Você está na página 1de 5

PLANO DE TRABALHO DE

PEC/COPPE
MESTRADO

Aluno: RE:

Programa:Engenharia Civil

Área de Concentração:

Linha de Pesquisa:

Orientador(es): N do registro na UFRJ :


PLANO DE TRABALHO
1) Título:

2) Objetivo:

3) Metodologia:

O imageamento sísmico é um problema inverso que usa dados sísmicos adquiridos na superfície para
inferir informações geológicas da subsuperfície. O algoritmo de inversão do campo de onda completo
(FWI), introduzido por Lailly (1983) e Tarantola (1984), está constituído por dois processos: o primeiro é
responsável pela modelagem computacional dos dados sísmicos sintéticos e o segundo resolve o problema
inverso minimizando a função objetivo, através de técnicas de otimização local não linear. Comumente, a
função objetivo é definida como a medida do erro de mínimos quadrados entre dados observados e
dados calculados sinteticamente , segundo a relação:

(1)

onde o vetor representa o modelo de velocidades, e o operador de modelagem não linear (i.e. a
equação de onda).
Os métodos principais que serão utilizados em cada etapa do desenvolvimento do trabalho são
apresentados a seguir:

1. Modelagem da propagação do campo de onda acústico: A fidelidade dos resultados obtidos na


inversão depende da abordagem escolhida na simulação da propagação do campo de onda no meio. A
aproximação acústica torna acessível o custo do problema direto e permite focar a inversão apenas na
estimativa da velocidade da onda compressiva. Além disso, se comparado com o caso elástico, o FWI
acústico é a aproximação mais empregada em modelos 3D principalmente pelo menor custo computacional
1
Revisado em Julho/2011
envolvido. No domínio do tempo e para o caso de meios isotrópicos com densidade constante, é
expresso pela equação:

(2)

no qual é o campo de pressão e é o termo fonte, ambos dependentes do vetor das coordenadas
espaciais e do tempo .
È possível obter uma solução aproximada da equação (2) usando métodos numéricos que discretizem a
equação de onda. Devido a sua simplicidade de implementação e flexibilidade na sua exatidão, o método
de diferenças finitas é normalmente o método de discretização mais utilizado tanto no tempo como na
frequência (Virieux & Operto, 2009). Sendo assim, este método numérico será empregada para resolver o
problema direto no presente trabalho.

2. Solução do problema inverso: O processo de solução do problema inverso é iterativo, isto é, a partir de
um modelo inicial , um novo modelo é calculado de forma que o valor da função objetivo seja menor a
cada atualização. A atualização do modelo é realizada através de métodos de minimização local, que
assumem a seguinte forma geral:

(3)

onde representa a iteração atual, é um escalar calculado com processos de busca linear ou
região de confiança (Nocedal and Wright, 2006); e é uma perturbação que exige, dependendo da
técnica de otimização, o cálculo do gradiente da função objetivo e uma aproximação da matriz Hessiana .
O vetor gradiente e a matriz Hessiana podem ser definidos, respetivamente, pelas
expressões:

(4)

(5)

sendo o número de graus de liberdade do sistema, ou seja, o número total de parâmetros do modelo de
velocidades.
Levando em consideração a expansão de por série de Taylor (segunda ordem):

(6)

obtemos formalmente a minimização da função objetivo derivando o modelo quadrático da equação (6) em
função de e igualando a zero, de forma que o resultado é a relação linear:

2
Revisado em Julho/2011
(7)

com solução

(8)

Finalmente, para qualquer modelo atual :

(9)

(10)

Este esquema é conhecido como o método de Newton: a perturbação atualiza o modelo inicial na
direção oposta ao gradiente, e é escalada segundo a curvatura definida pela matriz Hessiana inteira. Para o

cálculo eficiente do gradiente da função objetivo é comumente utilizado o método do estado adjunto
(Plessix, 2006). No entanto, o cálculo da Hessiana, e da sua inversa, geralmente é evitado devido ao seu
alto custo computacional. Para solucionar este problema, é possível empregar outras direções de
atualização com estimativas da função objetivo baseadas na primeira derivada (métodos dos gradientes) e
segunda derivada (métodos Gauss-Newton e Quase-Newton), entre outros.

Referências bibliográficas

LAILLY, P., 1983, “The seismic inverse problem as a sequence of before stack migrations”. In: Bednar, J.
B., Redner, R., Robinson, E., et al. (Eds.), Conference on Inverse Scattering: Theory and Applications,
Philadelphia, PA. Soc. Industr. appl. Math.

NOCEDAL, J., WRIGHT, S. J., 2006, Numerical Optimization. Springer.

PLESSIX, R.-E., 2006, “A review of the adjoint-state method for computing the gradient of a functional
with geophysical applications”, Geophys. J. Int., , n. 167, pp. 495–503. doi: 10.1111/j.1365-
246X.2006.02978.x.

TARANTOLA, A., 1984, “Inversion of seismic reflection data in the acoustic approximation”, Geophysics,
v. 49, pp. 1259–1903.

VIRIEUX, J., OPERTO, S., 2009, “An overview of full-waveform inversion in exploration geophysics”,
GEOPHYSICS, v. 74, n. 6, pp. WCC1–WCC26.

4) Metas:

Na primeira fase do projeto, planeja-se o aprimoramento do algoritmo de inversão FWI acústico


(domínio do tempo) baseado no método de diferenças finitas, desenvolvido no primeiro ano de mestrado.
Visa-se incorporar técnicas de absorção mais eficientes nas bordas do modelo computacional, como as
Perfectly Matched Layers (PML) (ou alguma das suas variações). Adicionalmente, prevê-se a extensão do
algoritmo para o domínio da frequência, com a finalidade de incorporar o esquema multi-escala na solução
do problema inverso. Além do mais, propõe-se implementar técnicas de programação em paralelo para
resolver o problema direto em computadores com maior capacidade de processamento, tais como placas
gráficas de processamento (GPU) e/ou clusters de CPU’s, com o objetivo de reduzir o tempo gasto na
modelagem.
Na segunda fase, planeja-se fazer uma revisão dos métodos mais populares de otimização local
empregados nos esquemas de inversão convencionais, bem como a realização de testes numéricos sobre
3
Revisado em Julho/2011
modelos sintéticos 2D representativos de cenários geologicamente complexos, comparando o desempenho
entre os diferentes métodos de otimização.

5) Cronograma:

Meses a contar da primeira inscrição em pesquisa para tese


# Atividades 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
1 Aprimoramento do código de
inversão desenvolvido previamente
2 Testes de modelagem no domínio
do tempo e na frequência
3 Testes de diferentes algoritmos de
otimização
4 Interpretação dos resultados

6) Viabilidade técnica:

Em termos gerais, a inversão FWI é um processo que envolve um custo computacional relativamente
alto. Portanto, é necessário desenvolver e testar os algoritmos de modelagem e inversão propostos em

instalações computacionais de alto desempenho, que suportem arquiteturas de processamento em serie e


paralelo. Tais equipamentos estão disponíveis, por exemplo, no Laboratório de Métodos de Modelagem e
Geofísica Computacional (LAMEMO), que conta com 64 núcleos de processamento e 256 GB de memória
RAM no cluster de CPU’s, além de placas gráficas de processamento e licença da diretiva OpenACC para
os possíveis testes em GPU.

7) Assinaturas:

Aluno Orientador Orientador

8) Parecer da Coordenação Acadêmica(*)


( ) Aprovado
( ) Em diligência (vide parecer em anexo)
( ) Reprovado (vide parecer em anexo)

____________________
Coordenador Acadêmico

(*) Verificação se o(s) orientador(es) atende(m) os requisitos da Resolução COPPE/CPGP 01 de 06 de


Novembro de 2007, que dispõe sobre o número de orientados por orientador.

4
Revisado em Julho/2011
5
Revisado em Julho/2011