تصویرسازی لرزه‌ای ساختارهای پیچیده با استفاده از تهیه مدل سرعت به روش توموگرافی شبکه‌ای هیبریدی

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی معدن، نفت و ژئوفیزیک، دانشگاه صنعتی شاهرود

10.29252/anm.2020.11821.1384

چکیده

حضور لایه‌های پرسرعت معمولاً مهم‌ترین عامل ایجاد تباین سرعت بالا در ساختارهای پیچیده است. استفاده از مزایای هر دو روش توموگرافی شبکه‌ای و لایه‌ای در ساخت مدل سرعت می‌تواند بر بخشی از مشکلات تصویر سازی لرزه‌ای در این گونه ساختارها فائق آید. بنابراین روش‌های هیبریدی به منظور افزایش صحت مدل سرعت معرفی شدند. در این پژوهش با تغییر استراتژی روش هیبریدی، اثر تباین بالای مدل سرعت در به روز رسانی مدل و به دنبال آن تصویرسازی عمقی کاهش داده شد. در ابتدا مدل سرعت ساده به روش توموگرافی تهیه شده و محدوده با تباین بالای سرعت مشخص می‌شود. سپس محدوده آنومالی سرعت به عنوان محدوده سخت با مرزهای سخت انتخاب شده و سایر قسمت‌ها محدوده نرم شناخته می‌شوند. مرزهای با عدم قطعیت بالا در تعییم موقعیت مکانی رخدادها، به عنوان مرزهای نرم شناخته می‌شوند. در ادامه محدوده‌های جدا شده هم‌زمان ولی مستقل به روش توموگرافی به روزرسانی شده و مدل سرعت میانی حاصل می‌شود. در گام نهایی با انجام چند تکرار و به روز رسانی به روش توموگرفی برای کل مدل سرعت، مرزهای تیز از بین رفته و مدل سرعت نهایی حاصل می‌شود. مرزهای سخت دارای کمترین و مرزهای نرم دارای بیشترین تغییر در مکان خواهند بود. در بین گام‌های تهیه مدل سرعت، فرایند کوچ عمقی جهت کنترل صحت مدل سرعت انجام می‌شود. در نهایت کوچ عمقی به کمک مدل سرعت نهایی انجام خواهد شد. این روش بر روی یک داده لرزه‌ای دارای گنبد نمکی پیاده گردید. نتیجه نهایی کوچ عمقی بیانگر توانایی استراتژی پیشنهادی در برطرف کردن معضل به روز رسانی سرعت در فراند توموگرافی است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Seismic Imaging in Complex Structures by Hybrid Gridded Tomography Velocity Model

نویسندگان [English]

  • Ehasn Nazari Velashani
  • Mehrdad Soleimani Monfared
  • Amin Roshandel kahoo
Dept. of Mining, Petroleum & Geophysics, Shahrood University of Technology, Shahrood, Iran
چکیده [English]

Summary
The hybrid gridded velocity model uses the concept of soft and hard regions and boundaries in the initial velocity model. In this approach, regions with anomaly velocity values are defined as hard regions and the rest of the media is considered as soft media. The contacts between regions with low uncertainty in position are defined as hard boundary and experience minimum changes in updating steps. Whilst region contacts with high uncertainty in position are considered as soft boundaries.
 
Introduction
These boundaries vary in position during velocity model updating. These regions and boundaries are simultaneously and separately updated in each model updating sequence. Updating of hard regions doesn’t disturb soft regions updating results and vice versa. In the proposed strategy, the conventional velocity model is obtained to be used for defining large velocity contrasts. Afterwards soft and hard regions are simultaneously updated by gridded tomography method. Hard boundaries face small variation in place while soft boundaries might largely vary in location. After sufficient iteration, sharp boundaries are smoothed and finalized in location and together with velocity values.
 
Methodology and Approaches
In the proposed approach, the seismic imaging with velocity model obtained in each iteration was changed from pre-stack depth migration to post stack depth migration. The selected seismic data contains a large salt dome with surrounding dipping layers, faults and an unconformity beside the salt. Through the hybrid velocity model building, top boundary and the body of salt dome were considered as hard regions. Bottom of the salt was considered as soft boundary.
 
Results and Conclusions
Result of applying the proposed strategy showed that this method could handle large lateral velocity contract in depth imaging. Therefore, depth imaging by the final hybrid velocity model obtain seismic image with more accuracy in positioning of seismic reflectors and body of geological structures in comparison to images obtained by conventional velocity modelling. 

کلیدواژه‌ها [English]

  • Layer tomography
  • Gridded tomography
  • Hybrid tomography
  • Seismic imaging
  • Complex structures

اصل مقاله

مدل سرعت لرزه‌ای دقیق نقش بسزایی در تهیه تصویر لرزه‌ای مطلوب از ساختارهای زیر سطحی دارد. در این بین روش‌های تصویرسازی عمقی حساسیت بیشتری نسبت به دقت و صحت مدل لرزه‌ای در مقایسه با تصویرسازی زمانی از خود نشان می­دهند [1]. معمولاً تهیه مدل سرعت فرایندی بسیار پیچیده و در برخی موارد زمان‌بر است. لذا به منظور تسهیل در ساخت مدل سرعت، بیشتر روش‌های تهیه مدل سرعت از یک سری فرضیات و ساده‌سازی‌ها درباره محیط انتشار موج استفاده می‌کنند. این ساده‌سازی‌ها در مراحل اولیه تصویرسازی آسیب چندانی به دقت مدل سرعت اولیه وارد نمی­کنند. چرا که مدل اولیه یک مدل کاملاً ضمنی است و تنها به منظور ایجاد زمینه‌ای برای تهیه مدل سرعت نهایی ساخته می‌شود[2]. از طرف دیگر با توجه به اینکه خصوصیات جنبشی انتشار امواج لرزه‌ای معمولاً توابعی غیرخطی از سرعت انتشار امواج هستند و حل این توابع در یک گام و به صورت معادله چند مجهولی قابل حل نیستند، لذا بیشتر روش‌های تهیه مدل سرعت، مبتنی بر تکرار هستند [3]. بدین معنی که با به روزرسانی مدل سرعت اولیه در هر تکرار و اعمال محدودیت‌های لازم و احیاناً یک مرحله خطی‌سازی، مدل سرعت نهایی انتشار موج در محیط به دست می‌آید. در انتها میزان همخوانی داده‌های شبیه‌سازی شده در مدلسازی مستقیم از روی مدل سرعت نهایی با داده‌های مشاهده‌ای، می‌تواند به عنوان معیاری برای رد یا قبول مدل سرعت نهایی استفاده شود [4]. از تفاوت‌های اساسی روش‌های مختلف تهیه مدل سرعت، انتخاب معیار پذیرش یا عدم پذیرش مدل سرعت نهایی است. اگرچه همه روش‌های تهیه مدل سرعت در گام اول بر اساس معیار همخوانی با داده‌های لرزه‌ای استوار هستند، ولی این معیار به تنهایی قادر به تخمین دقت مدل سرعت نخواهد بود و صحت مدل باید توسط معیارهای دیگری نیز بررسی شود. در حالت کلی، روش‌های توموگرافی، ابزارهای بیشتر و دقیق‌تری به منظور ارزیابی همخوانی مدل سرعت با داده‌ها در اختیار قرار می­دهند و بنابراین مدل­های سرعت نهایی، دارای صحت و دقت بیشتری خواهند بود [5]. روش‌های ترکیبی مدل سرعت توموگرافی مبنی بر لایه و تفسیر توامان می‌تواند به منظور کاهش خطای مدل سرعت و افزایش هم‌خوانی داده­ها با مدل به کار برده شود [6]. بدین ترتیب خطای هر لایه در فرایند به روزسانی مدل، به لایه‌های زیرین انتقال نخواهد یافت. بدین ترتیب می‌توان روش به روز رسانی تکرار مدل سرعت در کوچ عمقی پیش از برانبارش را به منظور حذف اثر آنومالی‌های سرعت سطحی در برداشت‌های تصویری مشترک به منظور بررسی میزان هم‌خوانی مدل سرعت با داده‌ها استفاده کرد [7]. همچنین می‌توان نشان داد که روش‌های توموگرافی پرتو[i]، در صورتی که نقاط سرعت باقی‌مانده به خوبی قابل انتخاب نباشند، کارکرد خود را از دست خواهد داد [8]. در همین راستا، معکوس‌سازی برونراد باقی‌مانده[ii] در کوچ عمقی پیش از برانبارش کیرشهف و رابطه غیرخطی در توموگرافی سه‌بُعدی مدل سرعت برای کاهش خطای مدلسازی می‌تواند استفاده شود [10، 9]. با توجه به دقت بالای روش توموگرافی شبکه‌ای در تخمین مدل سرعت، این روش قابلیت تصویرسازی تغییرات ساختاری کوچک را نیز دارد [11]. پیشرفت در افزایش دقت روش‌های توموگرافی شبکه‌ای مدل سرعت به گونه‌ای بود که از آن در تصویرسازی ساختار پیچیده در زیر زون گسله و پایش ذخیره‌سازی دی اکسیدکربن می‌توان استفاه کرد [12، 13]. با این حال این روش‌ها دارای محدودیت‌هایی هستند که کاربرد آنها را محدود می‌کند. به عنوان نمونه، تعداد زیاد نقاط لازم به منظور انجام عمل توموگرافی مدل سرعت در بیشتر موارد، از مشکلات اصلی در این دسته از روش‌ها است [14]. معمولاً این نقاط، چه در روش خودکار و چه در روش دستی، از روی سطح بازتابنده در مدل در انتخاب می‌شوند که هرچه تعداد آنها بیشتر باشد، دقت تصویر نهایی افزایش خواهد داشت.


[i] Ray

[ii] Residual Moveout inversion

مراجع

[1]           Cameron, M., S., Fomely, and J., Sethianz, (2008) Time to depth conversion and seismic velocity estimation using time-migration velocity, Geophysics, 73(5), 205-210, https://doi.org /10.1190/1.2967501
[2]           Dix, C.H., (1955) Seismic velocities from surface measurements, Geophysics, 20(1), 68-86. https://doi.org/10.1190/1.1438126
 
[3]           Farrokhnia, F. A., Roshandel Kahoo, and M., Soleimani, (2018), Automatic salt dome detection in seismic data by combination of attribute analysis on CRS images and IGU map delineation. Journal of Applied Geophysics, 159, 395-407, https://doi.org/10.1016/j.jappgeo. 2018.09.018
[4]           Moradpouri, F., A., Moradzadeh, R.N.C., Pestana, R., Ghaedrahmati, and M., Soleimani, (2017), An improvement in wave-field extrapolation and imaging condition to suppress RTM artifacts, Geophysics, 82(6), S403-S409., https://doi.org/10.1190/geo2016-0475.1
[5]           Boehm, G., J.M., Carcione, and A., Vesnaver, (1996) Reflection tomography versus stacking velocity analysis. Journal of Applied Geophysics 35, 1 – 13. https://doi.org/10.1016/ 0926-9851(95)00025-9
[6]           Alaei, B., (2006) An integrated procedure for migration velocity analysis in complex structures of thrust belts, Journal of Applied Geophysics, 59, 89-105. https://doi.org/10.1016/ j.jappgeo.2005.08.004
[7]           Sangvai, P., A., Biswal, M., Mathur, J., Fruehn, P., Smith, I.F., Jones, and M., Goodwin, (2008) Complex imaging challenges: offshore south east India, 7th International Conference and Exposition on Petroleum Geophysics, Heydar-Abad, Extended Abstract, P38.
[8]           Woodward, M.J., D., Nichols, O., Zdraveva, P., Whitfield, and I.F., Johns, (2008), A decade of tomography, Geophysics, 73(5), 5-11, https://doi.org/10.1190/1.2969907
[9]           Adler, F., R., Baina, M.A., Soudani, P., Cardon, and J.B., Richard, (2008) Nonlinear 3D tomographic least-squares inversion of residual moveout in Kirchhoff prestack-depth-migration common image gathers, Geophysics, 73(5), 13-23, https://doi.org/10.1190/ 1.2956427  
[10]         Lurka, A., and P., Swanson, (2009) Improvements in seismic event locations in a deep western U.S. coal mine using tomographic velocity models and an evolutionary search algorithm. Mining Science and Technology, 19(5), 599-603. https://doi.org/10.1016/S1674-5264(09)60111-3
[11]         Cai, W., D., Linmin, A., Cao, S., Gong, and Z., Li, (2014) Application of seismic velocity tomography in underground coal mines: A case study of Yima mining area, Henan, China, Journal of Applied Geophysics, 109, 140-149. https://doi.org/10.1016/j.jappgeo.2014.07.021
[12]         Raji, W.O., J.M., Harris, and S., Lu, (2016) Seismic velocity tomography for CO2 monitor in subsurface geological structures, Journal of King Saud University- Science, 30(1), 57-64, https://doi.org/10.1016 /j.jksus.2016.10.006
[13]         Taylor, R.L., E.H., Rutter, S.E.J., Nippress, and K.H., Brodie, (2015), Seismic velocity modelling of the Carboneras Fault Zone, SE Spain, Tectonophysics, 646, 20-35. https://doi.org/10.1016/j.tecto.2015.01.001
[14]         Moradpouri, F., A., Morad-Zadeh, R.N.C., Pestana, and M., Soleimani, (2016) Seismic reverse time migration using a new wave field extrapolator and a new imaging condition. Acta Geophysica, 64(5), 1673-1690, http://dx.doi.org/10.1515/acgeo-2016-0076
[15]         Fa’al Rastegar, S.A., A., Javaherian, N., Keshavarz Farajkhah, M., Soleimani, and A., Zarei, (2016). Effective parameters in ground roll attenuation using FO CRS stacking. Journal of Applied Geophysics. 135, 249-260. http://dx.doi.org/10.1016/j.jappgeo. 2016.10.001
[16]         Kanli, A.S., (2009), Initial velocity model construction of seismic tomography in near-surface applications. Journal of Applied Geophysics, 67(1), 52-62, https://doi.org/10.1016/j.jappgeo.2008.09.005 
[17]         Bavali, K., K., Motaghi, F., Sobouti, A., Ghods, M., Abbasi, K., Priestley, G., Mortezanejad, and M., Rezaeian, (2016) Lithospheric structure beneath NW Iran using regional and teleseismic travel-time Tomography, Physics of the Earth and Planetary Interiors, 253, 97-107, https://doi.org/10.1016/j.pepi.2016.02.00
[18]         Chang, X., (1996) Relationship between ray distribution and reconstructed velocity image in reflection tomography. Journal of Applied Geophysics, 35 (2-3), 145-150, https://doi.org/10.1016/0926-9851(96)00015-8
[19]         Flecha, I., Martí, D., Carbonell, R., Escuder-Viruete, J., Pérez-Estaún, A., (2004), Imaging low-velocity anomalies with the aid of seismic tomography. Tectonophysics, 388 (1-4), 225-235, https://doi.org/10.1016/j.tecto.2004.04.031
[20]         Perozzi, L., Gloaguen, E., Rondenay, S., and McDowell, G., (2012), Using stochastic crosshole seismic velocity tomography and Bayesian simulation to estimate Ni grades: Case study from Voisey's Bay, Canada. Journal of Applied Geophysics, 78-85-93. https://doi.org/10.1016/j.jappgeo.2011.06.036
[21]         Baghzendani, H.R., H., Aghajani, and M., Soleimani, (2015). Subsurface modeling of mud volcanoes, using density model and analysis of seismic velocity. Journal of Mining and Environment. 6(1), 31-39. http://dx.doi.org/10.22044/JME.2015.383
[22]         Jones, I.F., M., Sugrue, and P., Hardy, (2007) Hybrid gridded tomography, First break, 25, 15-21. https://doi.org/10.3997/1365-2397.2007013
[23]         Rawlinson, N., S., Pozgay, and S., Fishwick, (2010) Seismic tomography: A window into deep Earth, Physics of the Earth and Planetary Interiors, 178(3-4), 101-135. https://doi.org/ 10.1016/j.pepi.2009.10.002
[24]         Radfar, A., A., Rahimi, A., Nejati, M., Soleimani, and F., Taati, (2018). New insights into the structure of the South Caspian Basin from seismic reflection data, Gorgan Plain, Iran. International Journal of Earth Sciences, 1-24, https://doi.org/10.1007/s00531-018-1659-x
[25]         Campbell, A.G., E., Evans, D., Judd, I.F., Jones, and S., Elam, (2006) Hybrid gridded tomography in the southern North Sea. 76th SEG Annual Meeting, New Orleans. Extended Abstracts, 520-524.
[26]         Shahbazi, A., D., Ghosh, M., Soleimani, and A., Gerami, A., (2016) Seismic imaging of complex structures with the CO-CDS stack method. Studia Geophysica et Geodaetica. 60 (4), 662-678, http://dx.doi.org/10.1007/s11200-015-0452-6
[27]         Guo, J., H., Zhou, J., Young, and S., Gray, (2002) Towards accurate velocity models by 3D tomographic velocity analysis, 64th EAGE Conference & Exhibition, Florence.
[28]         Pahlavanloo, A., M., Soleimani, and C., Gallo, (2017) Improving seismic image in complex structures by new solving strategies in the CO-CRS and the CO-CDS methods. Iranian Journal of Geophysics, 10(5), 42-56.
[29]         Badal, J., Y., Chen, M., Chourak, and J., Stankiewicz, (2013) S-wave velocity images of the Dead Sea Basin provided by ambient seismic noise. Journal of Asian Earth Sciences, 75, 26-35. https://doi.org/10.1016/j.jseaes.2013.06.017
[30]         Vahid Hashemi, M., and M., Soleimani, M., (2014), Lateral velocity heterogeneities modeling in seismic tomography by introducing different initial velocity models. Iranian Journal of Geophysics, 8(4), 132-167.
[31]         Tahara, M., Uehira, K., Shimizu, H., Nakada, M., Yamada, T., Mochizuki, K., Shinohara, M., Nishino, M., Hino, R., Yakiwara, H., Miyamachi, H., Umakoshi, K., Goda, M., Matsuwo, N., Kanazawa, T., (2008), Seismic velocity structure around the Hyuganada region, Southwest Japan, derived from seismic tomography using land and OBS data and its implications for interpolate coupling and vertical crustal uplift. Physics of the Earth and Planetary Interiors, 167(1-2), 19-33. https://doi.org/10.1016/j.pepi.2008.02.001
روش های تحلیلی و عددی در مهندسی معدن
دوره 10، شماره 22
خرداد 1399
صفحه 59-76

فایل ها

سابقه مقاله

  • تاریخ دریافت: 22 اسفند 1397
  • تاریخ بازنگری: 20 آبان 1398
  • تاریخ پذیرش: 16 دی 1398

هم رسانی

ارجاع به این مقاله

آمار