L'inversion des formes d'ondes par décomposition des champs d'ondes / Fang Wang ; sous la direction de Hervé Chauris

Date :

Type : Livre / Book

Type : Thèse / Thesis

Langue / Language : anglais / English

Catalogue Worldcat

Imagerie sismique

Classification Dewey : 551

Chauris, Hervé (Directeur de thèse / thesis advisor)

École nationale supérieure des mines (Paris) (Organisme de soutenance / degree-grantor)

École doctorale Géosciences, ressources naturelles et environnement (Paris) (Ecole doctorale associée à la thèse / doctoral school)

Centre de géosciences (Fontainebleau, Seine et Marne) (Laboratoire associé à la thèse / thesis associated laboratory)

Résumé / Abstract : L'inversion des formes d'ondes (FWI) est une procédure d'imagerie sismique pour imager le sous-sol de la Terre. FWI est résolue comme un problème d'optimisation. En fonction du contenu en fréquence des données, la fonction objective de FWI peut être fortement non linéaire. Pour des données associées des réflexions, ce problème empêche notamment les méthodes basées sur le gradient de retrouver les grandes longueurs d'onde du modèle de vitesse. Dans cette thèse, nous proposons une variante de FWI basée sur la séparation des champs d'ondes, typiquement en champs montants et descendants, pour atténuer la non-linéarité du problème. Il consiste à décomposer le gradient de FWI en une partie de courte longueur d'onde et une partie de grande longueur d'onde après décomposition des champs d'ondes. L'inversion est effectuée d'une manière alternée entre ces deux parties. Nous appliquons cette méthode à plusieurs études de cas et montrons que la nouvelle approche est plus robuste en particulier pour la construction du modèle de grande longueur d'onde.

Résumé / Abstract : Full Waveform Inversion (FWI) is a seismic imaging procedure to image the subsurface of the Earth. FWI is resolved as an optimization problem . Depending on the frequency content of the data, the objective function of FWI may be highly nonlinear. If a data set mainly contains reflections, this problem particularly prevents the gradient-based methods from recovering the long wavelengths of the velocity model.In this thesis, I propose a variant of FWI based on the wavefield separation, typically between up- and down- going waves, to mitigate the nonlinearity of the problem. The new method consists of decomposing the gradient of FWI into a short-wavelength part and a long-wavelength part after wavefield decomposition. The inversion is performed in an alternating fashion between these two parts. We apply this method to several case studies and show that the new method is more robust especially for constructing the long-wavelength model.