In questo paragrafo, le tecniche di aggiornamento del modello di velocità tramite PSDM sono state applicate su un dataset marino 2D generato tramite forward modelling acustico alle differenze finite a partire da un modello di velocità intervallare creato appositamente tramite il modulo Interactive Velocity Editor di ProMAX.
Figura 3-9 Modello di velocità usato per la creazione del dato sintetico;
Esso consiste di tre strati a velocità costante: il water layer con vp=1500 m/s ( in blu), un secondo strato con vp=2500 m/s (verde) e l’ultimo strato con vp=3000 m/s (rosso). All’interno del secondo strato, tra i CDP 600-700, è stata inserita un’anomalia a bassa velocità di 1900 m/s (azzurro) che presenta un’estensione orizzontale di circa 2500 metri e uno spessore di 1000.
La geometria di acquisizione usata per il forward modeling acustico è la medesima del dataset reale usato in questo lavoro di tesi (capitolo 1).
84
Figura 3-10 File di log con le impostazioni del modulo Promax per le differenze finite;
In figura 3.10 sono descritti i parametri con i quali è stato impostato il modulo di ProMAX per il forward modeling.
Il dato sintetico è stato generato usando un’ondina di Ricker a fase zero, un cdp spacing di 12.5 ed infine, per evitare che il dato sintetico contenesse degli eventi di riflessione multipli di tipo surface related, è stata scelta l’opzione di rendere la superficie libera assorbente. Le condizioni di stabilità e dispersione numerica vengono controllate direttamente dal software, il quale imposta automaticamente il passo di campionamento spaziale e temporale della simulazione in funzione del valore massimo e minimo di velocità nel modello e della frequenza massima contenuta nell’ondina usata per la creazione del campo d’onda sintetico.
Dal punto di vista applicativo, la strategia più sensata per l’applicazione delle tecniche di migration velocity analysis, consiste nell’usare come modello di velocità iniziale (e quindi da aggiornare), il modello ottenuto dall’analisi di velocità sui CMP. Il modello di velocità RMS in output convertito in intervallare, solitamente nelle situazioni geologiche più complesse, non sarà un modello di velocità di propagazione valido per la migrazione PSDM.Infatti, l’operazione di inversione della velocità di stacking in intervallare è instabile, a causa sopratuttto dell’influenza sull’operazione dovuta al picking di massimi di semblance inconsistenti negli spettri di velocità.
85
In questo paragrafo è stata implementata una procedura di analisi di velocità sul dato migrato, con lo scopo di correggere/aggiornare proprio il modello di velocità intervallare ottenuto a partire dall’analisi di velocità convenzionale. Alla fine della procedura è stato possibile ottenere un modello di velocità corretto che ha permesso di ottenere una sezione stack sintetica correttamente migrata in profondità.
Figura 3-11 Modello di velocità di stacking (RMS) ottenuto dal picking degli spettri di velocità sintetici;
In figura 3.6 è rappresentato il modello di velocità i stacking ottenuto dal picking degli spettri di velocità calcolati sui CMP sintetici.
E’ possibile verificare che nell’area del modello caratterizzata dai soli strati piano paralleli (CDP 159-400), la velocità di stacking (RMS) delle riflessioni primarie nei CDP è data proprio dalla velocità media tra gli strati soprastanti. Il campo di velocità RMS si presenta più complesso in corrispondenza dei CMP caratterizzati dalla presenza dell’anomalia a bassa velocità. La dimensione dell’anomalia a bassa velocità è tale da essere comunque individuata dall’analisi di velocità; non solo, è possibile notare chiaramente come il trend della velocità RMS al variare della profondità, si sposta verso valori di velocità RMS minori in corrispondenza della profondità dell’anomalia(fig. 3.7).
86
Figura 3-12 Picking spettro di velocità nel CMP al centro dell’anomalia Si noti l’inversione del trend di velocità RMS dai 1000 ai 2000 ms
Per implementare l’MVA basata sulla migrazione PSDM, il campo RMS deve essere convertito in velocità intervallare tramite l’equazione di inversione di Dix:
𝑉!"#,!"#!!!"#! =
𝑇!∙ 𝑉!"#! 𝑇
! − 𝑇!∙ 𝑉!"#! (𝑇!)
𝑇!− 𝑇! (3.10)
tramite la quale si ottiene la velocità di intervallo tra due valori di velocità RMS che rappresentano il top e il bottom dello strato. L’inversione viene effettuata tra ogni coppia di valori di velocità RMS definiti nel picking degli spettri. La figura 3.8 rappresenta il risultato di tale conversione e cioè il modello di velocità intervallare che verrà sottoposto al processo di correzione tramite le tecniche MVA descritte in precedenza.
87
Figura 3-13 Modello di velocità intervallare ottenuto dal modello di velocità RMS di figura 3.11;
Come prevedibile, il modello presenta numerosi artefatti insiti nel processo di conversione che di conseguenza, possono esser presenti anche quando si effettua tale operazione sul dato reale.
Poiché l’obiettivo di questo lavoro di tesi è quello di testare le capacità risolutive dei metodi di MVA al fine di ottenere un modello di velocità corretto (in questo caso quello di fig 3.9), il modello di fig 3.8 non è stato editato manualmente ma è stato usato come modello di velocità di input al processo di aggiornamento.
Sia per quanto riguarda il dato sintetico, ma soprattutto il dato reale, si è deciso di usare una metodo di aggiornamento che permettesse di utilizzare in maniera congiunta sia il layer stripping che la tomografia a riflessione. Invece di testare i metodi separatamente, si è applicato in via preliminare il layer stripping, ottenendo un modello di velocità parzialmente corretto che in seguito è stato usato come modello di input per il metodo tomografico che ha fornito l’aggiornamento di velocità finale.
88
In questo modo, oltre a trarne dei benefici in termini di tempistiche di applicazione, si guida l’inversione tomografica verso il modello di velocità corretto, evitando il rischio di cadere in un minimo locale dello spazio dei modelli.
Figura 3-14 Schema applicativo MVA usato in questo lavoro di tesi;