Анализ применимости методов

локальной оптимизации в задачах

амплитудной инверсии сейсмических
данных
Богоедов Д.А. [1]*,
Ерохин И.В. [2], Данько Д.А. [2]

[1] Сколковский институт науки и технологий,

[2] РГУ нефти и газа (НИУ) имени И.М. Губкина
 Рассматриваемые вопросы

Какую роль играют алгоритмы оптимизации в

сейсмической инверсии?

Каким образом выбор метода оптимизации сказывается

на результате сейсмической инверсии?

Какие факторы необходимо учитывать при выполнении

сейсмической инверсии?

3
Сейсмическая амплитудная инверсия

Параметрический функционал Тихонова:

𝑷𝒂 (𝒎, 𝒅𝒐𝒃𝒔 ሻ = 𝑭𝑬 𝒎 + 𝜶 ∙ 𝑭𝑺 𝒎
𝑭𝑬 𝒎 = 𝐝𝐬𝐲𝐧𝐭𝐡 − 𝐝𝐨𝐛𝐬 – функционал
невязки наблюдённых и модельных
данных;
𝑭𝑺 𝒎 = (𝒎𝒂𝒑𝒓 − 𝒎ሻ – стабилизирующий
функционал;
α – параметр регуляризации.

Жданов М.С. (2007)

4
Сейсмическая амплитудная инверсия

5
Методы оптимизации

6
 Тестирование методов оптимизации
на функции Розенброка

2000
1800 1741

1600
1400
1200
980
1000
800 740
609
600
400 247 201
200 88 104 89
33 28 21
0
Метод Метод Ньютона Модификация "Усечённый"
Сопряжённых BFGS метод Ньютона
градиентов
n итераций n вычислений функции n вычислений градиента

График функции Розенброка для двух

Сравнительный анализ методов оптимизации
переменных.
при поиске локального минимума функции Розенброка
«Долина Розенброка»
7
 Исходные данные

Модельные данные для

тестирования

8
Исходная пластовая модель
Сглаженная пластовая модель
Низкочастотная модель
 Исходные данные

Уровень шума: 10%

Уровень шума: 20%

Уровень шума: 30%

Уровень шума: 40%

Уровень шума: 50%

9
Модельные данные для тестирования с добавлением шума
 Результаты тестирования на модельных
данных
с априорной моделью,%

LF MBI с применением метода

сопряжённых градиентов

Расхождение с априорной моделью,%

Расхождение

LF MBI с применением «Усечённого»

метода Ньютона

Уровень шума во входных сейсмических

данных,%

LF MBI с применением метода

с априорной моделью,%

Ньютона в модификации BFGS

Расхождение

Уровень шума во входных сейсмических

данных,%

10

Уровень шума во входных сейсмических

данных,%
 Результаты тестирования на модельных
данных

LF MBI с применением «Усечённого»

метода Ньютона

Уровень шума: 0%

Расхождение с априорной моделью,%

Уровень шума: 60%

Уровень шума: 70%

Уровень шума во входных сейсмических

данных,% 11
Уровень шума: 80%

Дополнительные модельные
данные для тестирования
 Опробование на реальных сейсмических
данных

Суммированные сейсмические данные

Результат LF MBI в промышленном

программном пакете
12

Низкочастотная модель, построенная по скважинным данным

 Опробование на реальных сейсмических
данных

LF MBI с применением метода

сопряжённых градиентов

Визуализация ошибки
восстановления импеданса
алгоритмом LF MBI с
применением метода
сопряжённых градиентов.

13
 Опробование на реальных сейсмических
данных

LF MBI с применением метода

Ньютона в модификации BFGS

Визуализация ошибки
восстановления импеданса
алгоритмом LF MBI с
применением метода Ньютона
в модификации BFGS.

14
 Опробование на реальных сейсмических
данных

LF MBI с применением «усечённого»

метода Ньютона.

Визуализация ошибки
восстановления импеданса
алгоритмом LF MBI с
применением «усечённого»
метода Ньютона.

15
 Результат сравнения с промышленным
программным пакетом
35% 32% 45 42
30% 40
24% 35
25%
19%
30
20% 25
15% 20 15
15 12
10% 10
5% 5
0% 0
Метод Метод BFGS Усечёный метод Метод Метод BFGS Усечёный
Сопряжённых Ньютона Сопряжённых метод Ньютона
градиентов градиентов

Сводная диаграмма расхождения Сводная диаграмма времени работы

результатов работы алгоритмов с алгоритма с использованием различных
результатом промышленного методов оптимизации (по количеству
программного пакета. итераций).

Использование Ньютоновских методов в целом, и «усечённого»

Ньютоновсокого метода в частности, значительно повышает точность
результатов сейсмической инверсии на основе низкочастотного 16
приближения в данном конкретном случае.
Анализ влияния различных стабилизирующих
функционалов на результат инверсии

2
I. SL2 = m L2 = m, m L2
10 итераций

Выбор нормы SL2 основан

на утверждении, что
решение на основе
наименьших квадратов
25 итераций является статистически
наилучшим из набора
возможных решений.
Жданов М.С. (2007)
50 итераций

Анализ показал:
• Самое простое
75 итераций
решение;
• Риск чрезмерного
100 итераций
упрощения модели;

17
Анализ влияния различных стабилизирующих
функционалов на результат инверсии

2
II. SL2apr = m − mapr
L2

Такая норма 𝑆𝐿2𝑎𝑝𝑟(𝒎)

стабилизирует решение
при добавлении шума.

Ли Цян (2017)

Анализ показал :
• Устойчивость к шуму;
• Глобальный минимум
соответствует
априорной модели;

18
Анализ влияния различных стабилизирующих
функционалов на результат инверсии

10 итераций

. III. Smax sm m = 𝛻 2m L2
.
Этот стабилизатор
.
приводит к гладким
моделям, которые на
100 итераций
практике во многих
ситуациях оказываются
не в состоянии
правильно описать
блочные геологические
структуры.
Жданов М.С.(2007)

Анализ показал :
• Устойчивость к
шуму;
• Стабилен при
увеличении
итераций;
19
Анализ влияния различных стабилизирующих
функционалов на результат инверсии

IV. Sβ𝑇𝑉 = 𝛻m + 𝛽 L1

Данный функционал
приводит к лучшим
результатам при
визуализации блочных
структур, чем
функционалы с
максимальной
гладкостью.
Жданов М.С. (2007)

Анализ показал :
• Блочная модель;
• Контрастность среды
сохраняется;
• Стабилен при
увеличении
итераций; 20
 Результат сравнения со скважинными
данными (в сейсмическом диапазоне частот)
Расхождение со скважинными данными,%

𝟒𝟎
35
𝟑𝟎
25
𝟐𝟎
21
15
𝟏𝟎
5 𝐈𝐈. 𝑺𝑳𝟐𝒂𝒑𝒓 𝐈𝐕. 𝑺𝛃𝑻𝑽
ПО 𝐈. 𝑺𝑳𝟐 𝐈𝐈𝐈. 𝑺𝐦𝐚𝐱 𝒔𝒎
 Заключение

Выбор метода оптимизации влияет на результат

сейсмической инверсии.

При выполнении инверсии необходимо понимать

механизм работы алгоритма и влияние различных
составных частей на результат.

В рассмотренном примере для данных Тимано-Печорской

провинции в качестве метода оптимизации можно
рекомендовать «усечённый» Ньютоновский метод в совокупности
со стабилизирующим функционалом максимальной гладкости.

В дальнейшем планируется более подробное изучение методов

регуляризации в задачах оптимизации, а также изучение
глобальных методов оптимизации при решении обратных задач
сейсморазведки.
 Благодарность

Мы благодарим наших коллег с кафедры

разведочной геофизики РГУ нефти и газа
(НИУ) имени И.М. Губкина за помощь в
проведении представленных исследований.

Также мы хотим высказать благодарность

компании CGG за предоставленные
академические лицензии.

Особую благодарность мы хотим выразить

организаторам конференции EAGE Saint
Petersburg 2020 – сотрудникам
российского офиса EAGE.
 Контакты

Богоедов Даниил Александрович1

bogoedov@impetro.ru
1. Skoltech, PhD student

Ерохин Иван Валерьевич2,3

erokhin@impetro.ru
2. Главный геофизик ООО «Импетро»
3. РГУ нефти и газа (НИУ) имени И.М.
Губкина.

Данько Дмитрий Анатольевич3

danko.d@gubkin.ru
3. с.н.с. кафедры разведочной геофизики
РГУ нефти и газа (НИУ) имени И.М. Губкина,
к.т.н.