Академический Документы
Профессиональный Документы
Культура Документы
Tracado de Raios
A propagacao de sinais ssmicos em um meio pode ser representada de diversas maneiras, tais como modelos analticos, diferencas nitas e tracados de raios. A modelagem
analtica e bastante eciente computacionalmente porem restringe-se a casos relativamente
simples, tornando-a limitada. Atraves das diferencas nitas podemos modelar meios complexos, contudo seu custo computacional e mais elevado. A modelagem utilizando tracados
de raios permite modelar meios com exatidao e eciencia computacional.
Um raio e o caminho seguido pela energia indo de uma fonte a um receptor, ou seja, sao
tracados raios perpendiculares a`s frentes de onda (para um meio isotropico), que representa a
geometria ou tracado de raio. Estendendo esta abordagem para meios anisotropicos, perdese a perpendicularidade entre os raios e as frentes de ondas, formando assim um tracado
curvo.
3.1
Tra
cados de raios retos
Quando os contrastes de velocidade num modelo geologico sao relativamente baixos, o angulo
de transmissao do raio, entre as interfaces, pode ser considerado constante. Entao, podese aproximar a propagacao de ondas no modelo por raios retos entre a fonte e o receptor.
Essa modelagem tem alta eciencia computacional mas limita-se a modelos com pequenas
variacoes de velocidade.
3.2
Tra
cados de raios curvos
Quando o contraste de velocidade tem um valor mais acentuado, a ideia de raios retos nao
pode ser aplicada, e entao utilizamos uma outra ideia de transmissao que se baseia num
tracado de raio curvo.
Uma forma de se analisar o tracado de raio curvo e pelo princpio de Fermat, que
estabelece que a energia se propaga ao longo de caminhos que tornam o tempo de transito
mnimo, sendo este caminho modelado por um ente matematico denominado raio.
18
19
Matematicamente, o tempo de percurso de um raio, viajando de um ponto P 1 a um
ponto P2 , e dado por:
P2
n(x, z)
dl,
(3.1)
t=
c
P1
onde t e o tempo de transito, n(x, z) = c/v(x, z) e a distribuicao dos ndices de refracao
em um meio bidimensional, sendo c a velocidade do som em um meio de referencia e dl e a
diferencial do comprimento do arco ao longo do raio.
Pelo princpio de Fermat o caminho do raio sera aquele para o qual a integral acima e
um valor estacionario, logo:
P2
n(x, z)dl,
(3.2)
I=
P1
Equa
c
ao do raio
(3.5)
20
contudo, temos que:
dn
dn dr
dr
=
= n .
dl
dr dl
dl
Substituindo a equacao 3.6 em 3.5, temos:
dr dr
d2 r
+ n 2 = n.
n
dl dl
dl
(3.6)
(3.7)
1 d2 r 2
dr
l +
l ,
dl
2 dl2
(3.8)
(3.10)
zk+1 zk
,
l
(3.11)
cos k =
xk+1 xk
.
l
(3.12)
n n
i+
k.
x
z
(3.13)
dr
= nx cos k + nz sen k ,
dl
onde:
nx =
n
x
e nz =
n
.
z
(3.14)
(3.15)
21
Utilizando diferencas nitas podemos aproximar as derivadas direcionais do meio discretizado por:
n(i + 1, j) n(i 1, j)
,
(3.16)
nx (i, j) =
2x
e
n(i, j + 1) n(i, j 1)
nz (i, j) =
.
(3.17)
2z
O proximo ponto do raio pode ser estimado como:
xk+1 = xk + cos k l +
1
(nk,x dk cos k )l2 ,
2nk
(3.18)
1
(nk,z dk sen k )l2 ,
(3.19)
2nk
onde nk e o ndice de refracao; nk,x e a derivada de nk na direcao x e nk,z e a derivada de nk
na direcao z; l e constante e representa o deslocamento do raio, e dk e a derivada direcional.
zk+1 = zk + sen k l +
c
= csk ,
Vk
(3.20)
1
(sk,x dk cos k )l2 ,
2sk
(3.21)
zk+1 = zk + sen k l +
1
(sk,z dk sen k )l2 ,
2sk
(3.22)
(3.23)
22
Para se tornar o meio contnuo e necessario realizar algum tipo de interpolacao na
distribuicao das vagarosidades e de suas derivadas parciais. Considerando a interpolacao
bilinear descrita por Anderson e Kak (1982), que considera os quatros vertices do retangulo
da atual coordenada do raio, temos que a vagarosidade de cada retangulo e assumida para o
vertice de menor coordenada, ou seja, num retangulo compreendido entre os ndices i, i + 1,
j e j + 1 sera considerada para o ponto A de coordenadas (i, j). A interpolacao para o ponto
(xk , zk ) dentro do retangulo e dada por:
sk = pA sA + pB sB + pC sC + pD sD ,
(3.24)
(3.25)
(3.26)
(3.27)
pB = px pxz ,
(3.28)
pC = pz pxz ,
(3.29)
pD = pxz ,
(3.30)
23
onde:
xk xA
,
x
zk zA
,
pz =
z
pxz = px pz ,
(3.33)
pA + pB + pC + pD = 1.
(3.34)
px =
(3.31)
(3.32)
Esta metodologia, tracamento de raios, foi implementada computacionalmente em linguagem Fortran por Schots (1990) baseado no trabalho de Anderson e Kak (1982), tornando
possvel realizar o tracado de raios em meios geologicamente complexos.
3.3
Discretiza
c
ao do meio
Para uma abordagem tomograca necessitamos discretizar o meio, ou seja, dividi-lo para
que este possa ser tratado computacionalmente. No caso 2D, o procedimento consiste em
dividir o meio em blocos retangulares de dimensoes x e z como mostrado na Figura 3.2.
A partir desta divisao podemos determinar com a equacao do raio a distancia que cada
raio percorre em cada bloco e desta forma montar a matriz tomograca, ou seja, dividiremos
o meio em celulas.
Apesar, da frente de onda percorrer todo o meio, os raios nao o farao, visto que este
e apenas um ente matematico que indica o caminho que a onda percorre. Logo, torna-se
necessario uma boa disposicao de fontes e receptores e uma boa discretizacao do meio a m
de que nao ocorra um ma iluminacao do meio.
24
3.4
Liga
c
ao entre fonte e receptor
3.4.1
Neste metodo todos os caminhos dos raios sao tracados a partir de dois angulos iniciais, um
maximo (max ) e outro mnimo (min ) e de um incremento angular () tal que se faz variar
o angulo de emissao entre esses dois extremos com o valor do incremento angular, dado por:
i = min + i,
(3.35)
onde i = 0, 1, 2, ... ate que o valor maximo seja atingido, como mostrado na Figura 3.3.
O angulo de lancamento adotado sera aquele para o qual o raio mais se aproxime do
receptor. Contudo, apesar deste metodo se baseiar numa ideia singular seu custo computacional e bastante elevado, sendo seu uso indicado em casos que a vagarosidade do meio sofra
fortes variacoes.
25
3.4.2
M
etodo de liga
c
ao (linking method )
(3.36)
sendo o angulo de partida (1 ) formado pela linha reta que liga a fonte e o receptor e a
horizontal.
Tracando-se os tres raios, podemos aplicar o renamento de Newton-Raphson, entao
encontra-se uma estimativa para o proximo angulo de lancamento ( 1 ) que estara mais
proximo do receptor, sendo dado por:
1 = 1
2d1r
,
d23
(3.37)
onde d1r e a distancia entre as coordenadas do ponto nal do raio 1 e do receptor, d23 e a
distancia entre as coordenadas dos pontos terminais dos raios 2 e 3 e o sinal escolhido para
a equacao acima sera positivo caso encaminhe o novo angulo (1 ) no sentido do receptor e
negativo caso contrario, como mostrado na Figura 3.4.
26
Este processo de renamento dever-se-a repetir ate que a diferenca entre as posicoes nais dos raios e as posicoes dos receptores possuam um erro aceitavel, estipulado inicialmente,
levando-se em conta as heterogeneidades do modelo.
No presente trabalho foi utilizada esta metodologia como solucao para o problema de
ligacao fonte-receptor.
Tomografia Ssmica
Amin Bassrei
IGEO/CPGG/UFBA
1
Estrutura da apresentao
Introduo
Tomografia de tempo de trnsito
Tomografia de difrao
Regularizao
5 Exemplos
Introduo - Definio
Tomografia:
T
fi problema
bl
inverso
i
Tomografia: tomo + grafia
Tomo (): fatia
Grafia: estudo
estudo, imagem
Introduo
A tomografia uma tcnica de reconstruo de uma seo
a ppartir das projees
p j
de suas propriedades.
p p
Pode-se classificar as tcnicas tomogrficas em duas
grandes classes:
Tempo de trnsito;
Forma de onda.
Histrico
1956 Imageamento em astronomia (Bracewell)
1961 Primeiro relatrio de tomografia mdica
1972 Primeiro tomogrfo de raio X comercial
1977 Geotomografia eletromagntica
1979 Prmio Nobel de Medicina (Hounsfield e Cormack)
1984 Tomografia global
1984 Tomografia ssmica (Congresso da SEG em Atlanta)
Levantamento tomogrfico
Fonte ssmica
Receptores
10
11
12
13
*
*
*
*
*
Velocidade (m/s)
Tempo de trnsito
14
Inverso tomogrfica
Onde:
15
Inverso tomogrfica
Inverso tomogrfica
Como G funo
f no de m (problema no
no-linear),
linear) fa
faz-se
se
necessrio atualizar a matriz G atravs de novo traado
de raios com os parmetros atualizados.
Ligao fonte/receptor
Ligao fonte/receptor
Ray linking:
z
mximo
Fonte
mnimo
x
Receptor
19
Tomografia de difrao
10
Campo incidente
Campo espalhado
Ponto difrator
Meio homogneo
Ponto difrator
21
Diferenas finitas
f i '' =
f i+1 2 f i +
h 2
f i1
.
22
11
Tomografia de difrao
[ + k ] P (r , )= 0.
c0
O ( r )= 1
c
(r )
integral
g (Lippman-Schwinger):
( pp
g )
Soluo
2
PSCAT (r ) = k 0 O(r ' )G(r | r ' )[ P0 (r ' ) + PSCAT (r ' )]dr '.
A(r ')
23
Tomografia de difrao
P0 (r' ) = G(r' | rS ).
12
Regularizao
Os problemas inversos em geofsica so em geral malp
postos:
Geometria de aquisio de dados limitada;
Dados qualitativamente insuficientes (iluminao inadequada);
Rudo.
Regularizao
As solues so obtidas a partir da minimizao
ponderada do erro e da derivada do modelo:
(m) = eTe + (Dnm)T(Dnm).
A soluo com regularizao dada por:
m = (ATA+DTD)+ATd.
Na qual D um operador derivativo e chamado de
fator ou parmetro de regularizao, o qual equilibra o
compromisso entre erro e suavidade na soluo.
26
13
Curva L
A curva L um critrio heurstico para a
escolha do parmetro timo de
regularizao.
Lawson e Hanson (1974) no livro Solving
Least Squares Problems apresentam um
grfico precursor da curva L como mtodo
de anlise para o MMQ amortecido
(regularizao de ordem 0).
Hansen criou a denominao curva L,
publicando o primeiro artigo sobre a mesma
em 1992.
Tambm so de autoria de Hansen um livro
sobre problemas mal-postos (1998) bem
como um pacote de funes de
regularizao (1992).
27
Curva L
Cada ponto da curva L corresponde a um determinado
parmetro de regularizao () utilizado na inverso.
||Dnm||2
1
3
Joelho da curva ( timo).
Ponto de mxima curvatura.
||e||2
28
14
29
30
15
31
32
16
33
34
17
35
36
18
37
38
19
39
40
20
41
42
21
43
44
22
45
46
23
47
48
24
j g
gradiente:
g
Inverso utilizando conjugado
Dados reais
Adversidades encontradas:
Quantidade de dados;
Tempo de processamento;
Regies no iluminadas pelos raios;
Traado de raios / ray-linking em meio com fortes
heterogeneidades no campo de velocidades;
Rudo;
Erros de picking.
50
25
Fontes
0.15
10
0 14
0.14
20
30
0.13
40
50
0.12
60
0.11
70
80
01
0.1
90
100
0.09
110
0.08
20
40
60
80
100
120
140
160
180
200
Receptores
51
52
26
Velocidade (m/s)
Profundidade (m)
Deslocamento (m)
53
Velocidade (m/s)
Profundidade (m)
Deslocamento (m)
54
27
55
56
28
57
58
29
59
60
30
Simulao numrica
31
Profunddidade (m)
Velocidade (m/s)
Deslocamento (m)
Eixo x (clulas)
Eixo z (clulas)
Modelo com velocidade do meio constante (4,000 m/s)
e um bloco que a perturbao central (4,100 m/s).
||Dm||
Velocidade (m/s)
||e||
Eixo z (clulas)
Eixo x (clulas)
Inverso regularizada:
=0,004498; RMSc=0,045%.
63
Profunddidade (m)
Velocidade (m/s)
Deslocamento (m)
Eixo x (clulas)
Eixo z (clulas)
Modelo com velocidade do meio constante (3,000 m/s)
e uma perturbao circular central (3,300 m/s).
||Dm||
Velocidade (m/s)
||e||
Eixo z (clulas)
Curva L para regularizao de ordem 1.
Eixo x (clulas)
Inverso regularizada:
=0,01333; RMSc=0,52%.
64
32
Velocidaade (m/s)
Profundidaade (m)
Velociddade (m/s)
Deslocamento (m)
Eixo z (clulas)
Modelo sinttico de reservatrio (XWP).
Eixo x (clulas)
||Dm||
Velocidade (m/s)
||e||
Eixo z (clulas)
Eixo x (clulas)
65
Velocidaade (m/s)
Profundidaade (m)
Velociddade (m/s)
Deslocamento (m)
Eixo z (clulas)
Modelo sinttico de reservatrio (VSP).
Eixo x (clulas)
||Dm||
Velocidade (m/s)
||e||
Eixo z (clulas)
Curva L para regularizao de ordem 2.
Eixo x (clulas)
66
33
Velocidade (m/s)
Ve
Velocidade (m/s)
V
Eixo x (clulas)
Eixo z (clulas)
Inverso regularizada (XWP):
RMSc=0,48%.
Veloocidade (m/s)
Veloocidade (m/s)
Eixo x (clulas)
Eixo z (clulas)
Inverso regularizada (VSP):
RMSc=0,53%.
Eixo x (clulas)
Eixo z (clulas)
Soluo MMQ (XWP):
RMSc=0,53%.
Eixo x (clulas)
Eixo z (clulas)
Soluo MMQ (VSP):
RMSc=0,61%.
GCV - XWP
Velociddade (m/s)
Profundidaade (m)
Velocidaade (m/s)
Deslocamento (m)
Eixo z (clulas)
Modelo sinttico de reservatrio (XWP).
Eixo x (clulas)
G()
Velocidadde (m/s)
Eixo z (clulas)
Eixo x (clulas)
68
34
Sitientibus S
erie Ci^
encias F
sicas 03:
32-48 (2007)
Crit
erios de Selec
ao de Valores Singulares em Problemas Inversos Lineares:
uma Aplicac
ao em Tomografia de Tempos de Tr
ansito
Selection Rules for Singular Values in Linear Inverse Problems:
an Application on Traveltime Tomography
Amin Bassrei
Instituto de Fsica e CPGG UFBA
Salvador, BA, Brasil 40001-970
Os problemas inversos da Geofsica geralmente podem ser formulados como um sistema de
equacoes lineares. Tais problemas inversos sao geralmente mal-postos, isto e, suas solucoes
sao condicionadas pelos aspectos da existencia, unicidade e estabilidade. A tomografia
ssmica e uma tipo especial de problema inverso, que permite estimar uma funcao a partir de uma integral de linha da mesma. Na tomografia de tempos de transito, objeto deste
trabalho, a incognita do problema, ou seja, o vetor de parametro de modelo, e a distribuicao
bi-dimensional de vagarosidades, que e obtida a partir do conhecimento dos tempos de
transito entre fontes e receptores, que vem a formar o vetor de parametro de dado. Utilizando dados sinteticos fizemos varias simulacoes numa aplicacao de tomografia de tempos
de transito de transmissao. O exemplo, de medio porte, e uma idealizacao de um reservatorio
de hidrocarbonetos. Foi incorporado rudo gaussiano aos tempos de transito em diferentes
nveis. Os resultados foram satisfatorios, gerando tomogramas bastante semelhantes aos
valores verdadeiros.
Palavras-chaves: Problemas Inversos, Sismologia de Explora
c
ao, Tomografia de
Tempos de Tr
ansito, Decomposi
c
ao por Valores Singulares.
The inverse problems of Geophysics, in a general way, can be formulated as a system of linear
equations. These inverse problems, in the whole, are bad formulated, that is, their solutions
must satisfy the existence, uniqueness and stability conditions. The seismic tomography is
a special type of inverse problem that gives an estimation of a function from a line integral
of that function. In the transit-time tomography, the subject of this work, the variable of
the problem, that is, the parameter vector of the model is the slowness two-dimensional
distributions, which is obtained from the knowledge of transit-times between sources and
receptors, so establishing the parameter vector of data. By using trial data we make many
simulations testing the transit-time tomography of transmission. This example, as one of
medium size, is an idealization for a hydrocarbons reservoir. We merge to the transit-times
gaussian noise at different levels. The results were satisfactory with tomograms very similar
to the real values.
Key-words: Inverse Problems, Exploration Seismology, Transit-time Tomography, Singular Values Decomposition.
I.
INTRODUC
AO
Endereco Eletr
onico: bassrei@ufba.br
32
32-48 (2007)
Criterios de Seleca
o de Valores Singulares em ...
de nota mencionar que existem outras alternativas de se lidar com o problema dos pequenos valores singulares. Por exemplo, ao
se empregar a regularizac
ao por matrizes de
derivadas, mais conhecida como regularizac
ao
de Tikhonov, podem ser utilizados todos os valores singulares. Devido `a regularizac
ao da matriz tomografica, o efeito dos pequenos valores singulares sera desprezvel nao comprometendo a qualidade da soluc
ao estimada. Inclusive, essa tecnica ja e consagrada na literatura
geofsica. Uma aplicac
ao de regularizac
ao em
tomografia de tempos de transito, mesmo objeto de interesse do presente trabalho, pode ser
vista em [2]. Ja em [3] a regularizac
ao por matrizes de derivadas, e aplicada na tomografia
geofsica de difrac
ao.
Esse artigo esta dividido em seis partes. No
item Invers
ao de Dados e SVD fazemos
uma revisao de problemas inversos e do SVD. A
seguir, em Tra
cado Cinem
atico de Raios,
discutimos o metodo utilizado para a modelagem direta, que e o tracado de raios de ondas
transmitidas. No item Tomografia Ssmica,
apresentamos os fundamentos da tomografia
ssmica, em particular tomografia de tempos
de transito, e, os criterios de selec
ao listados
acima sao discutidos no item Crit
erios para
a Sele
c
ao de Valores Singulares. No item
Simula
c
oes em Tomografia de Tempos de
Tr
ansito apresentamos um exemplo com dados sinteticos e os resultados das simulac
oes, e,
por fim, apresentamos as Conclus
oes.
Sitientibus S
erie Ci^
encias F
sicas 03:
II.
DE DADOS E SVD
INVERSAO
Matematicamente classificamos os problemas inversos como problemas do tipo malposto ou seja, que nao respeitam pelo menos
uma das seguintes condic
oes: (i) existencia da
soluc
ao; (ii) unicidade da soluc
ao; e (iii) estabilidade da soluc
ao. Os problemas inversos
geofsicos lineares, ou linearizados, podem ser
formulados como um sistema linear de equac
oes
[4]:
d = Gm,
33
Sitientibus S
erie Ci^
encias F
sicas 03:
isto e, 1 2 ... k .
A inversa generalizada e expressa por
32-48 (2007)
G+ = V + U T ,
onde + e uma matriz diagomal N M , que
contem os recprocos dos valores singulares
nao-nulos de G, isto e,
E 0 0
0 0 0
+ = . . .
. ,
.. .. . . ..
m = G1 d.
Entretanto, uma matriz G somente e inversvel se for quadrada e possuir posto completo. Como este e um caso muito especfico
e raro em problemas geofsicos reais, tornamse necessarios procedimentos de resolucao para
matrizes nao-quadradas e/ou com posto incompleto.
0 0 0
e E e a matriz quadrada
expressa por
1
1
0
0 1
2
E= .
..
..
.
Um sistema linear pode apresentar tres possibilidades diferentes de solucao. (1) O sistema pode ter uma u
nica solucao mest . Neste
caso classificamos o sistema como determinado
(M = N ). (2) O sistema pode apresentar infinitas solucoes, podendo ser entao chamado
de sobredeterminado (M > N ). (3) O sistema pode nao apresentar nenhuma soluc
ao
sendo chamado entao de sistema subdeterminado (M < N ).
diagonal de ordem k
..
.
0
0
..
.
k1
Se a soluc
ao estimada e definida por mest =
ent
ao ela pode ser calculada pela
relac
ao:
G+ dobs ,
mest = V + U T dobs .
O vetor de parametros de modelo m pode
ser denotado por mver , se este for o vetor verdadeiro, ou por mest , no caso do vetor estimado, isto e, o resultado de um processo de invers
ao de dados. O vetor mver e conhecido apenas em exemplos artificiais, geralmente chamados de exemplos com dados sinteticos, uma vez
que na vida real nunca se conhece mver . Isso se
deve ao fato que, em geral, nao existe acesso direto ao interior do planeta, nem mesmo em profundidades mais rasas. Em exemplos sinteticos
e comum calcular o erro entre mver e mest tal
qual apresentado no item Crit
erios para a
Sele
c
ao de Valores Singulares.
Com o conhecimento mest pode calcular
os parametros de dados calculados, pela expressao:
O conceito de inversa generalizada foi desenvolvido inicialmente por Moore e de forma mais
completa por Penrose [5]. Considere uma matriz G de dimensoes M N . Se: (i) GG+ G =
G, (ii) G+ GG+ = G+ , (iii) (GG+ )T = GG+ ,
e (iv) (G+ G)T = G+ G, entao a matriz inversa
de dimensoes N M , denotada por G+ , sera
u
nica. O modo mais comum de se calcular a
pseudo-inversa G+ e usando o SVD [6].
Uma matriz retangular G, de dimensoes
M N , com posto k, pode ser decomposta
como:
G = U V T ,
onde U e uma matriz M M que contem
os autovetores ortonormalizados de GGT , V e
uma matriz N N que contem os autovetores
ortonormalizados de GT G, e e uma matriz
diagonal, M N , que contem os valores singulares () de G, dispostos em ordem decrescente,
32-48 (2007)
Criterios de Seleca
o de Valores Singulares em ...
Sitientibus S
erie Ci^
encias F
sicas 03:
III.
r(s + s) = r(s) +
TRAC
ADO CINEMATICO
DE
RAIOS
(2)
r(s + s) = r(s) +
+
dr
s
ds
1
dr dr
[n (n. ) ]s2 . (3)
2n
ds ds
= cos k i + sen k k,
ds
sao, respectivamente, os vetores
onde i e k
unit
arios nas direc
oes x e z, e e o angulo formado entre a direc
ao do raio e o eixo horizontal.
O angulo esta associado `as coordenadas pelas
express
oes:
d dr
(n ) = n,
ds ds
sendo o ndice de refracao n dado por
c
n(x, z) =
,
v(x, z)
sen k+1 =
zk+1 zk
,
s
cos k+1 =
xk+1 xk
.
s
d2 r
dn dr
+ n 2 = n,
ds ds
ds
n n
i+
k,
x
z
mas,
dn
dn dr
dr
=
= n ,
ds
dr ds
ds
de forma que
(n
dr
1 d2 r 2
s +
s .
ds
2 ds2
dr
= nx cos k + nz sen k ,
ds
(4)
(1)
nx =
35
n
,
x
Sitientibus S
erie Ci^
encias F
sicas 03:
IV.
nz =
n
.
z
n(i + 1, j) n(i 1, j)
,
2x
nz (i, j) =
n(i, j + 1) n(i, j 1)
.
2z
xk+1 = xk +cos k s+
e
zk+1 = zk +sen k s+
1
(nzk dk sen k )s2 ,
2nk
1
(vxk dk cos k )s2 ,
2vk
(5)
e
zk+1 = zk +sen k s+
TOMOGRAFIA S
ISMICA
A Geofsica de Explorac
ao tem como um
dos seus principais objetivos a obtenc
ao de imagens precisas da subsuperfcie. Para tal, diversas tecnicas foram introduzidas na ind
ustria
do petroleo no decorrer das u
ltimas decadas. A
geotomografia e uma dessas tecnicas mais recentes. Historicamente o objetivo principal da
Sismologia de Explorac
ao e a determinac
ao das
velocidades de propagac
ao das ondas ssmicas
em subsuperfcie. A tomografia ssmica e uma
tecnica de reconstruc
ao de imagens a partir das
somas dos valores das propriedades em determinadas direc
oes [9, 10]. A reconstruc
ao tomografica e um tipo especial de problema inverso que permite estimar uma func
ao a partir de integrais de linha da mesma. A tomografia surgiu primeiramente na Medicina para
o imageamento do corpo humano. Um conjunto de fontes e receptores gira em torno do
paciente de modo a se ter uma varredura completa, o que ira proporcionar imagens de mais
alta resoluc
ao. Geralmente na Medicina se
utiliza raios-X. Em Geofsica, diferentemente
da Medicina, nao se pode realizar uma volta
completa em torno do objeto de estudo. Ao
inves de raios-X se utilizam ondas mecanicas ou
outras ondas eletromagneticas. A tomografia
ssmica e utilizada na explorac
ao de hidrocarbonetos para a estimac
ao das propriedades
fsicas da subsuperfcie, particularmente a velocidade. Existem duas classes gerais de tomografia ssmica: a tomografia de difrac
ao
que e uma abordagem dinamica, e a tomografia de tempo de transito, que e uma abordagem cinematica. O presente trabalho lida
com a tomografia de tempo de transito, que
e assim chamada porque utiliza o tempo de
transito entre fontes e receptores. Esses tempos de transito constituem o chamado vetor
de parametros de dado d, que e a informac
ao
de entrada na inver
ao tomografica. A matriz G utilizada na tomografia descreve a geometria dos raios que conectam fontes e receptores. A informac
ao de sada invers
ao tomografica e o vetor de parametros de modelo,
m, que contem os valores de vagarosidade do
32-48 (2007)
1
(vzk dk sen k )s2 ,
2vk
(6)
sendo
dk = vxk cos k + vzk sen k .
As equacoes (5) e (6) permitem o calculo do
tracado do raio entre fontes e receptores. Neste
trabalho foi utilizado o programa FORTRAN
de tracado de raios desenvolvido por Schots [8].
36
32-48 (2007)
Criterios de Seleca
o de Valores Singulares em ...
Sitientibus S
erie Ci^
encias F
sicas 03:
g
| 0 (s s0 ).
s s=s
V.
DE
CRITERIOS
PARA A SELEC
AO
VALORES SINGULARES
Sitientibus S
erie Ci^
encias F
sicas 03:
d (%) =
lim
xi+1 xi
m =
m (%) =
2
(tobs
i )
i=1
i=1
N
P
100.
2
(sver
i )
i=1
Erro do dado. A partir da analise dos resultados obtidos na inversao tomografica tornase necessario a quantificacao da diferenca entre
os tempos de transito observados e os calculados. Esse erro e expresso como:
s
M
P
calc )2
(tobs
i ti
M
100.
f (xi+1 ) f (xi )
,
xi+1 xi
i=1
M
P
onde N e o n
umero de blocos da malha, sver
i
sao as vagarosidades verdadeiras, e sest
s
a
o
as
i
vagarosidades estimadas.
d =
i=1
i=1
32-48 (2007)
N
X
est
E=
(sest
i si ).
i=1
onde M e o n
umero de raios (n
umero de fontes
n
umero de receptores), tobs
sao os tempos
i
calc
de transito observados, e ti sao os tempos de
transito calculados.
32-48 (2007)
Criterios de Seleca
o de Valores Singulares em ...
Sitientibus S
erie Ci^
encias F
sicas 03:
H=
N
X
i=1
sest
i log
1
.
sest
i
SIMULAC
OES
EM TOMOGRAFIA
DE TEMPOS DE TRANSITO
O modelo adotado e um meio geologico discretizado em 900 blocos, com 30 blocos na horizontal e 30 na vertical, conforme pode ser visto
na Figura 2. Cada bloco tem o formato de
um quadrado com 30 m de aresta. As principais feicoes sao uma camada de baixa velocidade, com 1.700 m/s e uma heterogeneidade
de alta velocidade, com 3.400 m/s, que seria o reservatorio com hidrocarbonetos. A tomografia deve fornecer a velocidade estimada
de cada bloco, que modo que seriam ent
ao
900 incognitas. A aquisicao de dados e do
tipo poco-a-poco, onde 30 fontes estao distribudas com espacamento uniforme no poco
39
Sitientibus S
erie Ci^
encias F
sicas 03:
rudo. A Figura 7(b) apresenta as mesmas curvas num detalhe maior. As duas figuras indicam que a entropia aumenta `a medida que
o nvel de rudo e maior, fato semelhante com
o que ocorre com os criterios de d , m e E.
Tambem, ambas figuras sugerem que a entropia
e estavel ate aproximadamente 830 valores singulares, e depois apresenta uma tendencia crescente. Valores grandes de entropia representam soluc
oes mais complexas, o que significa
aqui soluc
oes com muitas flutuac
oes, distantes
da realidade fsica. Mais uma vez concluimos
que o n
umero maximo de valores singulares a
ser utilizado na invers
ao deve ser em torno de
830 ou 835.
A conjugac
ao dos criterios aplicados permite concluir que o n
umero ideal de valores singulares, para este problema, e em torno de 830
ou 835. Escolhendo, por exemplo, 835 valores
singulares, obtivemos o tomograma da Figura
8 que indica as velocidades estimadas, no caso
para = 0. Note-se a grande semelhanca entre
esse resultado e a Figura 2 que mostra o tomograma verdadeiro. Note-se que essa abordagem
poderia ser mais apurada se a escala horizontal fosse de maior detalhe, como por exemplo,
entre 820 e 840 valores, ao inves de 800 a 900
valores singulares. Alem disso, restrigindo o
faixa de valores singulares, pode-se trabalhar
com tabelas de n
umeros e nao mais com curvas.
VII.
32-48 (2007)
CONCLUSOES
32-48 (2007)
Criterios de Seleca
o de Valores Singulares em ...
do modelo estimado e a entropia do modelo estimado. Utilizando estes quatro criterios mais
o comportamento do decaimento dos valores
singulares, e a derivada dos valores singulares,
conclumos que, para o exemplo numerico apresentado, o n
umero otimo utilizado foi em torno
de 830 ou 835 valores singulares, dentro de um
conjunto de 900 valores. A utilizac
ao de diferentes nveis de rudo mostrou-se valida, tendo
em vista que a metodologia se apresentou robusta em relacao `a adicao de rudo, e, os valores dos criterios foram proporcionais aos diferentes nveis de rudos. Os resultados foram
satisfatorios, pois os tomogramas gerados utilizando esta metodologia, tal qual o apresen-
Sitientibus S
erie Ci^
encias F
sicas 03:
Agradecimentos
41
Sitientibus S
erie Ci^
encias F
sicas 03:
1200
1000
800
600
400
200
0
0
42
32-48 (2007)
Sitientibus S
erie Ci^
encias F
sicas 03:
Criterios de Seleca
o de Valores Singulares em ...
32-48 (2007)
MODELO VERDADEIRO
ditancia horizontal (m)
150
300
450
600
750
900
3400
150
300
450
600
750
1700
2500
3000
3500
900
2000
y
FIGURA 2 Modelo utilizado para as simulac
oes, com 900 blocos, sendo 30 blocos
por linha horizontal e 30 blocos por linha vertical. A aquisic
ao de dados e do tipo
poco-a-poco com 30 fontes regularmente espacados no poco `
a esquerda. Igual n
umero
de receptores, tambem regularmente espacados, no poco `
a direita.
43
Sitientibus S
erie Ci^
encias F
sicas 03:
(a)
amplitude valor singular
0.0001
8e-05
6e-05
4e-05
2e-05
0
800
820
840
860
880
900
880
900
(b)
amplitude valor singular
0.0001
8e-05
6e-05
4e-05
2e-05
0
800
820
840
860
(c)
0.01
derivada
1e-04
1e-06
1e-08
1e-10
1e-12
800
820
840
860
880
900
44
32-48 (2007)
Sitientibus S
erie Ci^
encias F
sicas 03:
(a)
0.01
alpha=0.0
alpha=0.001
alpha=0.005
alpha=0.01
alpha=0.05
alpha=0.1
0.008
erro do dado
Criterios de Seleca
o de Valores Singulares em ...
32-48 (2007)
0.006
0.004
0.002
0
800
820
840
860
880
900
(b)
0.002
alpha=0.0
alpha=0.001
alpha=0.005
erro do dado
0.0015
0.001
0.0005
0
800
820
840
860
880
900
45
(a)
Sitientibus S
erie Ci^
encias F
sicas 03:
energia do erro
0.0002
0.00015
0.0001
alpha=0.0
alpha=0.001
alpha=0.005
alpha=0.01
alpha=0.05
alpha=0.1
5e-05
0
800
820
840
860
880
900
(b)
1e-05
energia do erro
8e-06
6e-06
4e-06
alpha=0.0
alpha=0.001
alpha=0.005
alpha=0.01
alpha=0.05
alpha=0.1
2e-06
0
800
820
840
860
880
900
46
32-48 (2007)
Sitientibus S
erie Ci^
encias F
sicas 03:
(a)
12
entropia do modelo
10
8
Criterios de Seleca
o de Valores Singulares em ...
32-48 (2007)
alpha=0.0
alpha=0.001
alpha=0.005
alpha=0.01
alpha=0.05
alpha=0.1
6
4
2
0
800
820
840
860
880
900
(b)
entropia do modelo
7
6
5
alpha=0.0
alpha=0.001
alpha=0.005
alpha=0.01
alpha=0.05
alpha=0.1
4
3
2
800
820
840
860
880
900
47
Sitientibus S
erie Ci^
encias F
sicas 03:
MODELO RECUPERADO
ditancia horizontal (m)
150
300
450
600
750
900
3436.36
150
300
450
600
750
1681.33
2500
3000
3500
900
2000
y
FIGURA 8 Modelo estimado utilizando 835 valores singulares, com dados livre de
rudo ( = 0).
48
32-48 (2007)
ARTICLE IN PRESS
Received 2 May 2006; received in revised form 10 August 2006; accepted 27 August 2006
Abstract
Since inverse problems are usually ill-posed it is necessary to use some method to reduce their deciencies. The method
that we choose is the regularization by derivative matrices. When a rst derivative matrix is used the order is called the rst.
Then, second-order regularization is when the matrix is formed by second-order differences, and order zero means that the
regularization matrix is the identity. There is a crucial problem in regularization, which is the selection of the regularization
parameter l. We used the L-curve as a tool for the selection of l, and we propose a new extension, which we call the Ycurve. The tool was applied in geophysical diffraction tomography in two acquisition geometries: cross-hole and vertical
seismic prole (VSP), where the goal is to obtain the 2-D velocity distribution from the measured values of the scattered
acoustic eld. We present several simulation results with synthetic data, for the three regularization orders mentioned
above. We validate the necessity of some kind of regularization, as well as the feasibility of both parameter selection
approaches.
r 2006 Elsevier Ltd. All rights reserved.
Keywords: Inverse problems; Diffraction tomography; Regularization; Regularization parameter; L-curve; Y-curve
1. Introduction
The main purpose of exploration geophysics for
hydrocarbons is to provide trustworthy images of
the subsurface, which can indicate potential hydrocarbon reservoirs. Exploration seismology, better
known as seismics, is the area of applied geophysics
most employed for the subsurface imaging in
hydrocarbons reservoirs. And within seismics,
Corresponding author. Tel.: +55 71 3203 8508;
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
619
of linearized inverse problems, in a typical iterative process to obtain the linearized solution to
the corresponding non-linear problem. Thus,
the best l is estimated for each linearized iteration.
To ensure that the regularization parameter decreases along iterations, an attenuation factor is
multiplied by the regularization parameter at the
last iteration to limit the next maximum allowable
parameter.
Some other relevant works that consider the
aspect of parameter selection, either generally, or in
geophysical applications are Hansen (1992, 1998),
Bouman and Sauer (1993), Hansen and OLeary
(1993), Hanke (1996), Hanke and Raus (1996),
Reginska (1996), Vogel (1996), Belge et al. (2002),
Calvetti et al. (1999), Kilmer and OLeary (2001),
Soupios et al. (2001, 2003), Castellanos et al. (2002)
and McCarthy (2003).
In the present work, to our knowledge the rst
one in geophysical diffraction tomography using
regularization with search for the optimum parameter, we employ the L-curve and an extension of it,
which we call the Y-curve, in cross-hole and vertical
seismic prole (VSP) geophysical diffraction tomography. In the L-curve the x-axis represents the
error between the observed data and the calculated
one, and the y-axis represents the amount of
regularization of the solution. The L-curve was
reintroduced in the literature of inverse problems by
Hansen (1992, 1998) and he also produced a
toolbox (Hansen, 1992). Hansens book (1998) is a
very good source of information for a more rigorous
treatment of the L-curve.
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
and
(1)
(2)
(3)
(4)
...
1
2
...
2
...
B0
B
B.
.
D2 B
B.
B
@0
...
2
...
2
..
0 C
C
C
...C
C.
C
0 A
1
(6)
||Dlm||2
Smaller error
620
L-curve's knee
(best )
2
Smoother solution
3
||e||2
1
(5)
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
1 q2 Ur; t
,
c2 r qt2
r2 k2 Pr; o 0,
(8)
(9)
1
10
(7)
Or 1
||Dlm||2
621
(10)
290
30
Ar0
(11)
5
||e||2
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
622
Table 1
lbest and crms (%) of all simulations
Method
lbest
crms (%)
Order 0: L-curve
Order 0: Y-curve
Order 1: L-curve
Order 1: Y-curve
Order 2: L-curve
Order 2: Y-curve
Least squares
0.0008
0.0666
0.0006
0.0769
0.0003
0.0514
0.0742
0.0572
0.0687
0.0520
0.0703
0.0505
0.0568
Order 0: L-curve
Order 0: Y-curve
Order 1: L-curve
Order 1: Y-curve
Order 2: L-curve
Order 2: Y-curve
Least squares
0.0060
0.0045
0.0111
0.0061
0.0041
0.0038
0.6895
0.7750
0.5175
0.5506
0.5331
0.5385
2.6842
Order 0: L-curve
Order 0: Y-curve
Order 1: L-curve
Order 1: Y-curve
Order 2: L-curve
Order 2: Y-curve
Least squares
0.1234
0.1322
0.1599
0.3035
0.2449
0.4784
0.5130
0.5107
0.5125
0.4823
0.5309
0.4856
0.5260
Order 0: L-curve
Order 0: Y-curve
Order 1: L-curve
Order 1: Y-curve
Order 2: L-curve
Order 2: Y-curve
Least squares
0.2139
0.2256
0.2783
0.2971
0.8463
0.5867
0.5953
0.5938
0.5494
0.5456
0.5278
0.5423
0.6076
(13)
(14)
velocity (m/s)
Model
3300
3200
3100
3000
0
ve
rti
ca
l
di
st
an
ce
15
10
lls)
e (ce
tanc
10
(c
el
ls)
15 0
l dis
onta
horiz
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
623
100
0.00015514
0.00076938 0.0038155
0.018922
3300
velocity (m/s)
101
0.093839
0.46537
10-1
2.3079
3200
3100
10-2
3000
0
ve
rti
ca
11.4452
10-3
5
ist
an 10
ce
(c
el
ls) 15 0
281.4836
10-4
10-3
10-2
10-1
residual norm || A x - b ||2
15
ld
56.7596
100
5
o
horiz
ntal
1.005
0.01268
0.00015514
0.0011481
0.995
0.14003
5.1395
3.444
0.062882
38.0352
188.6251
420.0554
281.4836
2.3079
0.0017134
0.99
0.69447
0.985
0.0025568
1.0363
0.98
0.0056939
0.975
0.97
0.0038155
0.965
0
10
15
dist
10
s)
(cell
ance
20
25
30
35
40
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
3300
3200
3100
3300
3200
3100
3000
2900
0
ve
rti
ca
l
ld
ist
15
an
ce
10
(c
el
ls) 15 0
10
cells)
(
5
tance
al dis
t
n
o
oriz
st
15
an
ce
10
(c
ls)
10
5
15 0
hori
al d
zont
istan
ce (
ells)
4100
4050
4000
3950
3900
ve 0
rti
ca
l
3000
0
ve
rti
ca
di
el
velocity (m/s)
velocity (m/s)
velocity (m/s)
624
dis
ta
15
10
e
(c
ell
s)
10
nc
15 0
ells)
ce (c
tan
tal dis
on
horiz
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
625
and in this case the global minimum, is straightforward, different from the corner visualization in
the L-curve. The least-squares solution is presented in Fig. 8. Comparing Figs. 5 and 8, or
Figs. 7 and 8, we can conclude the necessity of
some kind of regularization. Comparing Figs. 5
and 7 we can conclude that the two approaches
gave similar results, which is conrmed when we
compare the regularization parameters and the crms
estimator.
104
102
3.6405e-005
velocity (m/s)
4.1975e-007
3.9091e-006
0.00033904
10
10
-2
10
-4
0.0031575
0.029405
0.27385
2.5504
23.7516
221.1981
10-6
10-2
10-1
4100
4050
4000
3950
3900
0
ve
rti
ca
l
di
st
15
an
ce
(c
el
100
10
10
ls)
5
15 0
l dist
nta
orizo
1.0005
4.1975e-007
0.0001111
0.9995
0.0096357
1.4599
0.089737
13.5963 221.1981
0.27385
0.4784
23.7516
2.5504
41.4921
0.999
72.4832
0.9985
0.998
126.622
0.9975
0.997
0.9965
0.996
386.4146
0
10
15
(c
ance
ells)
20
25
30
35
40
Fig. 12. Example 3simple reef model. Cross-hole geometry data acquisition. Y-curve for second order.
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
626
4100
4050
4000
3950
3900
0
ve
rti
ca
l
di
15
st
an
ce
10
(c
el
ls)
15
5
0
10
s)
(cell
n
a ce
l dis
onta
horiz
0.00062724
100
0.0031368
0.015687
10-1
0.078449
0.39232
10-2
1.9619
10-3
9.8115
49.0666
10-4
245.3782
10-1.6
4000
3950
4100
4050
4000
3950
3900
0
ve
rti
ist
15
an
ce
10
10
(c
el
ls)
5
15 0
10-1.4
velocity (m/s)
4050
ld
10-1.5
4100
3900
ve 0
rti
ca
0.00012543
10-5
velocity (m/s)
velocity (m/s)
101
stan
al di
nt
orizo
s)
cell
ce (
ca
ld
ist
15
an
ce
10
10
(c
ell
s)
5
15 0
horiz
on
ista
tal d
nce
(cell
s)
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
0.0020976
0.00012543
0.17543
0.023458
627
73.3751
109.7264
6.5611
49.0666 245.3782
1.312
0.9999
32.8113
0.9999
14.6723
0.39232
0.87733
0.9998
4.3874
0.9998
1.9619
0.9997
366.9428
0.58668
0.9997
0.9996
2.9339
0.9996
0
10
15
20
25
30
35
40
Fig. 17. Example 4simple reef model. VSP geometry data acquisition. Y-curve for second order.
velocity (m/s)
velocity (m/s)
4100
4050
4000
3950
3900
0
ve
rti
ca
ld
ist
15
an
ce
10
10
(c
ell
s)
15 0
ells)
ce (c
stan
al di
4100
4050
4000
3950
3900
0
ve
rti
ca
l
dis
ta
15
nc
ont
horiz
10
(c
ell
15 0
s)
10
5
ells)
ce (c
stan
al di
ont
horiz
ARTICLE IN PRESS
628
Acknowledgments
This work is part of the projects Multi-dimensional and spectral seismic processing in highresolution seismo-stratigraphy (edict CTPETRO/
CNPq-FINEP 03/2001), and Development of
techniques and algorithms for improvement
of subsurface imaging and seismic processing
(edict CTPETRO/CNPq 01/2003). The authors
also would like to thank the support from
PETROBRAS.
References
Bassrei, A., Rodi, W.L., 1993. Regularization and inversion of
linear geophysical data. In: Proceedings of the Third
International Congress of the Brazilian Geophysical Society,
Rio de Janeiro, Brazil, vol. 1, pp. 111116.
Belge, M., Kilmer, M.E., Miller, E.L., 2002. Efcient determination of multiple regularization parameters in a generalized
L-curve framework. Inverse Problems 18, 11611183.
Bouman, C., Sauer, K., 1993. A generalized gaussian image
model for edge-preserving map estimation. Institute of
Electrical and Electronics Engineers Transactions on Image
Processing 2, 296310.
ARTICLE IN PRESS
E.T.F. Santos, A. Bassrei / Computers & Geosciences 33 (2007) 618629
Slaney, M., Kak, A.C., Larsen, L.E., 1984. Limitation of imaging
with rst-order diffraction tomography. Institute of Electrical
and Electronics Engineers Transactions on Microwave
Theory and Techniques 32, 860874.
Soupios, P.M., Papazachos, C.B., Juhlin, C., Tsokas, G.N., 2001.
Nonlinear three-dimensional traveltime inversion of crosshole
data with an application in the area of Middle Urals.
Geophysics 66, 627636.
Soupios, P.M., Papazachos, C.B., Vallianatos, F., Papakostas,
T., 2003. Numerical treatment and inspection of inverse
problems. World Scientic and Engineering Academy and
Society Transactions on Circuits and Systems 2, 547552.
Thompson, D.R., Rodi, W.L., Toksoz, M.N., 1994. Nonlinear
seismic diffraction tomography using minimum structure
constraints. Journal of the Acoustical Society of America
95, 324330.
629