KR101931092B1

KR101931092B1 - 동시 및 순차 소스 방법을 이용하는 풀 파형 반전을 위한 하이브리드 방법

Info

Publication number: KR101931092B1
Application number: KR1020137010550A
Authority: KR
Inventors: 파르타 에스. 라우쓰; 제롬 알. 크렙스; 캐리 마싱코비치; 스피리돈 라자라토스; 이순웅
Original assignee: 엑손모빌 업스트림 리서치 캄파니
Priority date: 2010-09-27
Filing date: 2011-08-19
Publication date: 2018-12-21
Also published as: RU2013119380A; CN103119472A; WO2012047384A1; BR112013002847A2; EP2622378A1; MY158191A; RU2570827C2; CN103119472B; SG187705A1; CA2808083C; CA2808083A1; AU2011312806B2; EP2622378B1; AU2011312806A1; KR20130128387A; EP2622378A4

Abstract

고정형 수신기 기하학 구조 조건들이 데이터 수집시 만족되지 않는 탐사들에 특히 적합한, 지하 영역에 대한 물리적 속성 모델을 결정하기 위해 소스(또는 수신기) 인코딩된 지구 물리학 데이터의 수집들의 동시 풀-파동장 반전을 위한 방법이 개시된다. 먼저, 고정형 수신기 조건이 만족되는 데이터(202)의 얕은 시간 윈도우가 동시 인코딩된(203) 소스 반전(205)에 의해 반전된다. 이어서, 데이터(208)의 더 깊은 시간 윈도우가, 개시 모델(207)로서 얕은 시간 윈도우(206)로부터의 물리적 속성 모델을 이용하여, 산재 순차 소스 반전(209)에 의해 반전된다. 대안적으로, 얕은 시간 윈도우 모델은 고정형 수신기 가정을 만족하는 데이터 세트를 생성하는 손실 원거리 오프셋 데이터(211)를 시뮬레이팅하기 위해 이용되고, 그 후에, 이 데이터 세트는 소스 인코딩되고(212) 동시 소스 반전(214)에 의해 반전된다.

Description

동시 및 순차 소스 방법을 이용하는 풀 파형 반전을 위한 하이브리드 방법{HYBRID METHOD FOR FULL WAVEFORM INVERSION USING SIMULTANEOUS AND SEQUENTIAL SOURCE METHOD}

관련 출원들에 대한 상호 참조

본원은 허용하는 모든 사법 관할권 지역들 내에서 참조로서 본원에 포함되는, 2010년 9월 27일 출원된 미국 임시 출원 제 61/386,828 호의 이점을 청구한다. 본원은 발명의 명칭이 "풀 파동장 반전을 위한 실제적인 해결책으로서의 동시 소스 인코딩 및 소스 분리(Simultaneous Source Encoding and Source Separation as a Practical Solution for Full Wavefield Inversion)"이고 2010년 9월 27일 출원된 미국 임시 출원 제 61/386,831 호 및 2010년 10월 13일 출원된 미국 특허 출원 제 12/903,749 호의 이점을 청구하는 특별 출원과 관련된다. 이들 관련 출원들은 또한 허용하는 모든 사법 관할권 지역들 내에서 참조로서 본원에 통합된다.

본 발명은 일반적으로 지구 물리학 탐사 분야, 특히, 지구 물리학 데이터 처리에 관한 것이다. 구체적으로, 본 발명은 지진원들과 같은 다수의 지구 물리학 소스들로부터 획득된 데이터의 반전을 위한 방법으로서, 시뮬레이션의 일 실행시 많은 동시에-활성화되는 지구 물리학 소스들로부터의 데이터를 연산하는 지구 물리학 시뮬레이션을 수반한다.

지구 물리학 반전[1,2]은 관측된 데이터를 최적으로 설명하고 지질학적 및 지구 물리학적 제약사항들을 만족하는 지하 속성들의 모델을 발견하는 것을 시도한다. 지구 물리학 반전에 대한 많은 방법들이 잘 공지되어 있다. 이들 잘 공지되어 있는 방법들은 두 카테고리들, 즉, 반복형 반전 및 비-반복형 반전 중 하나에 속한다. 다음은 두 카테고리들 각각이 일반적으로 의미하는 것의 규정들이다:

비-반복형 반전 - 어떤 간단한 백그라운드 모델을 가정하고 입력 데이터에 기초하여 모델을 업데이트함으로써 이루어지는 반전. 이 방법은 업데이트된 모델을 반전의 또 다른 단계에 대한 입력으로서 이용하지 않는다. 지진 데이터의 경우에 있어서, 이들 방법들은 일반적으로 촬상(imaging), 구조보정(migration), 회절 토모그래피(diffraction tomography) 또는 보른(Born) 반전이라고 언급된다.

반복형 반전 - 지하 속성 모델의 반복적인 개선을 수반하여, 관측된 데이터를 만족스럽게 설명하는 모델이 발견되도록 하는 반전. 반전이 수렴되면, 마지막 모델은 관측된 데이터를 더 잘 설명할 것이고 실제 지하 속성들과 더욱 근사시킬 것이다. 반복형 반전은 대개 비-반복형 반전보다 더 정확한 모델을 생성하지만, 연산에 있어서는 훨씬 비용이 많이 든다.

반복형 반전은 일반적으로 비-반복형 반전보다 바람직하고, 이는 더욱 정확한 지하 파라미터 모델들을 산출하기 때문이다. 유감스럽게도, 반복형 반전은 연산에 있어서 너무 고가이어서, 관심사의 많은 문제들에 대해 적용하는 것은 비현실적이다. 이 높은 연산 비용은 모든 반전 기술들이 많은 연산 집중형 시뮬레이션들을 필요로 한다는 사실의 결과이다. 임의의 개별 시뮬레이션의 연산 시간은 반전될 소스들의 수에 비례하고, 일반적으로, 지구 물리학 데이터에는 많은 수의 소스들이 있으며, 여기서, 앞서 이용된 용어 소스는 소스 장치의 활성 위치와 관련된다. 문제는 반복형 반전동안 악화된다는 것으로, 이는 연산되어야 하는 시뮬레이션들의 수가 반전에서의 반복들의 수에 비례하고, 필요한 반복들의 수가 일반적으로 수백 내지 수천 정도이기 때문이다.

지구 물리학에서 가장 흔히 이용되는 반복형 반전 방법은 비용 함수 최적화이다. 비용 함수 최적화는, 모델(M)에 대하여, 계산된 데이터와 관측된 데이터 간의 불일치의 측정인 비용 함수 S(M)(이것은 또한 목적 함수라고도 한다)의 값의 반복적인 최소화 또는 최대화를 수반하고, 여기서, 계산된 데이터는 현재의 지구 물리학 속성 모델 및 주어진 지구 물리학 속성 모델에 의해 표현된 매체에서의 소스 신호의 전파를 관리하는 물리학을 이용하여 컴퓨터로 시뮬레이팅(simulating)된다. 시뮬레이션 연산들은 유한 차분법, 유한 요소법 또는 광선 추적법을 포함하지만 이들로 제한되지는 않는 여러 방법들 중 임의의 방법에 의해 행해질 수 있다. 시뮬레이션 연산들은 주파수 도메인 또는 시간 도메인 중 어느 하나에서 수행될 수 있다.

비용 함수 최적화 방법들은 로컬 또는 글로벌 중 하나이다[3]. 글로벌 방법들은 간단히 모델들의 모집단( M ₁ , M ₂ , M ₃ , ...)에 대한 비용 함수(S(M))를 연산하고 S(M)을 거의 최소화하는 그 모집단으로부터 하나 이상의 모델들의 세트를 선택하는 것을 포함한다. 또 다른 개선이 필요하다면, 이 새로운 선택된 모델들의 세트는 비용 함수(S(M))에 대해 다시 테스트될 수 있는 모델들의 새로운 모집단을 생성하기 위한 기초로서 이용될 수 있다. 글로벌 방법들에 있어서, 테스트 모집단의 각 모델은 반복되는 것으로 고려될 수 있거나, 더 높은 레벨에서, 테스트된 모집단들의 각 세트는 반복이 고려될 수 있다. 잘 공지되어 있는 글로벌 반전 방법들은 몬테카를로, 시뮬레이팅된 어닐링, 유전학 및 진화 알고리즘들을 포함한다.

유감스럽게도, 글로벌 최적화 방법들은 일반적으로 아주 천천히 수렴하고, 따라서, 대부분의 지구 물리학 반전들은 로컬 비용 함수 최적화에 기초한다. 알고리즘 1은 로컬 비용 함수 최적화를 요약한다.

1. 개시 모델을 선택한다,
2. 모델을 기술하는 파라미터들에 대한 비용 함수(S(M))의 그레디언트를 연산한다,
3. 관측된 데이터를 더 잘 설명하는 음의 그레디언트 방향에서 개시 모델의 변동인 업데이트된 모델을 탐색한다.

알고리즘 1 - 로컬 비용 함수 최적화를 수행하기 위한 알고리즘

이 절차는 또 다른 그레디언트 탐색을 위한 개시 모델로서 새로운 업데이트된 모델을 이용하여 반복된다. 프로세스는 관측된 데이터를 만족스럽게 설명하는 업데이트된 모델이 발견될 때까지 계속된다. 일반적으로 이용되는 로컬 비용 함수 반전 방법들은 그레디언트 탐색, 공액 그레디언트들 및 뉴튼의 방법을 포함한다.

음향 근사화에 있어서의 지진 데이터의 로컬 비용 함수 최적화는 공통 지구 물리학 반전 작업이고, 일반적으로 다른 유형들의 지구 물리학 반전을 나타낸다. 음향 근사화에서 지진 데이터를 반전시킬 때, 비용 함수는 다음과 같이 쓸 수 있다:

(식 1)

여기서:

S = 비용 함수,

M = 지하 모델을 기술하는 N개의 파라미터들(m ₁, m ₂, ..., m _N)의 벡터

g = 수집(gather) 인덱스,

w _g = 공간 좌표들 및 시간의 함수인 수집(g)에 대한 소스 함수로, 포인트 소스에 대하여, 이것은 공간 좌표들의 델타 함수이다,

N _g = 수집들의 수,

r = 수집 내의 수신기 인덱스,

N _r = 수집에서의 수신기들의 번호,

t = 트레이스 내의 시간 샘플 인덱스,

N _t = 시간 샘플들의 번호,

W = 최소화 기준 함수(우리는 일반적으로 최소 자승(L2) 기준인 W(x)=x ² 를 선택한다)

Ψ _calc = 모델(M)로부터의 계산된 지진 압력 데이터,

Ψ _obs = 측정된 지진 압력 데이터.

수집들은 지진 포워드 모델링 프로그램의 하나의 실행에서 시뮬레이팅될 수 있는 임의의 유형의 수집일 수 있다. 일반적으로, 샷들이 포인트 소스들보다 더 일반적일 수 있더라도, 수집들은 지진 샷에 대응한다. 포인트 소스들에 있어서, 수집 인덱스(g)는 개별 포인트 소스들의 위치에 대응한다. 평면파 소스들에 있어서, g는 상이한 평면파 전파 방향들에 대응할 수 있다. 이 일반화된 소스 데이터(Ψ _obs )는 필드에서 획득될 수 있거나 포인트 소스들을 이용하여 획득된 데이터로부터 합성될 수 있다. 한편, 계산된 데이터(Ψ _calc )는 보통 포워드 모델링시 일반화된 소스 함수를 이용하여 직접 연산될 수 있다. 유한 차분 모델링을 포함한 많은 유형들의 포워드 모델링에 있어서, 일반화된 소스에 필요한 연산 시간은 대략 포인트 소스에 필요한 연산 시간과 같다.

식 (1)은 다음과 같이 간략화될 수 있다:

(식 2)

여기서는 수신기들 및 시간 샘플들에 대한 합이 암시되고,

(식 3)

반전은 S(M)이 최소화되도록 모델(M)을 업데이트하도록 시도한다. 이것은 다음과 같이 주어진 모델(M ^(k) )을 업데이트하는 로컬 비용 함수 최적화에 의해 달성될 수 있다:

(식 4)

여기서, k는 반복 횟수이고, α는 모델 업데이트의 스칼라 크기이고,

는 불일치 함수의 그레디언트로, 모델 파라미터들에 대한 것이다. 모델 변동들, 또는 모델이 업데이트되는 값들은, 반복적으로 계산되어야 하는, 단계 길이(α)를 갖는 목적 함수의 그레디언트의 곱셈에 의해 계산된다.

식 (2)로부터, 비용 함수의 그레디언트에 대해 다음 식이 유도될 수 있다:

(식 5)

비용 함수의 그레디언트를 연산하기 위해, 비용 함수에 대한 각 수집의 기여도의 그레디언트를 별도로 연산한 다음, 그 기여도들을 합산해야 한다. 따라서,

을 연산하기 위해 필요한 연산 노력은 그레디언트에 대한 단일 수집의 기여도를 결정하기 위해 필요한 연산 노력의 N _g 배이다. 지구 물리학 문제들에 있어서, N _g 는 보통 지구 물리학 소스들의 수에 대응하고 약 10,000 내지 100,000이고,

의 연산 비용을 크게 증가시킨다.

의 연산은 N 모델 파라미터들(m _i ) 각각에 대해

의 도함수의 연산을 필요로 한다. 지구 물리학 문제들에 있어서, N은 보통 매우 크기 때문에(보통 백만 이상), 이 연산은 각 개별 모델 파라미터에 대해 수행되어야 한다면 아주 시간 소모적일 수 있다. 다행히도, 모든 모델 파라미터들에 대해 한번 이 연산을 효과적으로 수행하기 위해 수반 행렬 방법이 이용될 수 있다[1]. 최소 자승 목적 함수 및 격자형 모델 파라미터화를 위한 수반 행렬 방법은 다음 알고리즘으로 요약된다:

1.

를 얻기 위해 소스로서 현재 모델 및 수집 시그니처(w _g )를 이용하여 데이터의 포워드 시뮬레이션을 연산한다,
2. 시뮬레이팅된 데이터로부터 관측된 데이터를 차감하여

를 제공한다.
3. 소스로서

를 이용하여 역 시뮬레이션(즉, 일시적으로 거꾸로)을 연산하여

를 생성한다,
4.

를 얻기 위해

와

의 곱의 시간에 따른 적분을 연산한다.

알고리즘 2 - 수반 행렬 방법을 이용하여 격자형 모델의 최소-자승 비용-함수 그레디언트를 연산하기 위한 알고리즘

수반 행렬 방법을 이용한 그레디언트들의 연산은 다른 방법들에 비해 효율적이지만, 여전히 비용이 매우 많이 든다. 특히, 수반 행렬 방법들은, 하나는 시간상 포워딩 방향으로 다른 하나는 시간상 거꾸로 이루어지는 두 번의 시뮬레이션들을 필요로 하고, 지구 물리학 문제들에 있어서 이들 시뮬레이션들은 보통 매우 연산 집중적이다. 또한, 상술된 것과 같이, 이 수반 행렬 방법의 연산은 각 측정된 데이터 수집에 대해 개별적으로 수행되어야 하므로, N _g 의 인자만큼 연산 비용을 증가시키게 된다.

반전의 모든 카테고리들의 연산 비용은 소스들을 개별적으로 반전시키기 보다는 소스들의 조합들로부터 데이터를 반전시킴으로써 감소될 수 있다. 이것은 동시 소스 반전이라고 말할 수 있다. 어떤 원하는 형상(예를 들면, 평면파)의 파면을 생성하는 유효 소스를 생성하기 위해 근접하게 이격된 소스들을 밀착하여 합산하는 것, 넓게 이격된 소스들을 합산하는 것, 또는 반전 전에 데이터를 전체적으로 또는 부분적으로 스태킹하는 것을 포함한 여러 유형들의 소스 조합이 공지되어 있다.

조합된 소스들을 반전시킴으로써 얻어진 연산 비용 감소는 조합된 데이터의 반전이 보통 덜 정확한 반전된 모델을 생성한다는 사실에 의해 적어도 부분적으로 상쇄된다. 이러한 정확도의 손실은, 개별 소스들이 합산될 때 정보가 손실되고, 그에 따라서, 합산된 데이터는 반전된 모델을 합산되지 않은 데이터만큼 강력하게 제약하지 않는다는 사실에 기인한다. 합산 동안의 이러한 정보의 손실은 합산 전에 각 샷 리코드를 인코딩함으로써 최소화될 수 있다. 조합 전의 인코딩은 동시 소스 데이터에서 상당히 많은 정보를 보전하고, 따라서, 반전을 더 잘 제약한다[5]. 인코딩은 또한 근접하게 이격된 소스들의 조합을 가능하게 함으로써, 주어진 연산 영역에 대해 더 많은 소스들이 조합될 수 있도록 한다. 시간 이동 인코딩 및 랜덤 위상 인코딩을 포함하는 다양한 인코딩 방식들이 이 기술과 함께 이용될 수 있다. 이 배경기술 부분의 나머지 부분은 다양한 공개되어 있는 지구 물리학 동시 소스 기술들, 즉, 인코딩형 및 비-인코딩형을 간략하게 검토한다.

반 마넨(Van Manen)[6]은 포워드 시뮬레이션의 속도를 높이기 위해 지진 간섭측정 방법의 이용을 제안한다. 지진 간섭 측정은 관심 영역의 경계의 모든 곳에 소스들을 배치함으로써 작동한다. 이들 소스들은 개별적으로 모델링되고, 그린 함수가 원하는 모든 위치들에서의 파동장이 리코딩된다. 이어서 임의의 2개의 리코딩된 위치들 간의 그린 함수는, 2개의 리코딩된 위치들에서 획득된 트레이스들을 교차-상관하고 모든 경계 소스들에 걸쳐 합산함으로써 연산될 수 있다. 반전될 데이터가 (경계에 어느 하나 다른 것을 갖는 것과는 대조적으로) 관심 영역 내에 있는 다수의 소스들 및 수신기들을 갖고 있다면, 이것은 원하는 그린 함수들을 연산하는데 있어서 매우 효율적인 방법이다. 그러나, 지진 데이터의 경우에 있어서, 반전될 데이터에 대한 소스 및 수신기 모두가 관심 영역 내에 있는 것은 드물다. 따라서, 이 개선안은 지진 반전 문제에 대한 응용성이 매우 제한적이다.

버크호트(Berkhout)[7] 및 즈항(Zhang)[8]은 지하의 어떤 영역 내에서 어떤 원하는 파면을 생성하기 위해 일관되게 합산되는 비-인코딩된 동시 소스들을 반전시킴으로써 대개 반전이 개선될 수 있다는 것을 제안한다. 예를 들면, 포인트 소스 데이터는 표면에 대해 어떤 특정 각도의 하향 평면파를 생성하기 위해 소스 위치의 선형 함수인 시간 이동들과 함께 합산될 수 있다. 이 기술은 모든 카테고리들의 반전에 적용될 수 있다. 이 방법이 갖는 문제는 소스 수집들의 일관된 합산이 반드시 데이터의 정보량을 감소시킨다는 것이다. 따라서, 예를 들면, 평면파를 생성하기 위한 합산은 이동 시간 대 소스-수신기 상쇄와 관련된 지진 데이터에서 모든 정보를 제거한다. 이 정보는 천천히 변하는 배경 속도 모델을 업데이트하기 위해 중요하고, 따라서, 버크호트의 방법은 잘 제약되지 않는다. 이러한 문제를 극복하기 위해, 데이터의 많은 상이한 일관된 합산들(예를 들면, 상이한 전파 방향들을 갖는 많은 평면파들)이 반전될 수 있지만, 반전 비용이 반전된 상이한 합산들의 수에 비례하기 때문에 효율성은 떨어진다. 여기서, 이러한 일관되게 합산된 소스들은 일반화된 소스들이라고 한다. 따라서, 일반화된 소스는 어떤 원하는 형상의 파면을 생성하는 포인트 소스 또는 포인트 소스들의 합 중 어느 하나일 수 있다.

반 리엘(Van Riel)[9]은 입력 지진 데이터를 (소스-수신기 상쇄에 대해) 비-인코딩형 적층(stacking)하거나 부분적 적층한 다음, 최적화될 이 적층된 데이터에 대한 비용 함수를 규정하는 것에 의한 반전을 제안한다. 따라서, 이러한 공개는 비-인코딩된 동시 소스들을 이용하여 비용 함수 기반 반전을 개선하는 것을 제안한다. 버크호트[7]의 동시 소스 반전 방법이 참이었기 때문에, 이 방법에 의해 제안된 적층은 반전될 데이터의 정보량을 감소시키고, 따라서, 반전은 원래 데이터에 대해 이루어지는 것보다 덜 제약된다.

모라(Mora)[10]는 광범위하게 이격된 소스들의 합인 데이터를 반전시키는 것을 제안한다. 따라서, 이 공개는 비-인코딩된 동시 소스 시뮬레이션을 이용하여 반전의 효율성을 향상시키는 것을 제안한다. 광범위하게 이격된 소스들을 합산하는 것은 버크호트가 제안한 일관된 합산보다 훨씬 많은 정보를 보전할 수 있다는 이점이 있다. 그러나, 광범위하게 이격된 소스들의 합산은 반전에 이용되어야 하는 애퍼처(aperture)(반전된 모델 영역)가 모든 광범위하게 이격된 소스들을 수용하기 위해 증가되어야 한다는 것을 의미한다. 연산 시간은 이 애퍼처의 면적에 비례하기 때문에, 모라의 방법은 합산된 소스들이 서로 가까이 있다면 달성될 수 있는 것 만큼의 많은 효율성 이득을 생성하지는 않는다.

오베르(Ober)[11]는 동시 인코딩된 소스들을 이용함으로써 지진 구조보정, 즉, 비-반복형 반전의 특별한 경우의 속도를 높이는 것을 제안한다. 다양한 코딩 방법들을 테스트한 후에, 오베르는 광대역 인코딩 함수들이 반드시 거의 직교한다는 사실로 인해 결과적인 구조보정된 이미지들은 신호-대-잡음 비가 상당히 감소되었다는 것을 발견하였다. 따라서, 16개 이상의 샷들을 합산할 때, 반전의 품질은 만족스럽지 않았다. 비-반복형 반전은 시작하기에 비용이 아주 많이 들지 않고, 높은 신호-대-잡음 비 반전이 요구되기 때문에, 이 기술은 지구 물리학 산업에서 광범위하게 실시되지 않는다.

이켈레(Ikelle)[12]는 가변하는 시간 간격들에서 (시뮬레이션시) 활성화되는 포인트 소스들을 동시에 시뮬레이팅함으로써 고속 포워드 시뮬레이션을 위한 방법을 제안한다. 또한, 이들 시간-이동된 동시-소스 시뮬레이팅된 데이터를 개별 포인트 소스들로부터 얻어졌을 수 있는 별도의 시뮬레이션들로 다시 디코딩하기 위한 방법이 논의된다. 그 다음, 이들 디코딩된 데이터는 임의의 종래의 반전 절차의 일부로서 이용될 수 있다. 이켈레 방법의 문제점은 제안된 디코딩 방법이 인접 소스들로부터의 데이터 간의 차이에 비례하는 잡음 레벨들을 갖는 개별 데이터를 생성할 것이라는 것이다. 이 잡음은, 예를 들면, 침지 반사기들을 포함하는 모델들로부터 측면으로 일정하지 않은 지하 모델들에 있어서 중요하게 될 것이다. 또한, 이 잡음은 동시 소스들의 수에 비례하여 커질 것이다. 이러한 난제들로 인해, 이켈레의 동시 소스 방식은 측면에서 일정하지 않은 지하를 반전시킬 때 이용되는 경우에 허용할 수 없는 잡음 레벨들을 생성시킬 수 있다.

소스 인코딩은 허용하는 모든 사법 관할권 지역들 내에서 참조로서 본원에 통합되는, 풀 파동파 데이터를 반전시키기 위한 매우 비용 효율적인 방법인, PCT 특허 출원 공보 제 WO 2008/042081 호에서 크레브스(Krebs) 등에 의해 제안되어 있다. (인코딩된 수집의 동시 반전의 동일한 방식은 소스-수신기 상호성을 통해 또는 데이터의 공통-소스 수집들에서 실제 수신기 위치들을 인코딩함으로써 수신기들에 대해 작동할 것이다.) 고정형 수신기들에 있어서, 포워드 및 수반 행렬 연산들은 단일 유효 소스에 대해서만 수행되어야 하고; 허용하는 모든 사법 관할권 지역들 내에서 참조로서 본원에 통합되는 PCT 특허 출원 공보 제 WO 2009/117174 호를 참조한다. 전형적인 2D 수집 기하학에 있어서는 수백 개의 샷들이 리코딩되고 3D 탐사들의 경우에는 수천 개의 샷들이 리코딩된다는 사실을 고려할 때, 이 방법에 의한 연산 절약은 꽤 상당하다. 실제로, 고정형 수신기 가정은 가장 공통적인 필드 데이터 수집 기하학에 대해 엄격히 유효하지는 않다. 해양 스트리머 데이터의 경우에, 소스들과 수신기들 모두는 새로운 샷마다 이동한다. 수신기들의 위치들이 고정되는 경우의 탐사들에 있어서도, 모든 수신기들이 모든 샷을 "청취(listening)"하고 있는 것은 아니고 청취중인 수신기들은 샷-대-샷에서 가변할 수 있는 것으로 실시된다. 이것은 또한 "고정형-수신기 가정"을 위반한다. 또한, 수송 문제들로 인해, 소스에 근접한 데이터를 리코딩하는 것이 어렵고, 이것은 보통 근거리-오프셋 데이터가 손실된다는 것을 의미한다. 이것은 해양 및 지상 탐사들 모두에 대해서 사실이다. 이들 두 인자들은 동시 소스 수집에 대해 수신기 위치마다 일부 소스 샷들에 대해 데이터가 손실될 것이라는 것을 의미한다. 요컨대, 동시 인코딩된-소스 반전에 있어서, 주어진 동시 인코딩된 수집에 대해서, 샷마다 모든 수신기 위치들에서 데이터가 필요하고, 이것은 동시 인코딩된-소스 반전의 고정형-수신기 가정으로서 언급될 수 있다. 제 WO 08/042081 호에 있어서, 개시된 실시예들 중 일부는 고정형-수신기 가정이 만족되지 않을 때 다른 것들보다 더 잘 동작할 수 있다. 따라서, 고정형 수신기 가정이 타협될 때 그 성능을 향상시킬 수 있는 동시 인코딩된 소스들 (및/또는 수신기들) 반전의 간단한 응용에 적응되거나 조절되는 것이 유리할 수 있다. 본 발명은 이를 행하는 방식들을 제공한다. 하베르(Haber) 등[15]은 또한 확률 최적화 방법을 이용하여 동시 인코딩된 소스 반전에서 수신기들을 이동시키는 문제점에 대한 방식을 기술하고, 이것을 직류 저항력 문제에 적용한다.

하나의 실시예에 있어서, 본 발명은 지하 영역에 대한 물리적 속성 모델을 결정하기 위해 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법이고, 상기 방법은: (a) 지하 영역에 대한 제 1 물리적 속성 모델을 얻기 위해, 동시 인코딩된 소스들 및/또는 수신기들 반전에 의해, 측정된 지구 물리학 데이터로부터의 도달들의 선택된 얕은 시간 윈도우를 반전시키기 위해 컴퓨터를 이용하는 단계; (b) 지하 영역에 대한 제 2 물리적 속성 모델을 얻기 위해, 측정된 데이터의 산재 샘플링(sparse sampling)만을 이용할 수 있는, 반복형 순차 소스 반전에 의해, 측정된 지구 물리학 데이터, 또는 측정된 지구 물리학 데이터로부터의 도달들의 선택된 깊은 시간 윈도우를 반전시키기 위해 컴퓨터를 이용하는 단계로서, 제 1 물리적 속성 모델은 개시 모델로서 이용되고 소스 위치들의 세트는 반복형 순차 소스 반전에서 제 2 물리적 속성 모델을 업데이트하기 위해 이용된, 상기 측정된 지구 물리학 데이터, 또는 깊은 시간 윈도우를 반전시키기 위해 컴퓨터를 이용하는 단계; 및 (c) 지하 영역의 제 2 물리적 속성 모델을 출력하거나, 디스플레이하거나, 데이터 저장소에 저장하는 단계를 포함한다.

또 다른 실시예에 있어서, 본 발명은 지하 영역에 대한 물리적 속성 모델을 결정하기 위해 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법이고, 상기 방법은: (a) 지하 영역에 대한 제 1 물리적 속성 모델을 얻기 위해, 동시 인코딩된 소스들 및/또는 수신기들 반전에 의해, 측정된 지구 물리학 데이터로부터의 도달들의 선택된 얕은 시간 윈도우를 반전시키기 위해 컴퓨터를 이용하는 단계; (b) 상기 얕은 시간 윈도우보다 깊은 시간 윈도우로부터의 도달들에 대응하는 더 긴 오프셋들에 대한 합성 데이터를 컴퓨터를 이용하여 시뮬레이팅하기 위해 제 1 물리적 속성 모델을 이용하는 단계; (c) 측정된 지구 물리학 데이터를 반전시키기 위해 컴퓨터를 이용하는 단계로서, 더 긴 오프셋들을 갖는 데이터가 증가되고, 상기 반전은 지하 영역의 제 2 물리적 속성 모델을 얻기 위한 동시 인코딩된-소스들 및/또는 인코딩된-수신기들 반전이고, 더 긴 오프셋들을 갖는 상기 증가된 데이터는 더 긴 오프셋들에 대한 합성 데이터 및 더 긴 오프셋들에서의 측정된 데이터의 합인, 상기 측정된 지구 물리학 데이터를 반전시키기 위해 컴퓨터를 이용하는 단계; 및 (d) 지하 영역의 제 2 물리적 속성 모델을 출력하거나, 디스플레이하거나, 데이터 저장소에 저장하는 단계를 포함한다.

컬러 이용에 관한 특허 규칙 제한들로 인해, 첨부된 도면들은 컬러 원본들에 대한 흑백 복사물들이다. 컬러 도면들이 있는 본 특허 출원 또는 공보의 사본들은 요청시 필요 경비 지불 후 미국 특허 상표국으로부터 얻을 수 있다(미국 출원 번호 제 12/903,744 호).

본 발명 및 그 이점들은 다음의 상세한 설명 및 첨부 도면들을 참조하여 더 잘 이해될 것이다.

도 1은 동시 소스 반전을 위해 이용될 수 있는 데이터 윈도우를 도시하는 개략도.
도 2는 본 발명의 방법의 하나의 실시예에서의 기본적인 단계들을 도시하는 흐름도이고, 방식 Ⅰ에서는 동시 소스 인코딩이 얕은 시간 윈도우에서 이용되고 산재 순차 소스 반전이 더 깊은 윈도우들에 대해 이용되고, 방식 Ⅱ에서는 동시 소스 반전을 수행하기 위해 먼저 인코딩되는 손실 데이터 트레이스들을 연산하기 위해 얕은 모델이 이용된다.
도 3은 측정된 데이터를 생성하기 위해 예에서 이용된 "트루" 속도 모델을 도시하는 도면.
도 4는 도 3에서의 속도 모델을 이용하여 연산되고 WO 2008/042081 호에 기술된 이진 인코딩을 이용하여 인코딩된 순차 소스 데이터의 2개의 샷 수집들을 도시하고, 0 내지 3초의 얕은 시간 윈도우를 나타내는 도면.
도 5는 테스트 예에서 풀 파동장 반전을 위한 개시 속도 모델을 도시하는 도면.
도 6은 얕은 윈도우(0 내지 3초)로부터 저주파수 데이터(7㎐의 피크 주파수)를 반전시킴으로써 동시 소스 반전으로부터 얻어지는 모델을 도시하고; 도 4에 도시되어 있는 것과 같이, 고정형 수신기 가정이 시간 윈도우 0 내지 3초에 대해 유효한 것을 도시하는 도면.
도 7은 0 내지 4초의 데이터 윈도우를 갖는 저주파수 데이터(7㎐의 피크 주파수)의 동시 소스 반전을 이용하여 얻어지는 모델을 도시하고; 고정형 수신기 가정은 더 이상 유효하지 않기 때문에, 반전된 모델에서 아티팩트들이 분명하게 보여질 수 있는 것을 도시하는 도면;
도 8은 0 내지 5초의 데이터 윈도우를 갖는 저주파수 데이터(7㎐의 피크 주파수)의 동시 소스 반전을 이용하여 얻어지는 모델을 도시하고; 고정형 수신기 가정은 더 이상 유효하지 않기 때문에, 반전된 모델에서 아티팩트들이 분명하게 보여질 수 있는 것을 도시하는 도면;
도 9는 1.2㎞의 샷 분리를 갖는 산재하는 소스들의 세트를 이용하여 0 내지 4초의 데이터 윈도우를 갖는 저주파수 데이터(7㎐의 피크 주파수)의 순차 소스 반전을 이용함으로써 테스트 예에서 얻어지는 모델을 도시하고; 순차 소스들이 이용되기 때문에, 모델은 도 7과 비교하여 아티팩트들을 갖지 않는 것을 도시하는 도면.
도 10은 1.2㎞의 샷 분리를 갖는 산재하는 소스들의 세트를 이용하여 0 내지 5초의 데이터 윈도우를 갖는 저주파수 데이터(7㎐의 피크 주파수)의 순차 소스 반전을 이용하여 테스트 예에서 얻어지는 모델을 도시하고; 순차 소스들이 이용되기 때문에, 모델은 도 8과 비교하여 아티팩트들을 갖지 않는 것을 도시하는 도면.
도 11은 1.2㎞의 샷 분리를 갖는 산재하는 소스들의 세트를 이용하여 0 내지 5초의 데이터 윈도우를 갖는 풀 대역 주파수 데이터(40㎐의 피크 주파수)의 순차 소스 반전을 이용하여 테스트 예에서 얻어지는 모델을 도시하고; 순차 소스들이 이용되기 때문에, 모델은 도 8과 비교하여 아티팩트들을 갖지 않는 것을 도시하는 도면.
도 12는 도 3에서의 트루 모델을 이용하여 테스트 예에서 연산되는 근거리 및 원거리-오프셋 제한된 샷 수집을 도시하고; 최근거리의 이용가능한 오프셋이 200m이고 최원거리의 이용가능한 오프셋이 5000m인 것을 도시하는 도면.
도 13은 x=200에서 최근거리의 이용가능한 오프셋으로부터의 트레이스로 채워지는 도 12에서의 근거리-오프셋 제한된 샷 수집을 도시하는 도면.
도 14는 도 12에 도시되어 있는 근거리-오프셋 제한된 샷 수집들을 갖는 인코딩된 데이터를 이용하는 반전을 도시하고, 반복 5에서 보여지는 모델은 저주파수 데이터(7㎐의 피크 주파수)에 의한 동시 소스 반전에 의해 얻어지는 것을 도시하는 도면.
도 15는 도 12에 도시되어 있는 근거리-오프셋 제한된 샷 수집들을 갖는 인코딩된 데이터를 이용하는 반전을 도시하고, 반복 10에서 보여지는 모델은 저주파수 데이터(7㎐의 피크 주파수)에 의한 동시 소스 반전에 의해 얻어지고; 이 모델은 상당한 아티팩트들에 의해 나뉘어지는 것을 명백히 보여주는 도면.
도 16은 도 13에 도시되어 있는 근거리-오프셋이 채워진 샷 수집들을 갖는 인코딩된 데이터를 이용하는 반전을 도시하고(근거리-오프셋 채우기가 거의 비슷하기 때문에, 수층에서의 변화도는 동시 소스 반전에 대한 근사치의 영향을 감소시키기 위해 뮤팅된다), 반복 5에서 보여지는 모델은 저주파수 데이터(7㎐의 피크 주파수)에 의한 동시 소스 반전에 의해 얻어지는 것을 도시하는 도면.
도 17은 도 13에 도시되어 있는 근거리-오프셋이 채워진 샷 수집들을 갖는 인코딩된 데이터를 이용하는 반전을 도시하고(근거리-오프셋 채우기가 거의 비슷하기 때문에, 수층에서의 변화도는 동시 소스 반전에 대한 근사치의 영향을 감소시키기 위해 뮤팅된다), 반복 200에서 보여지는 모델은 저주파수 데이터(7㎐의 피크 주파수)에 의한 동시 소스 반전에 의해 얻어지는 것을 도시하는 도면.

본 발명은 예시적인 실시예들과 함께 기술될 것이다. 그러나, 다음의 상세한 설명이 본 발명의 특정 실시예 또는 특정 이용으로 구체화되는 한, 이것은 단지 예시적인 것으로, 본 발명의 범위를 제한하는 것으로 해석되는 것은 아니다. 그와는 반대로, 첨부된 청구항들에 의해 정의되는 것과 같이, 본 발명의 범위 내에 포함될 수 있는 모든 대안들, 수정들 및 등가물들을 포괄하는 것으로 의도된다.

본 발명의 하나의 실시예는 동시 인코딩된 소스 반전과 종래의 순차 소스 반전의 하이브리드 조합이다. 이 실시예는 데이터의 더 얕은 시간-윈도우에 대해서는 동시 소스 인코딩을 이용하고 데이터의 더 깊은 부분을 반전시키기 위해서는 산재 순차 소스들을 이용한다. 크레브스 등[5, 16]은 정확한 반전들을 제공하면서, 인코딩된 동시 소스 비용 함수가 종래의 비용 함수들보다 더 효율적으로 연산될 수 있다는 것을 보여준다. 동시 소스 비용 함수는 (상기 식 (2)와 비교하여) 다음과 같이 규정된다:

(6)

여기서, 수신기들 및 시간 샘플들에 대한 합산은 식 (2)로서 포함되고, 다음과 같다:

는 수집들의 서브 그룹들에 의한 수집들에 대한 합을 규정하고,

S _sim = 동시 소스 데이터에 대한 비용 함수,

G = 동시 일반화된 소스들의 그룹들, 및

N _G = 그룹들의 수,

c _g = 수집들을 인코딩하기 위해 각 수집의 소스 시그니처와 콘볼빙되는(convolved)(

) 시간의 함수들로, 이들 인코딩 함수들은 가중 함수(W)에 의존하여 어떤 적절한 동작에 대해 거의 직교가 되도록 선택될 수 있다. W가 L2-놈일 때, 적절한 동작은 교차-상관이다.

식 (6)에서의 바깥쪽 합산은 수집 유형에 대응하는 동시 일반화된 소스들(예를 들면, 공통 샷 수집들에 대해서는 포인트 소스들)의 그룹들에 대한 것이다. g에 대한 안쪽 합산은 동시 연산을 위해 그룹화되는 수집들에 대한 것이다. 유한 차 모델링과 같은 어떤 포워드 모델링 방법들에 있어서, 합산된 일반화된 소스들에 대한 포워드 모델의 연산(g∈G에 대한 안쪽 합)은 단일 소스에 대한 연산과 동일한 시간량에서 수행될 수 있다. 따라서, 크레브스 등[5]에서 제시되어 있는 것과 같이,

는 알고리즘 3을 이용하여 매우 효과적으로 연산될 수 있다.

1. 소스로서

를 이용하는 시뮬레이터의 단일 런을 이용하여

를 시뮬레이팅한다,
2. 각 측정된 데이터 수집을 c _g 인코딩 함수들과 콘볼빙한 다음, 결과의 인코딩된 수집들을 합산한다(즉,

),
3. 단계 1의 결과로부터 단계 2의 결과를 감산한다.

알고리즘 3 - 인코딩된 동시-소스 비용 함수를 연산하기 위한 알고리즘

크레브스 등[5]에서 제시되어 있는 것과 같이, 다시 이 알고리즘은 식 (2)로부터의 S(M)보다 N _g / N _G 배 빠른 S _sim (M) 인자를 연산할 수 있다.

고정형 수신기 기하학 구조에 있어서, 샷 수집들은 완전한 수신기 커버리지를 갖는다. 더 얕은 윈도우에 있어서, 이것은 근거리 오프셋들이 채워될 수 있는 경우에 달성될 수 있다. 더 얕은 윈도우들은 최장의 오프셋들에서의 더 빠른 모드들에 대한 도달 시간들보다 작은 시간들에 대응하는 것으로서 규정된다. 인코딩된 동시 소스 방식이 적용될 수 있는 얕은 윈도우의 크기는 지표면-가까이에서의 속도 및 최대 이용가능한 오프셋들에 의존한다. 도 1은 동시 소스 반전에 이용될 수 있는 데이터 윈도우를 도시하는 개략도이다. 기울기들이 더 작은 선들은 더 빠른 얕은-속도의 경우(100)에 대한 윈도우의 하부를 규정한다. 기울기들이 큰 선들은 더 느린 얕은-속도의 경우(101)에 대한 윈도우의 하부를 규정한다. 수직축은 시간이고 수평축은 소스-수신기 상쇄이고, 선택된 수신기에 대한 제로 오프셋은 도면의 중앙에 있고, 오른쪽으로의 오프셋들은 양이고 왼쪽으로의 오프셋들은 음이다. 도 1에 도시되어 있는 개략도는, 지표면-가까이에서의 느린 속도들에 대해서, 지표면-가까이에서의 속도들이 더 빠른 경우(100)에 비해 이용가능한 윈도우(101)가 더 길다.

샷 수집들에서의 음의 오프셋들은 상호성을 이용하여 채워질 수 있다(201). 손실 근거리-오프셋들은, 예를 들면, 이웃하는 트레이스들(201)로부터의 추정된 값들로 채워질 수 있다. 얕은 윈도우에서 근거리-오프셋들을 채우는 것은 동시 소스 인코딩을 이용하기 위한 완전한 수신기 커버리지를 제공할 것이다. 또 다른 대안은 일부 샷에 대한 근거리 오프셋인 모든 수신기들을 간단히 제거하는 것이다. 일반적으로 표면-관련 다중 감쇠에 이용되는 재구성 방법들과 같은 근거리-오프셋 데이터에서 채우기 위한 다양한 종래의 방식들이 있다. 이것은 얕은 윈도우잉된 샷 수집들(202)이 동시 소스 인코딩(203)에 바람직한 고정형-수신기 가정에 따르도록 한다. 따라서, 얕은 윈도우에 있어서, 동시-소스 인코딩된 데이터(204)를 생성하고 이들 데이터에 적합한 지하 모델(206)에 대해 반전(205)시킬 수 있다. 연산 시간은 수자리수 만큼 상당히 적기 때문에, 필요하다면 더 복잡한 시뮬레이션 알고리즘(예를 들면, 탄성 풀 파동장 반전)이 잠재적으로 이용될 수 있다. 얕은 윈도우잉된 데이터에 의한 동시 소스 반전에 이어서, 다음 단계는 고정형 수신기 가정이 더 깊은 윈도우들에 대해서는 실패하기 때문에 더 깊은 윈도우 데이터(208)를 반전시키기 위한 개시 모델(207)로서 얕은 모델을 이용하는 것이다.

본 발명의 방법은 더 깊은 윈도우 데이터를 반전시키기 위한 두 가지 실시예들을 포함한다. 이들 하이브리드 방식들의 흐름도가 도 2에 도시되어 있다. 도 2에 도시되어 있는 제 1 방식에 있어서, 더 깊은 윈도우 데이터(208)를 반전(209)시키기 위해 종래의 순차-샷 기술들이 이용된다. 그러나, 산재하는 소스들의 세트는 모델(210)의 더 깊은 부분을 업데이트하기에 충분하고, 따라서, 유리하게 이용될 수 있다. 얼마나 많은 소스들이 필요한지는 모델의 공간 파장 및 최대 이용가능한 오프셋들에 의존할 것이다. 물리학 관점에서, 지하의 해상도는 깊이에 따라 저하된다. 예를 들면, 오프셋-제한된 데이터에 있어서, 더 깊은 윈도우에서의 기여도는 지배적으로 투과보다는 반사들로부터이다. 따라서, 업데이트되어야 하는 모델의 원하는 스케일 길이에 의존하여, 얼마나 많은 순차 소스들이 필요한지의 선택은 문제에 의존할 수 있다. 예를 들면, 목적이 단지 운동학(이벤트 이동시간들)을 더 잘 설명하는 평활 속도 모델을 얻는 것이라면, 본 발명의 이용자는 반전을 위한 소스들의 산재 세트를 선택할 수 있다. 목적이 고해상도 타겟-지향형 모델 업데이트를 얻는 것이라면, 이용자는 타겟 영역 위에 있는 더 많은 소스들 및 다른 모든 곳에서의 산재 소스들을 포함할 수 있다.

제 2 방식(도 2에서의 방식 Ⅱ)에 있어서, 얕은 윈도우 반전으로부터 발생하는 얕은 모델(206)이 얕은 윈도우보다 때때로 큰 긴 오프셋 데이터(211)를 예측하는데 있어서 만족스러워야 한다는 사실이 이점이 된다. 따라서, 동시 반전으로부터 얻어지는 얕은 모델은 더 큰 손실 오프셋들(211)에서의 데이터를 연산하기 위해 이용된다. 이 방식의 이점은 포워드 모델링을 이용하여 얻어지는 이용가능한 원거리-오프셋 트레이스들에 의해 고정형 수신기 가정이 적용될 수 있다는 것이다. 따라서, 연산된 원거리 오프셋들에 따른 이용가능한 데이터에 의해, 도 2에 도시되어 있는 것과 같이, 샷 수집들은 더 깊은 윈도우(213) 반전(214)을 위해 인코딩(212)될 수 있다.

본 발명의 하이브리드 방식은 스트리머 데이터 뿐만 아니라, 고정형-수신기 가정이 실패한 경우에 다양한 다른 수집 기하학 구조들에도 적용가능하다. 예를 들면, 해저 케이블(OBC, ocean bottom cable) 수집들은 일반적으로 패치-기반형(샷들의 서브세트에 대한 고정형 수신기들)이고, 그것들은 모든 수신기들이 고정형이고 모든 샷들에 대해 리코딩하는 이상적인 상황에는 따르지 않는다. 유사하게, 지상 수집들에 있어서, 수송 문제들로 인해, 고정형 수신기 기하학적 구조는 달성하기가 어렵다.

다음을 포함하지만 그것으로 제한되지는 않는 많은 유형들의 인코딩 함수들(c _g )이 식 (6)에서 이용될 수 있다:

로메로 등[13]에서 제시된 것과 같은 선형, 랜덤, 처프(chirp) 및 수정된-처프 주파수-의존 위상 인코딩;

징 등[14]에서 제시된 것과 같은 주파수 독립적 위상 인코딩;

랜덤 시간 이동 인코딩;

원격통신들에서 이용되는 주파수 분할 멀티플렉싱(FDMA), 시분할 멀티플렉싱(TDMA) 및 코드 분할 멀티플렉싱(CDMA).

이러한 인코딩 기술들 중 일부는 애플리케이션에 따라서 다른 것들보다 잘 작동할 것이고, 일부는 조합될 수 있다. 특히, 주파수 의존 랜덤 위상 인코딩을 이용하여 및 또한 근처 소스들의 주파수 의존 인코딩과 더 광범위하게 분리되어 있는 소스들에 대한 주파수 의존 랜덤 위상 인코딩을 조합함으로써 양호한 결과들이 얻어졌다. 상이한 인코딩들의 관련 장점들의 표시는 어느 것이 더 빠르게 수렴하는지를 결정하기 위해 인코딩 함수들의 각 세트로 테스트 반전들을 행함으로써 얻어질 수 있다.

동시 인코딩된-소스 기술은 많은 유형들의 반전 비용 함수에 대해 이용될 수 있다는 것을 유념해야 한다. 특히, 상술된 L2와는 다른 놈들에 기초한 비용 함수들에 대해 이용될 수 있다. 또한, 정규화된 비용 함수들을 포함하여, 식 (2)에서 나타낸 것보다 복잡한 비용 함수들에 대해 또한 이용될 수 있다. 마지막으로, 동시 인코딩된-소스 방법은 몬테카를로, 시뮬레이팅된 어닐링, 유전 알고리즘, 진화 알고리즘, 그레디언트 라인 탐색, 공액 그레디언트들 및 뉴튼의 방법을 포함한 임의의 유형의 글로벌 또는 로컬 비용 함수 반전 방법과 함께 이용될 수 있다.

본 발명의 방법은 또한 버크호트[7]에 의해 제안된 것과 같이, 다양한 유형들의 일반화된 소스 기술들과 함께 이용될 수 있다. 이 경우에, 상이한 포인트 소스 수집 시그니처들을 인코딩하기보다는, 상이한 합성된 평면파들에 대한 시그니처들을 인코딩할 수 있다.

상술된 실시예에 대한 몇몇 변형들은 다음과 같다:

c _g 인코딩 함수들은 반전의 각 반복을 위해 변경될 수 있다. 적어도 어떤 경우들에 있어서는 이것이 반전이 더 빠르게 수렴하도록 한다.

어떤 경우들에 있어서(예를 들면, 소스 샘플링이 수신기 샘플링보다 더 복잡할 때), 연산 소스들로서 실제 수신기들을 다루고 소스들 대신 수신기들을 인코딩하기 위해 상호성을 이용하는 것이 유리할 수 있다.

본 발명은 단일-구성요소 포인트 수신기들로 제한되지 않는다. 예를 들면, 수신기들은 수신기 어레이들일 수 있거나 다중-구성요소 수신기들일 수 있다.

이 방법은 최고 품질의 반전을 산출하기 위해 인코딩을 최적화함으로써 향상될 수 있다. 예를 들면, 인코딩 함수들은 비용 함수의 로컬 최저치의 수를 감소시키도록 최적화될 수 있다. 인코딩 함수들은 상이한 인코딩 함수들을 이용하여 수행되는 테스트들의 수동 검사에 의해 또는 자동화된 최적화 절차를 이용하는 것으로 최적화될 수 있다.

동시 인코딩된-소스 데이터의 수집은 상당한 지구 물리학 데이터 수집 비용 절감을 가져올 수 있다.

해양 지진 데이터 탐사들에 있어서, 움직이고 있는 동안 계속하여 동작하는 다수의 동시에 동작하는 해양 진동기들로부터 인코딩된 소스 데이터를 수집하는 것이 매우 효율적일 수 있다.

상술된 것과 같이, 본 발명에서의 인코딩 처리는, 예를 들면, 다수의 동시에 동작하는 진동기들의 파일럿 신호들이 상이한 인코딩 함수들에 의해 인코딩되는 경우에, 데이터의 필드 수집에서 수행될 수 있다. 첨부된 청구항들에 있어서, 지구 물리학 데이터를 인코딩하는 것, 또는 인코딩된 소스들로부터의 지구 물리학 데이터, 또는 지구 물리학 데이터의 인코딩된 수집들을 획득하는 것과 관련된 단계들은, 문맥에서 명백히 인코딩이 데이터 처리 단계에서 발생한다는 것을 나타내는 경우를 제외하고는, 필드 수집 처리에서 이미 인코딩된 데이터를 얻는 것을 포함하는 것으로 이해될 것이다.

상이한 놈(예를 들면, L2 놈 대신 L1 놈(절대값)) 및 반전을 정규화하고 안정화시키기 위한 부가적인 항들(예를 들면, 평탄하지 않은 모델들이나 산재하지 않는 모델들을 불리하게 할 수 있는 항들)을 이용하는 것을 포함하는, 비용 함수에 대한 다른 규정들이 이용될 수 있다.

예

도 3 내지 도 11은 고정형 수신기 가정이 위반될 때 본 발명의 하이브리드 방식을 이용하여 균일-밀도 음향 지진 데이터를 반전시키는 합성 예를 제시한다. 결과들은 고정형 수신기 가정이 유효한 경우의 동시 소스 반전과 비교된다.

도 3은 트루 속도 모델, 즉, 합성 데이터를 생성하기 위해 이용될 속도 모델이다. 모델은 500m의 수심을 갖고 급수장의 깊이는 3㎞이다.

도 4는 PCT 특허 출원 공보 제 WO 2008/042081 호에 기술되어 있는 이진 인코딩을 이용하여 인코딩된 2개의 원거리-오프셋 제한된 대표적인 샷 수집들의 일례를 도시한다. 도면으로부터 명백한 샷 수집들의 오프셋-제한된 속성은 고정형-수신기 가정이 유효하지 않게 한다. 그러나, 고정형-수신기 가정은 0 내지 약 3초의 얕은 시간 윈도우에 대해 유효하다는 것을 알 수 있다. 도 4는, x=800 내지 x=2000의 왼쪽 샷에 대한 수신기들은 오른쪽 샷으로부터의 어떠한 기여도도 없으며, 즉, 오른쪽 샷으로부터의 에너지는 3초 전에는 수신기들에 도달하지 않는다는 것을 보여준다. 유사하게, x=2800 내지 x=4200의 오른쪽 샷에 대한 수신기들은 0 내지 3초의 얕은 시간 윈도우에서 왼쪽 샷으로부터의 어떠한 기여도도 없다. 이 예에서 이용되는 최대 원거리-오프셋은 5㎞이다. 데이터는 80m 샷 간격을 이용하여 생성되고 수신기 분리는 10m이다. 이 예는 모델을 이용하여 연산되는 근거리-오프셋 데이터를 이용한다. 반전을 위한 개시 속도 모델을 생성하기 위해서, 공통 심도점(CDP, common depth point) 수집들이 5-㎞ 오프셋-제한된 순차 샷들에 의해 생성되고, 공통 이미지 수집들을 평평하게 하기 위해 키르코프 심도 구조보정(Kirchoff depth migration)이 이용된다. 도 5에 도시되어 있는 개시 속도 모델은 키르코프 심도 구조보정을 이용하여 얻어진다. 심도 구조보정은 데이터의 운동학 부분을 적합하게 하기 때문에, 개시 모델은 평활 모델이다.

도 5에서의 개시 모델은 인코딩된 데이터를 동시 소스 반전을 이용하여 반전시키기 위해 다음에 이용된다. 풀 파동장 반전은 매우 비선형적인 문제가 있기 때문에, 일반적으로 원하는 해결책에 대한 안정한 수렴을 위해 이러한 문제가 잘-제기되도록 하기 위해 시간-주파수 윈도우잉이 필요하다.

도 6은 (7㎐의 피크 주파수를 갖는) 저주파수 데이터를 반전시킴으로써 얻어지는 모델을 도시한다. 고정형 수신기 가정은 (도 4에 도시되어 있는) 데이터의 3초까지 위반되지 않기 때문에, 복원된 모델은 동시 소스 반전에 의한 안정한 수렴을 달성하였다. 3초까지의 시간 윈도우잉된 데이터에 있어서, 최대 오프셋은 약 5㎞이다. 따라서, 반전은 더 깊은 부분에 비해 모델의 더 얕은 부분을 잘 복원한다. 도 7 및 도 8은 각각 4초 및 5초의 시간 윈도우를 갖는 데이터를 반전시킨 결과를 도시한다. 결과들로부터, 이들 시간 윈도우들에서의 인코딩된 데이터가 큰 오프셋 데이터를 갖고 있지 않고 결과적으로 모델 업데이팅을 위해 부정확한 그레디언트가 연산되기 때문에, 반전된 모델은 아티팩트들을 갖는다는 것이 명백하다. 이 시간 윈도우들에서는 고정형 수신기 가정이 위반되기 때문에, 동시 소스 반전은 모델에서 아티팩트들을 생성한다.

얕은 윈도우 동시 소스 반전(도 5)으로부터 얻어지는 모델이 4초의 더 깊은 시간 윈도우에 대한 순차 소스 반전을 위한 개시 모델로서 이용된다. 산재하는 소스들의 세트(데이터를 인코딩하기 위해 이용된 383개의 소스들 중 20개의 소스들)는 4초의 윈도우 반전을 위해 이용된다. 결과적인 모델이 도 9에 도시되어 있다. 개시 모델로서 도 9로부터의 모델을 이용하면, 5초 윈도우잉된 데이터가 반전된다. 5초 데이터 반전에 있어서, 10개의 순차 소스들만이 이용된다. 결과적인 모델이 도 10에 도시되어 있다. 오프셋-제한된 데이터에 있어서, 개구는 심도에 의해 제한되고, 따라서, 산재하는 소스들의 세트는 합당한 모델을 얻기에 충분하다. 산재 소스들을 이용함으로써 연산 노력을 상당히 감소시킨다.

도 11은 10개의 순차 소스들에 의해 풀 대역 데이터(40㎐의 피크 주파수)를 갖는 5초 데이터 윈도우를 반전시킨 결과를 도시한다.

상술된 예에서는, 측정된 근거리-오프셋 데이터가 이용되었다. 실제로, 해양 스트리머 데이터는 일반적으로 손실 근거리-오프셋들을 갖는다. 다음 예에서, 200m까지의 오프셋 데이터가 제거된다. 여기서의 목적은 동시 반전에서 손실 근거리 오프셋들의 영향 및 인코딩된 데이터에 포함될 그 중요도를 나타내는 것이다.

도 12는 동시 반전을 위해 인코딩되는 손실 오프셋들을 갖는 대표적인 샷 수집을 도시한다. 인코딩된 데이터에는 손실 근거리-오프셋 정보가 있기 때문에, 동시 반전은 복원된 모델에 아티팩트들을 생성할 뿐만 아니라 데이터를 적합하게 하는 것이 어렵다. 반복 5 및 반복 50에서의 복원된 모델은 각각 도 14 및 도 15에 도시되어 있다. 반전된 모델은 상당한 아티팩트들을 갖고 있고, 해결책은 저주파수 데이터 반전에 대해 완전히 벗어나 있다. 도 15는 인코딩된 데이터에서의 손실 근거리-오프셋 정보로 인해 수층에 큰 속도 아티팩트들이 존재하는 것을 보여준다. 이 해결책을 개선하기 위해서, 데이터 보간 또는 정규화가 근거리-오프셋 트레이스들에서 채우기 위해 이용될 수 있다. 이것은 다중 제거 문제들을 위해 데이터를 준비하기 위한 공통 절차이다. 반전시 아티팩트들을 야기하는 또 다른 인자는 직접 도달들로 인한 손실된 큰 에너지 데이터이다. 일반적으로, 직접 도달들을 갖는 근거리-오프셋 데이터는 상당한 에너지를 갖고, 따라서, 데이터 적합의 관점에서, 데이터 불일치에 크게 기여한다. 측정된 인코딩된 데이터에서의 손실 정보는 문제를 악화시키고 반전이 벗어나는 것을 야기함으로써, 상당한 아티팩트들을 유발한다. 데이터를 적합화하는데 있어서 이러한 양태를 인식함으로써, 보통 수속(water velocity)과 공통적으로 연관되는 모델의 얕은 부분에서 변화도를 마스킹하거나 뮤팅함으로써 문제가 어느 정도는 회피될 수 있다. 이것은 다음 예에서 입증된다.

다중-제거를 위한 공통 절차인 근거리-오프셋 트레이스들을 보간하는 대신, 도 13에 도시되어 있는 이 트레이스에 의해, 200m에서의 최근거리의 이용가능한 트레이스가 이용되고 손실 근거리-오프셋 트레이스들을 채우기 위해 다수의 사본들이 만들어진다. 이어서, 동시 반전을 위해 이진 인코딩을 이용하여 데이터가 인코딩된다. 얕은 3초 시간 윈도우잉된 데이터에 대한 저주파수 인코딩된 데이터의 동시 반전 동안, 수층에서의 그레디언트가 뮤팅되어, 수층에 축적된 에러는 더 깊은 부분에서의 모델 업데이팅을 위해 전파되지 않고 반전이 벗어나도록 한다.

도 16 및 도 17은 각각 수층에서의 그레디언트 뮤팅에 의해 저주파수 데이터의 동시 소스 반전을 이용하는 반복 5 및 반복 200에 대한 반전 결과를 도시한다. 도 17은 명백히 반전이 안정되고 복원된 모델이 도 5에서의 반전과 유사한 것을 도시한다. 결과들은 근거리-오프셋들이 라돈 보간법과 같은 데이터 정규화 방법들을 이용하여 보간되는 경우에 더 개선되어야 한다. 제시된 모든 예들은 도 2에서 기술된 방식 "I"의 실례를 보여준다.

상기 출원은 예시의 목적을 위한 본 발명의 특정 실시예들과 관련된다. 그러나, 당업자에게는 본원에 기술된 실시예들에 대한 많은 수정들 및 변형들이 가능하다는 것이 명백할 것이다. 모든 이러한 수정들 및 변형들은 첨부된 청구항들에 규정되어 있는 것과 같이 본 발명의 범위 내에 있다. 당업자들은 본 발명의 바람직한 실시예들에서 본 발명의 방법에서의 단계들 중 적어도 일부는 컴퓨터 상에서 실행된다는 것을 즉, 본 발명은 컴퓨터로 구현된다는 것을 쉽게 인식할 것이다. 이러한 경우들에 있어서, 결과적인 업데이트된 물리적 속성 모델은 다운로드되거나, 디스플레이되거나, 컴퓨터 저장소에 저장될 수 있다.

참고문헌

1. 타란톨라,에이.(Tarantola, A.), "음향 근사에서의 지진 반사 데이터의 반전(Inversion of seismic reflection data in the acoustic approximation)", 지구 물리학 49(Geophysics 49), 1259쪽 내지 1266쪽(1984년).

2. 서규,엘.(Sirgue,L.) 및 프레트 지.(Pratt G.), "효율적인 파형 반전 및 촬상: 시간 주파수들을 선택하기 위한 전략(Efficient waveform inversion and imaging: A strategy for selecting temporal frequencies)", 지구 물리학 69, 231쪽 내지 248쪽(2004년).

3. 팔라트,엠.알.(Fallat,M.R.), 도소,에스.이.(Dosso,S.E.), "로컬, 글로벌 및 하이브리드 알고리즘들을 통한 지음향 반전(Geoacoustic inversion via local, global, and hybrid algorithms)", 미국 음향학회 저널 105(Journal of the Acoustical Society of America 105), 3219쪽 내지 3230쪽(1999년).

4. 힌크레이,디(Hinkley,D.) 및 크레브스,제이.(Krebs,J.), "동시 소스 반전을 위한 그레디언트 연산(Gradient computation for simultaneous source inversion)", PCT 특허 출원 공보 제 WO 2009/117174 호.

5. 크레브스,제이.알.(Krebs,J.R.), 안데르손,제이.에이.(Anderson,J.A.), 니라마니,알.(Neelamani,R.), 힌크레이,디., 징,씨.(Jing,C.), 딕켄스,티.(Dickens,T.), 크론,씨.(Krohn,C.), 트레이닌,피.(Traynin,P.), "동시 지구 물리학 소스들로부터의 데이터의 반복형 반전(Iterative inversion of data from simultaneous geophysical sources)", PCT 특허 출원 공보 제 WO 2008/042081 호.

6. 반 마넨,디.제이.(Van Manen, D. J.), 로베르트손,제이.오.에이.(Robertsson,J.O.A.), 커티스,에이.(Curtis,A.), "시간 반전에 의해 파 만들기(Making wave by time reversal)", SEG 세계 박람회 및 75차 연례 회의 초록, 1763쪽 내지 1766쪽, (2005년).

7. 버크호트,에이.제이.(Berkhout,A.J.), "지면 샷 리코드 기술(Areal shot record technology)", 지진 탐사 저널 1(Journal of Seismic Exploration 1), 251쪽 내지 264쪽(1992년).

8. 장,와이.(Zhang,Y.), 선,제이.(Sun,J.), 노트포르스,씨.(Notfors,C.), 그레이,에스.에이치.(Gray,S.H.), 케리스,엘.(Cherris,L.), 영,제이.(Young,J.), "지연된-샷 3D 심도 구조보정(Delayed-shot 3D depth migration)", 지구 물리학 70, E21쪽 내지 E28쪽(2005년).

9. 반 리엘,피.(Van Riel,P.) 및 헨드리크,더블유.제이.디.(Hendrik,W.J.D.), "지진 및 에코-음향 데이터로부터 탄성 및 조성 파라미터들을 추정하는 방법(Method of estimating elastic and compositional parameters from seismic and echo-acoustic data)", 미국 특허 제 6,876,928 호(2005년).

10. 모라,피.(Mora, P), "멀티-오프셋 지진 데이터의 비선형 2-차원 탄성 반전(Nonlinear two-dimensional elastic inversion of multi-offset seismic data)", 지구 물리학 52, 1211쪽 내지 1228쪽(1987년).

11. 오베르,씨.씨.(Ober,C.C.), 로메로,엘.에이.(Romero,L.A.), 기글리아,디.씨.(Ghiglia,D.C.), "지진 리코드들을 구조보정하는 방법(Method of Migrating Seismic Records)", 미국 특허 제 6,021,094 호(2000년).

12. 이켈레,엘.티.(Ikelle,L.T.), "지진 모델링 및 수집에 대한 멀티-슈팅 방식(Multi-shooting approach to seismic modeling and acquisition)", 미국 특허 제 6,327,537 호(2001년).

13. 로메로,엘.에이.(Romero,L.A.), 기글리아,디.씨.(Ghiglia,D.C.), 오베르,씨.씨.(Ober,C.C.), 모톤,에스.에이.(Morton,S.A.), "적층전 구조보정에서의 샷 리코드들의 위상 인코딩(Phase encoding of shot records in prestack migration)", 지구 물리학 65, 426쪽 내지 436쪽(2000년).

14. 징 엑스.(Jing X.), 핀,씨.제이.(Finn,C.J.), 딕켄스,티.에이.(Dickens,T.A.), 윌렌,디.이.(Willen,D.E.), "적층전 구조보정에서의 다중 샷 수집들의 인코딩(Encoding multiple shot gathers in prestack migration)", SEG 국제 박람회 및 70차 연례 회의 초록, 786쪽 내지 789쪽(2000년).

15. 하베르,이.(Haber,E.), 청 엠(Chung M.) 및 헤르만(Herrmann), "다수의 우변들을 갖는 PDE 제약들에 대한 파라미터 추정을 위한 효과적인 방법(An effective method for parameter estimation with PDE constraints with multiple right hand sides)", 프리프린트 - UBC http://www.math.ubc.ca/~haber/pubs/PdeOptStochV5.pdf(2010년).

16. 제롬 알. 크레브스(Jerome R. Krebs), 존 이. 안데르손(John E. Anderson), 데이비드 힌클레이(David Hinkley), 라메시 니라마니(Ramesh Neelamani), 선웅 리(Sunwoong Lee), 아나톨리 바움스테인(Anatoly Baumstein), 및 마틴-다니엘 라카세(Martin-Daniel Lacasse), "인코딩된 소스들을 이용하는 풀-파동장 지진 반전(Full-wavefield seismic inversion using encoded sources)", 지구 물리학 74-6, WCC177-WCC188(2009년).

Claims

지하 영역에 대한 물리적 속성 모델을 결정하기 위해 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법에 있어서:
상기 지하 영역에 대한 제 1 물리적 속성 모델을 얻기 위해, 동시 인코딩된 소스들의 데이터 및 수신기들의 데이터 반전에 의해 상기 측정된 지구 물리학 데이터로부터의 도달 시간들의 선택된 얕은 깊이에서의 시간 윈도우 데이터를 반전시키기 위해 컴퓨터를 이용하는 단계;
상기 지하 영역에 대한 제 2 물리적 속성 모델을 얻기 위해 반복형 순차 소스 데이터 반전에 의해, 상기 측정된 지구 물리학 데이터 또는 상기 측정된 지구 물리학 데이터로부터의 도달 시간들의 선택된 깊은 깊이에서의 시간 윈도우 데이터를 반전시키기 위해 컴퓨터를 이용하는 단계로서, 상기 제 1 물리적 속성 모델은 개시 모델로서 이용되고, 소스 위치들의 세트는 상기 반복형 순차 소스 데이터 반전에서 상기 제 2 물리적 속성 모델을 업데이트하기 위해 이용된, 상기 측정된 지구 물리학 데이터 또는 상기 측정된 지구 물리학 데이터로부터의 도달 시간들의 선택된 깊은 깊이에서의 시간 윈도우 데이터를 반전시키기 위해 컴퓨터를 이용하는 단계; 및
상기 지하 영역의 제 2 물리적 속성 모델을 출력하거나, 디스플레이하거나, 데이터 저장소에 저장하는 단계를 포함하는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 1 항에 있어서,
상기 선택된 얕은 깊이에서의 시간 윈도우 데이터는 최장의 오프셋들에서 가장 빠른 전파 모드들에 대한 도달 시간들보다 작은 도달 시간들로 이루어지고, 오프셋은 소스-수신기 간격인, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 1 항에 있어서,
상기 반복형 순차 소스 데이터 반전에서 상기 제 2 물리적 속성 모델을 업데이트하기 위해 얼마나 많은 소스 위치들이 이용되는지는, 적어도 부분적으로 상기 제 2 물리적 속성 모델의 공간적 파장 및 상기 측정된 지구 물리학 데이터에서의 최대 이용가능한 오프셋들에 기초하여 결정되는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 1 항에 있어서,
상기 반복형 순차 소스 데이터 반전에서 상기 제 2 물리적 속성 모델을 업데이트하기 위해 이용된 소스 위치들의 세트는 상기 측정된 지구 물리학 데이터에서 표현되거나 상기 동시 인코딩된 소스들의 데이터 및 수신기들의 데이터 반전에서 이용되는 것보다 작은 소스 위치들로 이루어지는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 1 항에 있어서,
도달 시간들의 상기 선택된 얕은 깊이에서의 시간 윈도우 데이터에서의 음의 오프셋들에 대한 손실 데이터들은 소스-수신기 상호성을 이용하여 양의 오프셋 데이터로부터 채워지고;
도달 시간들의 상기 선택된 얕은 깊이에서의 시간 윈도우 데이터에서의 손실 근거리-오프셋 데이터에는 추정된 값들이 제공되거나, 대안적으로, 일부 소스 샷에 대한 근거리 오프셋인 수신기들이 상기 방법에서는 고려되지 않는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 1 항에 있어서,
상기 측정된 지구 물리학 데이터는 비-고정형 수신기들을 이용하는 탐사에서 획득되는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 1 항에 있어서,
상기 동시 인코딩된 소스들의 데이터 및 수신기들의 데이터 반전에서 반복형 반전을 이용하는 단계를 추가로 포함하고, 상기 소스들의 데이터 및 수신기들의 데이터는 선택된 세트의 인코딩 함수들을 이용하여 인코딩되고, 상이한 세트의 인코딩 함수들은 상기 반복들 중 적어도 하나를 위해 선택되는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
지하 영역에 대한 물리적 속성 모델을 결정하기 위해 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법에 있어서:
상기 지하 영역에 대한 제 1 물리적 속성 모델을 얻기 위해, 동시 인코딩된 소스들의 데이터 및 수신기들의 데이터 반전에 의해 상기 측정된 지구 물리학 데이터로부터의 도달 시간들의 선택된 얕은 깊이에서의 시간 윈도우 데이터를 반전시키기 위해 컴퓨터를 이용하는 단계;
상기 얕은 깊이에서의 시간 윈도우 데이터보다 깊은 깊이에서의 시간 윈도우 데이터로부터의 도달 시간들에 대응하는 더 긴 오프셋들에 대한 합성 데이터를 컴퓨터를 이용하여 시뮬레이팅하기 위해 상기 제 1 물리적 속성 모델을 이용하는 단계;
상기 측정된 지구 물리학 데이터를 반전시키기 위해 컴퓨터를 이용하는 단계로서, 더 긴 오프셋들을 갖는 상기 데이터가 증가되고, 상기 반전은 지하 영역의 제 2 물리적 속성 모델을 얻기 위한 동시 인코딩된-소스들의 데이터 및 인코딩된-수신기들의 데이터 반전이고, 더 긴 오프셋들을 갖는 상기 증가된 데이터는 더 긴 오프셋들에 대한 상기 합성 데이터 및 상기 더 긴 오프셋들에서의 상기 측정된 데이터의 합인, 상기 측정된 지구 물리학 데이터를 반전시키기 위해 컴퓨터를 이용하는 단계; 및
상기 지하 영역의 제 2 물리적 속성 모델을 출력하거나, 디스플레이하거나, 데이터 저장소에 저장하는 단계를 포함하는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 8 항에 있어서,
상기 측정된 지구 물리학 데이터는 비-고정형 수신기들을 이용하는 탐사에서 획득되는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 8 항에 있어서,
모든 동시 인코딩된 소스 데이터 반전들은 반복되고,
상기 소스들의 데이터는 선택된 세트의 인코딩 함수들을 이용하여 인코딩되고,
상이한 세트의 인코딩 함수들은 상기 반복들 중 적어도 하나를 위해 선택되는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 1 항에 있어서,
상기 측정된 지구 물리학 데이터는 지진 데이터인, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 1 항에 있어서,
상기 동시 인코딩된 소스들의 데이터 및 수신기들의 데이터 반전은:
(a) 상기 얕은 깊이에서의 시간 윈도우 데이터에 대한 상기 측정된 지구 물리학 데이터의 2개 이상의 인코딩된 수집들의 그룹을 획득하는 단계로서, 각 수집은 단일 일반화된 소스 또는 단일 수신기와 연관되고, 각 수집은 비-등가 인코딩 시그니처들의 세트로부터 선택된 상이한 인코딩 시그니처로 인코딩되는, 상기 획득 단계;
(b) 단일 수신기에 대응하는, 또는 수신기 수집들이 이용되면 단일 소스에 대응하는 각 수집에서의 모든 데이터 리코드들을 합산하고, 각 상이한 수신기 또는 소스에 대해 반복함으로써 상기 그룹에서 상기 인코딩된 수집들을 합산하여, 동시 인코딩된 수집을 발생시키는 단계;
(c) 상기 지하 영역의 물리적 속성 모델을 가정하는 단계로서, 상기 가정된 모델은 상기 지하 영역의 위치들에서 적어도 하나의 물리적 속성의 값들을 제공하는, 상기 가정 단계;
(d) 단계 (b)로부터의 상기 동시 인코딩된 수집과 더욱 일치하는 상기 가정된 물리적 속성 모델에 대한 업데이트를 계산하는 단계로서, 상기 계산은 측정된 데이터의 대응하는 수집들을 인코딩하기 위해 이용된 것과 동일한 인코딩 함수들을 이용하여 상기 가정된 물리적 속성 모델 및 인코딩된 소스 시그니처들을 이용하는 하나 이상의 인코딩된 동시 소스 포워드 또는 역 시뮬레이션 동작들을 수반하고, 전체의 동시 인코딩된 수집은 단일 시뮬레이션 동작에서 시뮬레이팅되는, 상기 계산 단계;
(e) 측정된 데이터의 상기 대응하는 동시 인코딩된 수집과 더욱 일치하는 상기 지하 영역의 더욱 업데이트된 물리적 속성 모델을 생성하기 위해 상기 가정된 모델로서 단계 (d)의 이전 반복으로부터의 상기 업데이트된 물리적 속성 모델을 이용하고, 상기 시뮬레이션에서의 소스 시그니처들을 위한 측정된 데이터의 대응하는 동시 인코딩된 수집을 형성할 때 이용된 것과 동일한 인코딩 시그니처들을 이용하여, 단계 (d)를 적어도 한 번 이상 반복하는 단계; 및
(f) 상기 제 1 물리적 속성 모델에 대한 상기 더욱 업데이트된 물리적 속성 모델을 취하는 단계를 포함하는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 1 항에 있어서,
상기 동시 인코딩된 소스들의 데이터 및 수신기들의 데이터 반전은:
(a) 상기 얕은 깊이에서의 시간 윈도우 데이터로부터의 상기 측정된 지구 물리학 데이터의 2개 이상의 인코딩된 수집들의 그룹을 획득하는 단계로서, 각 수집은 단일 일반화된 소스 또는 단일 수신기와 연관되고, 각 수집은 비-등가 인코딩 함수들의 세트로부터 선택된 상이한 인코딩 함수로 인코딩되는, 상기 획득 단계;
(b) 단일 수신기에 대응하는, 또는 수신기 수집들이 이용되면 단일 소스에 대응하는 각 수집에서의 모든 데이터 리코드들을 합산하고, 각 상이한 수신기 또는 소스에 대해 반복함으로써 상기 그룹에서 상기 인코딩된 수집들을 합산하여, 동시 인코딩된 수집을 발생시키는 단계;
(c) 상기 지하 영역의 물리적 속성 모델을 가정하는 단계로서, 상기 모델은 상기 지하 영역의 위치들에서 적어도 하나의 물리적 속성의 값들을 제공하는, 상기 가정 단계;
(d) 2개 이상의 인코딩된 수집들의 그룹을 한 번에 하나씩 반전시키는 단계로서, 각 인코딩된 수집에서의 모든 데이터 트레이스들은 초기 모델로서 상기 가정된 물리적 속성 모델을 이용하고, 업데이트된 물리적 속성 모델을 생성하기 위해 모델-시뮬레이팅된 데이터와 상기 인코딩된 수집들에서의 상기 측정된 지구 물리학 데이터 간의 불일치도를 측정하는 비용 함수를 최소화하기 위해 상기 모델을 반복적으로 업데이트하여 동시에 반전되고, 적어도 하나의 모델 파라미터에 대하여 상기 비용 함수의 그레디언트를 이용하여 모델 조정들이 이루어지고, 상기 그레디언트는 시간상 포워드 시뮬레이팅된 인코딩된 동시-소스 데이터와 시간상 역방향으로 시뮬레이팅된 인코딩된 동시-소스 데이터의 곱의 시간 적분으로부터 연산되는, 상기 반전 단계; 및
(e) 상기 제 1 물리적 속성 모델로서 상기 업데이트된 물리적 속성 모델을 취하는 단계를 포함하는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 12 항에 있어서,
단계 (a)에서와 같이 상기 측정된 지구 물리학 데이터의 2개 이상의 인코딩된 수집들 중 적어도 하나의 부가적인 그룹을 획득하는 단계, 및 각 부가적인 그룹에 대해 단계 (b)를 수행한 다음, 단계 (d)로부터의 상기 물리적 속성 모델에 상기 대응하는 업데이트들을 누적하는 단계를 추가로 포함하고, 단계 (e)에서 이용될 상기 업데이트된 물리적 속성 모델은 상기 누적된 업데이트들에 기초하는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 12 항에 있어서,
측정된 데이터의 상기 인코딩된 수집들은 수집으로부터의 모든 트레이스들을 상기 수집에 대해 선택된 상기 인코딩 시그니처와 일시적으로 콘볼빙(convolving)함으로써 인코딩되는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 13 항에 있어서,
측정된 데이터의 상기 인코딩된 수집들은 수집으로부터의 모든 트레이스들을 상기 수집에 대해 선택된 상기 인코딩 함수와 일시적으로 콘볼빙함으로써 인코딩되는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 12 항에 있어서,
측정된 데이터의 상기 2개 이상의 인코딩된 수집들은 복수의 동시에 동작하는 고유하게 인코딩된 소스 디바이스들로부터 데이터가 수집되는 지구 물리학 탐사로부터 데이터의 수집들을 획득함으로써 얻어지는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
제 13 항에 있어서,
측정된 데이터의 상기 2개 이상의 인코딩된 수집들은 복수의 동시에 동작하는 고유하게 인코딩된 소스 디바이스들로부터 데이터가 수집되는 지구 물리학 탐사로부터 데이터의 수집들을 획득함으로써 얻어지는, 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 컴퓨터-구현 방법.
컴퓨터 판독가능한 프로그램 코드가 구현된 비-일시적 컴퓨터 이용가능한 매체로서, 상기 컴퓨터 판독가능한 프로그램 코드는 지하 영역에 대한 물리적 속성 모델을 결정하기 위해 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 방법을 구현하기 위해 실행되도록 적응되는, 상기 비-일시적 컴퓨터 이용가능한 매체에 있어서,
상기 방법은:
상기 지하 영역에 대한 제 1 물리적 속성 모델을 얻기 위해, 동시 인코딩된 소스들의 데이터 및 수신기들의 데이터 반전에 의해 상기 측정된 지구 물리학 데이터로부터의 도달 시간들의 선택된 얕은 깊이에서의 시간 윈도우 데이터를 반전시키는 단계;
상기 지하 영역에 대한 제 2 물리적 속성 모델을 얻기 위해 반복형 순차 소스 데이터 반전에 의해, 상기 측정된 지구 물리학 데이터 또는 상기 측정된 지구 물리학 데이터로부터의 도달 시간들의 선택된 깊은 깊이에서의 시간 윈도우 데이터를 반전시키는 단계로서, 상기 제 1 물리적 속성 모델은 개시 모델로서 이용되고, 소스 위치들의 세트는 상기 반복형 순차 소스 데이터 반전에서 상기 제 2 물리적 속성 모델을 업데이트하기 위해 이용된, 상기 측정된 지구 물리학 데이터 또는 상기 측정된 지구 물리학 데이터로부터의 도달 시간들의 선택된 깊은 깊이에서의 시간 윈도우 데이터를 반전시키는 단계; 및
상기 지하 영역의 제 2 물리적 속성 모델을 출력하거나, 디스플레이하거나, 데이터 저장소에 저장하는 단계를 포함하는, 컴퓨터 판독가능한 프로그램 코드가 구현된 비-일시적 컴퓨터 이용가능한 매체.
컴퓨터 판독가능한 프로그램 코드가 구현된 비-일시적 컴퓨터 이용가능한 매체로서, 상기 컴퓨터 판독가능한 프로그램 코드는 지하 영역에 대한 물리적 속성 모델을 결정하기 위해 측정된 지구 물리학 데이터의 풀-파동장 반전을 위한 방법을 구현하기 위해 실행되도록 적응되는, 상기 비-일시적 컴퓨터 이용가능한 매체에 있어서,
상기 방법은:
상기 지하 영역에 대한 제 1 물리적 속성 모델을 얻기 위해, 동시 인코딩된 소스들의 데이터 및 수신기들의 데이터 반전에 의해 상기 측정된 지구 물리학 데이터로부터의 도달 시간들의 선택된 얕은 깊이에서의 시간 윈도우 데이터를 반전시키는 단계;
상기 얕은 깊이에서의 시간 윈도우 데이터보다 깊은 깊이에서의 시간 윈도우 데이터로부터의 도달 시간들에 대응하는 더 긴 오프셋들에 대한 합성 데이터를 시뮬레이팅하기 위해 상기 제 1 물리적 속성 모델을 이용하는 단계;
상기 측정된 지구 물리학 데이터를 반전시키는 단계로서, 더 긴 오프셋들을 갖는 상기 데이터가 증가되고, 상기 반전은 상기 지하 영역의 제 2 물리적 속성 모델을 얻기 위한 동시 인코딩된-소스들의 데이터 및 인코딩된-수신기들의 데이터 반전이고, 더 긴 오프셋들을 갖는 상기 증가된 데이터는 더 긴 오프셋들에 대한 상기 합성 데이터 및 상기 더 긴 오프셋들에서의 상기 측정된 데이터의 합인, 상기 측정된 지구 물리학 데이터를 반전시키는 단계; 및
상기 지하 영역의 제 2 물리적 속성 모델을 출력하거나, 디스플레이하거나, 데이터 저장소에 저장하는 단계를 포함하는, 컴퓨터 판독가능한 프로그램 코드가 구현된 비-일시적 컴퓨터 이용가능한 매체.
지하 영역으로부터 탄화수소를 생산하기 위한 방법에 있어서:
상기 지하 영역의 지구 물리학 탐사를 수행하여 측정된 지구 물리학 데이터를 발생시키는 단계;
상기 지하 영역의 물리적 속성 모델을 생성하기 위해 제 1 항 또는 제 8 항의 방법에 의해 컴퓨터 상에서 상기 측정된 지구 물리학 데이터를 처리하는 단계;
상기 물리적 속성 모델을 이용하여 상기 지하 영역의 탄화수소 전위를 평가하는 단계; 및
탄화수소 전위의 상기 평가의 적어도 일부분에 기초하여 상기 지하 영역에 웰(well)을 드릴링하고, 상기 웰로부터 탄화수소를 생산하는 단계를 포함하는, 지하 영역으로부터 탄화수소를 생산하기 위한 방법.