Desarrollo de una metodología basada en aprendizaje profundo para el diseño de geometrías de adquisición sísmica compresivas
No Thumbnail Available
Date
2023-07-26
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Industrial de Santander
Abstract
La adquisición sísmica es esencial para encontrar nuevos yacimientos de hidrocarburos. Para adquirir imágenes sísmicas de alta calidad, se requiere una adquisición densa espaciada regularmente. Sin embargo, los altos costos de adquisición y los impactos ambientales, han conducido a diseñar levantamientos sísmicos con menos fuentes y receptores. Actualmente, los esquemas de submuestreo tradicionales son: aleatorio, jittered y uniforme, los cuales conducen a una recuperación subóptima de la imagen sísmica. Por lo tanto, este trabajo propone una optimización de extremo a extremo para diseñar una adquisición sísmica submuestreada que permita obtener información reconstruida de alta calidad. El patrón de muestreo se modela como una capa binaria profunda para conocer la ubicación óptima de receptores y fuentes, al tiempo que una red neuronal recupera los datos eliminados. Después de diseñar el patrón de muestreo, se puede utilizar como geometría sísmica en un área geológicamente similar al conjunto de datos de entrenamiento. La metodología propuesta se comparó con los esquemas de muestreo tradicionales mediante experimentos con datos sísmicos sintéticos y reales. Los resultados demuestran que un diseño aprendido mejora la calidad de los datos reconstruidos en hasta 4 dB.
Description
Keywords
Geometría sísmica, Optimización de extremo a extremo, Reconstrucción de datos sísmicos, Patrón de submuestreo, Tasa de submuestreo