Seismic data are important for characterization of the physical properties of the subsurface. When acquiring seismic data a signal is sent into the medium of interest. This signal is reflected and returns to the surface when it encounters changes in rock-properties of the subsurface. By recording the reflected signal one obtains information on the properties of the subsurface. The challenge is to retrieve this information from the data.
Full waveform inversion (FWI) is a data-fitting procedure aiming to describe the properties of the subsurface by solving a non-linear inverse problem. The method uses mathematical equations to generate synthetic data that optimally match the acquired seismic data. Subsurface properties are important because they give information on the distribution of lithology and fluids, which is highly interesting in hydrocarbon exploration and production.
Substantial supercomputing power is required to perform waveform inversion. In order to yield a method of practical value, the methods currently used include certain assumptions and limitations. Limitations in computational power have resulted in simplified assumptions regarding the physics included in the method. Furthermore, the search algorithms used for solving the inverse problem are not optimal. A consequence is that the present-day methods require substantial knowledge of the subsurface prior to performing FWI. This may not always be available, leading to insufficient results from performing the inversion.
This project has two goals. One goal lies in the ability to perform waveform inversion with a more complete physical description of the subsurface, through a focus on computational power and efficient numerical solution to the governing mathematical equations. The other goal of this project is to exploit other search algorithms than what are currently being used. This project aims to remove limitations present in current waveform inversion.
At project end (September 2022), two journal publications are published within the first goal and one conference paper for the second goal. The first publication introduces a new method for effectively computations of gradients, and thus model updates of the subsurface properties, in FWI with the use of boundary reconstruction methods. The second publication is about a method for applying FWI with sufficient physics with the use of graphic cards (GPUs) in combination with the method from the first publication. The conference paper shows a method with a better search algorithm for simultaneous estimation of the source signature and compensation of crosstalk between the subsurface parameters. The third and last article is about the use of better optimization methods for alternative formulations of full waveform inversion, something that yields better search direction and potentially longer step lengths in the optimization problem that is solved. The consequence is that the number of time- and computer-intensive iterations in the inversion can be reduced.
Mens dette prosjektet har blitt gjennomført har industrien beveget seg gradvis mot å inkludere mer fysikk i bølgeformsinversjon. Det er fremdeles enda langt igjen før industrien kan levere et fullskala prosjekt basert på en elastisk formulering av bølgeformsinversjon. I dag blir det levert småskala tester av teknologien hvor elastisk formulering har blitt brukt. Begrensningen ligger i at for å gjøre elastisk bølgeformsinversjon kreves det ny type hardware som vil kreve store økonomiske investeringer for leverandørene, i kombinasjon med at kompleksiteten i selve det inverse problemet øker.
Resultatene fra dette prosjektet viser at det ved bruk av spesielle teoretiske metoder og ny hardware (i dette tilfelle grafikkort) er mulig å kjøre storskala beregninger med elastisk formulering innenfor bølgeformsinversjon. Metoden utviklet i dette prosjeket er generell og kan derfor overføres til andre industrier innen f.eks medisin og AI/ML. Det er viktig å merke seg at det er fullt mulig å gjøre dette ved bruk av annen hardware enn grafikkort, noe som vil være relevant i tiden fremover når industrien kommer med nye typer arkitekturer for storskala beregninger. Det er forventet at denne type metoder blir mer brukt i tiden fremover for anvendelser som krever mye regnekraft, rett og slett for å ha mulighet til å gjøre de beregningene som kreves.
Det teoretiske rammeverket utviklet på selve optimeringsproblemet er generell og kan bli anvendt innenfor en lang rekke problemer, og ikke spesielt rettet mot olje- og gassindustrien. Det er forventet at rammeverket vil bli brukt i fremtiden for å klare å løse problemer som innvolverer inversjon av flere parametre i store løsningsrom. Det er ventet at dette vil bli anvendt innen industrien på global skala.
Dette prosjektet har økt den interne kunnskapen for problematikken for de involverte aktørene. Deler av kunnskapen blitt anvendt innenfor metoder som maskinlæring og signalprosessering. Kunnskapen har også bidratt til å påvirke leverandørindustrien til å levere bedre resultater.
Bølgeformsinversjon (engelsk: full waveform inversion (FWI)) er en moderne metode for å estimere parametre som påvirker bølgeforplantning gjennom et gitt medium. Metoden er bygd opp rundt et ikke-lineært og underbestemt inversjonsproblem som blir løst ved bruk av optimeringsmetoder. Inversjonsproblemet involverer blant annet numerisk løsning av bølgelikningen for innsamlede data, i tillegg til løsning av et optimeringsproblem som (i praksis) inkluderer et søkerom bestående av millioner av ukjente variabler som skal bestemmes for å finne den optimale løsningen. Dette gjør at FWI er en beregningsmessig komplisert metode samt teoretisk utfordrende på grunn av inversproblemet.
FWI krever store regnemaskiner for å bli løst. FWI slik det (i hovedsak) brukes i dag antar at mediet er et fluid. Dette er en utilstrekkelig antakelse da undergrunnen er et fast stoff. For å få FWI til å fungere under denne antakelsen kreves en rekke approksimasjoner og tilnærminger som påvirker sluttresultatet (herunder at man blir begrenset til kun å bruke gangtid i inversjonen og ikke amplituder). En mer korrekt antakelse er å anta at mediet er elastisk (inkludert anisotropi og dempning). Utfordringen med dette er at den elastiske antakelsen krever 1-2 ordener mer regnekraft for å bli løst numerisk. For å løse disse utfordringene er det helt nødvendig å optimalisere de numeriske metodene samt bruke ny type datateknologi.
Det inverse problemet lider under løsningsmetoder som gir ikke-optimale resultater, spesielt hvis den elastiske antakelsen skal inkluderes i metoden. For å løse disse utfordringene må globale optimaliseringsmetoder for FWI undersøkes. I tillegg må det undersøkes om fundamentalt andre måter å løse det inverse problemet kan anvendes.
Prosjektet involverer utvikling og implementasjon av nye numeriske metoder for kjøring på tungregnemaskiner, teoretisk arbeid med det inverse problemet, samt anvendelser på reelle datasett fra det norske kontinentalsokkelen.