Nuevas estrategias para la inversión sparse de datos sísmicos prestack

Autores
Pérez, Daniel Omar
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Velis, Danilo Rubén
Sacchi, Mauricio D.
Gauzellino, Patricia Mercedes
Soldo, Juan
Draganov, Deyan
Descripción
Uno de los objetivos centrales de la inversión de datos sísmicos prestack consiste en determinar contrastes entre las propiedades físicas de las rocas del subsuelo a partir de la información contenida en la variación en función del ángulo de incidencia de las amplitudes de las ondas sísmicas reflejadas en las interfaces geológicas. La inversión de datos sísmicos prestack es un problema mal planteado y mal condicionado, en el sentido de que pequeñas cantidades de ruido en el dato llevan a grandes inestabilidades en las soluciones estimadas. Además, debido a la naturaleza de los datos observados, que son ruidosos, incompletos y de banda limitada, coexiste el problema de la no-unicidad de las soluciones. Dichos problemas apremian la utilización de regularizaciones y restricciones con el fin de estabilizar el proceso de inversión y promover al mismo tiempo soluciones con alguna característica deseada. Las soluciones ralas, o sparse, son deseables debido a que permiten obtener reflectores bien definidos y de esa forma superar el problema de la baja resolución observada en las soluciones obtenidas por medio de métodos de inversión convencionales. En este trabajo de tesis presentamos tres nuevas estrategias basadas en la utilización de diferentes regularizaciones que estabilizan el problema de inversión y promueven soluciones sparse a partir de datos sísmicos prestack. En la primera estrategia se procede a estimar soluciones sub-óptimas del problema de inversión regularizado mediante la norma L0 por medio de la utilización del algoritmo de optimización global Very Fast Simulated Annealing (VFSA). La segunda estrategia consta de dos etapas: primero se resuelve el problema de inversión regularizado mediante la norma L1 por medio de un eficiente algoritmo de optimización conocido como Fast Iterative Shrinkage-Thresholding Algorithm (FISTA) y luego se realiza un paso correctivo de las amplitudes estimadas utilizando mínimos cuadrados. Estas dos primeras estrategias permiten estimar con éxito soluciones sparse utilizando la aproximación de Shuey de dos términos, modelo que describe la variación con el ángulo de incidencia de los coeficientes de reflexión sísmica. La tercera estrategia utiliza como regularización la norma L1,2, permitiendo incorporar información a priori por medio de matrices de covarianza o de escala. En este caso se estiman soluciones sparse de los parámetros de la aproximación de Aki & Richards de tres términos y, si la información a priori disponible es adecuada, es posible obtener también una estimación de tipo blocky de los parámetros elásticos del subsuelo.
Doctor en Geofísica
Universidad Nacional de La Plata
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Geofísica
Ciencias Astronómicas
inversión sísmica
prestack
sparse
blocky
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-nd/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/50387

id SEDICI_057a9e4b5828461d1a496470ef2a482f
oai_identifier_str oai:sedici.unlp.edu.ar:10915/50387
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Nuevas estrategias para la inversión sparse de datos sísmicos prestackPérez, Daniel OmarGeofísicaCiencias Astronómicasinversión sísmicaprestacksparseblockyUno de los objetivos centrales de la inversión de datos sísmicos prestack consiste en determinar contrastes entre las propiedades físicas de las rocas del subsuelo a partir de la información contenida en la variación en función del ángulo de incidencia de las amplitudes de las ondas sísmicas reflejadas en las interfaces geológicas. La inversión de datos sísmicos prestack es un problema mal planteado y mal condicionado, en el sentido de que pequeñas cantidades de ruido en el dato llevan a grandes inestabilidades en las soluciones estimadas. Además, debido a la naturaleza de los datos observados, que son ruidosos, incompletos y de banda limitada, coexiste el problema de la no-unicidad de las soluciones. Dichos problemas apremian la utilización de regularizaciones y restricciones con el fin de estabilizar el proceso de inversión y promover al mismo tiempo soluciones con alguna característica deseada. Las soluciones ralas, o sparse, son deseables debido a que permiten obtener reflectores bien definidos y de esa forma superar el problema de la baja resolución observada en las soluciones obtenidas por medio de métodos de inversión convencionales. En este trabajo de tesis presentamos tres nuevas estrategias basadas en la utilización de diferentes regularizaciones que estabilizan el problema de inversión y promueven soluciones sparse a partir de datos sísmicos prestack. En la primera estrategia se procede a estimar soluciones sub-óptimas del problema de inversión regularizado mediante la norma L<sub>0</sub> por medio de la utilización del algoritmo de optimización global Very Fast Simulated Annealing (VFSA). La segunda estrategia consta de dos etapas: primero se resuelve el problema de inversión regularizado mediante la norma L<sub>1</sub> por medio de un eficiente algoritmo de optimización conocido como Fast Iterative Shrinkage-Thresholding Algorithm (FISTA) y luego se realiza un paso correctivo de las amplitudes estimadas utilizando mínimos cuadrados. Estas dos primeras estrategias permiten estimar con éxito soluciones sparse utilizando la aproximación de Shuey de dos términos, modelo que describe la variación con el ángulo de incidencia de los coeficientes de reflexión sísmica. La tercera estrategia utiliza como regularización la norma L<sub>1,2</sub>, permitiendo incorporar información a priori por medio de matrices de covarianza o de escala. En este caso se estiman soluciones sparse de los parámetros de la aproximación de Aki & Richards de tres términos y, si la información a priori disponible es adecuada, es posible obtener también una estimación de tipo blocky de los parámetros elásticos del subsuelo.Doctor en GeofísicaUniversidad Nacional de La PlataFacultad de Ciencias Astronómicas y GeofísicasVelis, Danilo RubénSacchi, Mauricio D.Gauzellino, Patricia MercedesSoldo, JuanDraganov, Deyan2015-04-24info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionTesis de doctoradohttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/50387https://doi.org/10.35537/10915/50387spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:03:56Zoai:sedici.unlp.edu.ar:10915/50387Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:03:57.045SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Nuevas estrategias para la inversión sparse de datos sísmicos prestack
title Nuevas estrategias para la inversión sparse de datos sísmicos prestack
spellingShingle Nuevas estrategias para la inversión sparse de datos sísmicos prestack
Pérez, Daniel Omar
Geofísica
Ciencias Astronómicas
inversión sísmica
prestack
sparse
blocky
title_short Nuevas estrategias para la inversión sparse de datos sísmicos prestack
title_full Nuevas estrategias para la inversión sparse de datos sísmicos prestack
title_fullStr Nuevas estrategias para la inversión sparse de datos sísmicos prestack
title_full_unstemmed Nuevas estrategias para la inversión sparse de datos sísmicos prestack
title_sort Nuevas estrategias para la inversión sparse de datos sísmicos prestack
dc.creator.none.fl_str_mv Pérez, Daniel Omar
author Pérez, Daniel Omar
author_facet Pérez, Daniel Omar
author_role author
dc.contributor.none.fl_str_mv Velis, Danilo Rubén
Sacchi, Mauricio D.
Gauzellino, Patricia Mercedes
Soldo, Juan
Draganov, Deyan
dc.subject.none.fl_str_mv Geofísica
Ciencias Astronómicas
inversión sísmica
prestack
sparse
blocky
topic Geofísica
Ciencias Astronómicas
inversión sísmica
prestack
sparse
blocky
dc.description.none.fl_txt_mv Uno de los objetivos centrales de la inversión de datos sísmicos prestack consiste en determinar contrastes entre las propiedades físicas de las rocas del subsuelo a partir de la información contenida en la variación en función del ángulo de incidencia de las amplitudes de las ondas sísmicas reflejadas en las interfaces geológicas. La inversión de datos sísmicos prestack es un problema mal planteado y mal condicionado, en el sentido de que pequeñas cantidades de ruido en el dato llevan a grandes inestabilidades en las soluciones estimadas. Además, debido a la naturaleza de los datos observados, que son ruidosos, incompletos y de banda limitada, coexiste el problema de la no-unicidad de las soluciones. Dichos problemas apremian la utilización de regularizaciones y restricciones con el fin de estabilizar el proceso de inversión y promover al mismo tiempo soluciones con alguna característica deseada. Las soluciones ralas, o sparse, son deseables debido a que permiten obtener reflectores bien definidos y de esa forma superar el problema de la baja resolución observada en las soluciones obtenidas por medio de métodos de inversión convencionales. En este trabajo de tesis presentamos tres nuevas estrategias basadas en la utilización de diferentes regularizaciones que estabilizan el problema de inversión y promueven soluciones sparse a partir de datos sísmicos prestack. En la primera estrategia se procede a estimar soluciones sub-óptimas del problema de inversión regularizado mediante la norma L<sub>0</sub> por medio de la utilización del algoritmo de optimización global Very Fast Simulated Annealing (VFSA). La segunda estrategia consta de dos etapas: primero se resuelve el problema de inversión regularizado mediante la norma L<sub>1</sub> por medio de un eficiente algoritmo de optimización conocido como Fast Iterative Shrinkage-Thresholding Algorithm (FISTA) y luego se realiza un paso correctivo de las amplitudes estimadas utilizando mínimos cuadrados. Estas dos primeras estrategias permiten estimar con éxito soluciones sparse utilizando la aproximación de Shuey de dos términos, modelo que describe la variación con el ángulo de incidencia de los coeficientes de reflexión sísmica. La tercera estrategia utiliza como regularización la norma L<sub>1,2</sub>, permitiendo incorporar información a priori por medio de matrices de covarianza o de escala. En este caso se estiman soluciones sparse de los parámetros de la aproximación de Aki & Richards de tres términos y, si la información a priori disponible es adecuada, es posible obtener también una estimación de tipo blocky de los parámetros elásticos del subsuelo.
Doctor en Geofísica
Universidad Nacional de La Plata
Facultad de Ciencias Astronómicas y Geofísicas
description Uno de los objetivos centrales de la inversión de datos sísmicos prestack consiste en determinar contrastes entre las propiedades físicas de las rocas del subsuelo a partir de la información contenida en la variación en función del ángulo de incidencia de las amplitudes de las ondas sísmicas reflejadas en las interfaces geológicas. La inversión de datos sísmicos prestack es un problema mal planteado y mal condicionado, en el sentido de que pequeñas cantidades de ruido en el dato llevan a grandes inestabilidades en las soluciones estimadas. Además, debido a la naturaleza de los datos observados, que son ruidosos, incompletos y de banda limitada, coexiste el problema de la no-unicidad de las soluciones. Dichos problemas apremian la utilización de regularizaciones y restricciones con el fin de estabilizar el proceso de inversión y promover al mismo tiempo soluciones con alguna característica deseada. Las soluciones ralas, o sparse, son deseables debido a que permiten obtener reflectores bien definidos y de esa forma superar el problema de la baja resolución observada en las soluciones obtenidas por medio de métodos de inversión convencionales. En este trabajo de tesis presentamos tres nuevas estrategias basadas en la utilización de diferentes regularizaciones que estabilizan el problema de inversión y promueven soluciones sparse a partir de datos sísmicos prestack. En la primera estrategia se procede a estimar soluciones sub-óptimas del problema de inversión regularizado mediante la norma L<sub>0</sub> por medio de la utilización del algoritmo de optimización global Very Fast Simulated Annealing (VFSA). La segunda estrategia consta de dos etapas: primero se resuelve el problema de inversión regularizado mediante la norma L<sub>1</sub> por medio de un eficiente algoritmo de optimización conocido como Fast Iterative Shrinkage-Thresholding Algorithm (FISTA) y luego se realiza un paso correctivo de las amplitudes estimadas utilizando mínimos cuadrados. Estas dos primeras estrategias permiten estimar con éxito soluciones sparse utilizando la aproximación de Shuey de dos términos, modelo que describe la variación con el ángulo de incidencia de los coeficientes de reflexión sísmica. La tercera estrategia utiliza como regularización la norma L<sub>1,2</sub>, permitiendo incorporar información a priori por medio de matrices de covarianza o de escala. En este caso se estiman soluciones sparse de los parámetros de la aproximación de Aki & Richards de tres términos y, si la información a priori disponible es adecuada, es posible obtener también una estimación de tipo blocky de los parámetros elásticos del subsuelo.
publishDate 2015
dc.date.none.fl_str_mv 2015-04-24
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
Tesis de doctorado
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/50387
https://doi.org/10.35537/10915/50387
url http://sedici.unlp.edu.ar/handle/10915/50387
https://doi.org/10.35537/10915/50387
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615907794485248
score 13.070432