用于多参数全波场反演的有效的线性搜索方法技术

用于同时对多个类别的物理特性参数(例如，速度和各向异性)的全波场地震数据进行反演的方法，该方法通过进行以下操作：针对每个类别的参数计算目标函数的梯度(即，搜索方向)；然后将(优选地，穷尽的)第一遍独立线性搜索应用于每个参数类别，以沿着每个参数类别的搜索方向获得对应的步长；然后尚未更新模型，使用步长定义在所有参数类别的梯度之间的相对缩放。接下来，重新结合每个经缩放的搜索方向，以形成新的搜索方向，并且沿着新的搜索方向实行新的第二遍线性搜索，并且用所得的步长同时更新所有的参数。作为前述供选择的两遍实施例的供选择的方案，可以在每个第一遍线性搜索之后更新模型，并且不实行第二遍线性搜索。

【技术实现步骤摘要】
【国外来华专利技术】相关申请的交叉引用本申请要求2014年5月9日提交的标题为“用于多参数全波场反演的有效的线性搜索方法(EFFICIENTLINESEARCHMETHODSFORMULTI-PARAMETERFULLWAVEFIELDINVERSION)”的美国临时专利申请61/990,860的权益，该专利申请的全部内容以引用方式并入本文。
一般来说，本公开涉及用于碳氢化合物的地球物理勘探的领域，并且更具体地，涉及地震数据处理。具体地，本公开涉及用于在地震数据的多参数全波场反演(“FWI”)中实行有效的线性搜索以推断地下物理特性模型的方法。在碳氢化合物的探测或碳氢化合物的生产中这样的模型可以是有用的。
技术介绍
全波场反演是非线性反演技术，该非线性反演技术通过使所模拟的地震波场和所观测的地震波场之间的失配最小化，恢复地球模型。由于与FWI相关联的高计算成本，常规的实施方式利用局部优化技术来估计最优模型参数。广泛使用的局部优化技术是基于梯度的一阶方法(例如，最速下降或非线性共轭梯度)，该方法仅利用目标函数的梯度信息定义搜索方向。虽然唯梯度一阶方法是相对有效的(该方法要求仅计算目标函数的梯度)，但是其收敛性一般是缓慢的。通过使用二阶方法，能够显著提高FWI的收敛性。因为二阶方法利用目标函数的梯度和曲率信息两者来确定模型参数空间中的最优搜索方向，所以实现该提高的收敛性。(搜索方向单位矢量s通过m更新的＝m+αs与模型更新过程有关，其中α(标量)是步长。)一阶方法和二阶方法之间的主要差异是二阶方法用逆矩阵海赛函数(inverseHessian)(例如，高斯牛顿/牛顿方法)或用所投影的海赛函数的逆矩阵(例如，子空间方法)预处理梯度。海赛函数是目标函数关于模型参数的二阶偏导数的矩阵。一般来说，二阶方法具有吸引力，不仅是因为它们相对快速的收敛速率，还因为在多参数反演的情况下平衡不同的参数类别的梯度和为具有不同的数据灵敏度的参数类别(例如，速度、各向异性、衰减等)提供有意义的更新的能力。在二阶方法中，如果同时对此参数类别进行反演，则使用海赛函数的参数类别的最优缩放在多参数反演中是关键的。然而，因为计算海赛函数的逆矩阵非常昂贵，所以这是在实践中广泛采用二阶方法是主要的障碍。二阶方法的另一个缺点是如果目标函数不是二次的或凸性的(convex)(例如，其中初始模型远不是真实模型)，则海赛函数或其近似不能准确地预测目标函数的形状。从此，不能适当地缩放不同参数类别的梯度，从而得到次优搜索方向。
技术实现思路
在一个实施例中，本专利技术是用于对地震数据进行迭代反演以同时推断地下的至少两个物理特性的模型的方法，所述方法包括：(a)对于每个物理特性，针对物理特性的参数，计算目标函数的梯度，所述目标函数测量地震数据中的全部或一部分和对应模型所模拟的地震数据之间的不匹配；(b)对于每个物理特性，根据梯度计算模型空间中的搜索方向；(c)针对至少两个物理特性在搜索方向之间或之中进行交替线性搜索，以确定沿着搜索方向中的每个搜索方向的最优步长；以及(d)使用最优步长更新模型。附图说明通过参考以下详细描述和附图可以更好地理解本专利技术及其优点，在附图中：图1例示在本专利技术的交替的一遍线性搜索实施例中的最优搜索方向；图2例示可以由本专利技术的交替的一遍线性搜索实施例得到的次优搜索方向；图3例示使用本专利技术的交替的两遍线性搜索实施例的最优搜索方向；图4A至图4F示出，对于本专利技术的方法的测试示例，用于两个参数(速度和各向异性)的初始模型和最终反演模型，并且使用初始模型和最终模型比较在迁移之后的数据；图5是示出在本专利技术的方法的交替的一遍线性搜索中的基本步骤的流程图；图6是示出在本专利技术的方法的交替的两遍线性搜索中的基本步骤的流程图；以及图7是示出在本文中所公开的扩展的交替的两遍线性搜索中的基本步骤的流程图，其中级联反演方法与交替的两遍线性搜索结合。由于对附图中颜色使用的专利规则限制，所以图4A至图4F中的一些是原始彩色生成的附图的黑白再现。将结合示例实施例描述本专利技术。然而，在一定程度上，以下详细描述针对本专利技术的特定实施例或特定用途，这旨在仅是说明性的，并且不被解释为限制本专利技术的范围。相反，旨在覆盖可以包含在如由随附权利要求所限定的本专利技术的范围内的所有的供选择的方案、修改和等价物。具体实施方式通过使用可以被称为交替的一遍/两遍线性搜索方法(该方法不要求来自海赛函数矩阵的明示信息，而是通过连续的线性搜索近似二阶信息)，本专利技术弥合一阶和二阶最优方法之间的差距。将示出本专利技术的方法能够适当地缩放具有不同的数据灵敏度的参数类别的梯度，并且能够同时为多个参数类别提供有意义的更新。在实践中，因为本专利技术的方法没有假设目标函数是二次的，并且如果能够有效地实施每个线性搜索，则本专利技术的方法还能够显著地更廉价，所以与基于海赛函数的二阶方法相比，本专利技术的方法能够更加强健。虽然为了简单起见，使用两个参数类别描述了理论，但是本专利技术适用于任何数量的参数类别的同时反演，并且该方法扩展到超过两个参数类别是简单明了的。对于其中对两个参数类别进行反演的情况，模型能够表示为包含两个不同子模型的矢量，即，m＝(m1m2)T，其中m1和m2分别是第一模型参数类别和第二模型参数类别，其中T代表转置。当前迭代s的搜索方向是这两个参数类别的搜索方向的级联，并且能够被写为：其中，s1和s2分别是第一参数类别和第二参数类别的搜索方向。基于一阶的方法通常沿着方向s更新模型m。该方法的一个主要问题是如果模型参数类别是具有非常不同的单位和对FWI目标函数的非常不同的灵敏度的物理量(例如，速度、各向异性、衰减等)，则从FWI梯度导出的得到的搜索方向将通常具有非常不同的量值，即，s1的量值可以与s2的量值显著不同。这常常导致FWI选取收敛路径，FWI沿着该收敛路径主要更新对目标函数更加灵敏的参数类别，同时使对目标函数不太灵敏的参数类别保持基本不更新。因此，FWI可以朝次优解收敛。下面是所描述的本专利技术的基于交替的线性搜索的方法的两个供选择的实施例，所述实施例解决了该问题，其目标是为所有的参数类别同时提供最优更新，同时不会由于不同的单位或数据灵敏度而偏向某些参数类别。方法I：交替的一遍线性搜索为了开始，定义两个基矢量，两个基矢量中的每个基矢量包含具体模型参数类别的搜索方向：其中，0指代包含零的矢量。然后，原始搜索方向能够被写为上面的两个基矢量的和，上面的两个基矢量彼此正交(即，)：在该第一方法中，用图5中所示的基本步骤以交替的方式更新两个模型参数类别。当前模型52被用于模拟预测的数据，并且其与所测量的数据51结合，以计算目标函数，并且然后在步骤53计算关于第一模型参数的目标函数的梯度，以在步骤54生成搜索方向在步骤55，沿着方向实行线性搜索，并且更新模型。由于仅对于第一参数类别来说，是非零的，所以将仅更新参数类别m1。在已经更新模型之后，然后，沿着方向实行线性搜索，并且再次更新模型(步骤56)。在该情况下，由于仅对于第二参数类别来说，是非零的，所以将仅更新参数m2，如图1所示。在该方法中，一个FWI迭代是指以该交替的方式更新两个参数类别的过程，并且在步骤57，针对另一个迭代重复该过程，除非根据一些预定收敛准则另一个迭代已经收敛或已经达到另一个停本文档来自技高网...

【技术保护点】
一种用于对地震数据进行迭代反演以同时推断地下的至少两个物理特性的模型的方法，所述方法包括：(a)对于每个物理特性，针对所述物理特性的参数计算目标函数的梯度，所述目标函数测量所述地震数据中的全部或部分和对应模型模拟的地震数据之间的不匹配；(b)对于每个物理特性，根据所述梯度计算模型空间中的搜索方向；(c)针对所述至少两个物理特性，在所述搜索方向之间或之中进行交替线性搜索，以确定沿着所述搜索方向中的每个搜索方向的最优步长；以及(d)使用所述最优步长更新所述模型。

【技术特征摘要】
【国外来华专利技术】2014.05.09 US 61/990,8601.一种用于对地震数据进行迭代反演以同时推断地下的至少两个物理特性的模型的方法，所述方法包括：(a)对于每个物理特性，针对所述物理特性的参数计算目标函数的梯度，所述目标函数测量所述地震数据中的全部或部分和对应模型模拟的地震数据之间的不匹配；(b)对于每个物理特性，根据所述梯度计算模型空间中的搜索方向；(c)针对所述至少两个物理特性，在所述搜索方向之间或之中进行交替线性搜索，以确定沿着所述搜索方向中的每个搜索方向的最优步长；以及(d)使用所述最优步长更新所述模型。2.根据权利要求1所述的方法，其中(c)-(d)包括：(i)针对第一物理特性实行第一线性搜索，并且使用来自所述第一线性搜索的所述最优步长更新所述模型，生成第一更新的模型；(ii)然后，使用所述第一更新的模型针对第二物理特性实行第二线性搜索，并且然后使用来自所述第二线性搜索的所述最优步长再次更新所述模型，生成第二更新的模型；以及(iii)针对正被建模的任何额外的物理特性，如在(ii)中的进一步更新所述模型，为反演的当前迭代生成最终更新的模型。3.根据权利要求2所述的方法，其中所述第一线性搜索和所述第二线性搜索以及任何额外的线性搜索是穷尽的线性搜索，其被实行以根据所述步长在所述目标函数中找到拐点。4.根据权利要求1所述的方法，其中(c)-(d)包括：(i)使用初始模型针对第一物理特性实行第一线性搜索，并且保存来自所述第一线性搜索的所述最优步长，但尚不更新所述模型；(ii)使用所述初始模型针对第...

【专利技术属性】
技术研发人员：唐亚勋，G·阿耶尼亚，
申请(专利权)人：埃克森美孚上游研究公司，
类型：发明
国别省市：美国;US