasible implementation of this method for the full waveform inversion problem, based on a second‐order adjoint state formulation for the computation of Hessian‐vector products. We compare this method with conventional methods within the context of 2D acoustic frequency full waveform inversion for the reconstruction of P‐wave velocity models. Two test cases are investigated. The first is the synthetic BP 2004 model, representative of the Gulf of Mexico geology with high velocity contrasts associated with the presence of salt structures. The second is a 2D real data‐set from the Valhall oil field in North sea. Although, from a computational cost point of view, the truncated Newton method appears to be more expensive than conventional optimization algorithms, the results emphasize its increased robustness. A better reconstruction of the P‐wave velocity model is provided when energetic multiple reflections make it difficult to interpret the seismic data. A better trade‐off between regularization and resolution is obtained when noise contamination of the data requires one to regularize the solution of the inverse problem.