Principales logros en el diseño del algoritmos de imagen

Durante estos más de dos años de vida del proyecto PIXIL, el área de diseño de algoritmos de imagen ha obtenido 3 logros principales. El primero se basa en métodos electromagnéticos, el segundo en el uso de redes neuronales profundas para la obtención de imágenes sísmicas y el tercero en el análisis de las ondas superficiales para la Inversión de Onda Completa (FWI).

Hemos centrado una parte de nuestros esfuerzos en el modelado de conjuntos de datos electromagnéticos basados en el método electromagnético de fuente controlada (CSEM) y el método magnetotelúrico (MT). Hemos estudiado el potencial de las simulaciones CSEM para la caracterización de yacimientos geotérmicos. Más concretamente, hemos llevado a cabo varios experimentos CSEM en 3D en la cuenca del Vallès (España) para estudiar un perfil CSEM superficie-superficie y diferentes configuraciones fuente-receptor utilizando pozos con carcasa de acero para mejorar la sensibilidad y la calidad de las medidas EM. Además, hemos desarrollado una nueva rutina de modelado de alto orden y paralela para configuraciones arbitrarias de MT en 3D. Este algoritmo se basa y amplía el código PETGEM, desarrollado inicialmente para problemas CSEM marinos en 3D. Para verificar la robustez, precisión y eficiencia computacional de esta nueva versión del código, se resolvieron un conjunto de modelos de referencia dentro de la comunidad de MT.

Las tareas de difusión han sido diversas (publicaciones científicas, presentaciones en talleres, participación en conferencias, entre otras) y consideramos que su impacto ha sido positivo para la comunidad científica y las empresas interesadas en la simulación numérica, el modelado electromagnético y su aplicación en el campo de la geotermia y la geofísica de explotación en general.

Hemos establecido múltiples métodos de inteligencia artificial (IA) para la simulación e inversión de medidas de resistividad de sondeos. En particular, hemos desarrollado redes neuronales profundas (DNNs) destinadas a resolver el llamado problema inverso, es decir, determinar las propiedades del subsuelo a partir de las mediciones registradas. Además, hemos aplicado esas DNNs también para el diseño de mejores instrumentos de registro de pozos, de manera que incorporen un buen número y tipos de sensores debidamente colocados. También hemos estudiado el efecto del ruido en esos algoritmos de inversión y hemos diseñado otros nuevos que son más robustos frente al ruido. Por último, pero no por ello menos importante, hemos realizado avances significativos en el desarrollo de algoritmos DNN para la resolución de ecuaciones en derivadas parciales (EDP), que es un paso crítico en el procedimiento de inversión.

Todos los desarrollos científicos anteriores se han difundido a través de múltiples publicaciones científicas en revistas de primer nivel (Q1), presentaciones en diferentes congresos internacionales, charlas y reuniones con entidades del sector, y actividades de difusión orientadas a la sociedad en general.

Por último, hemos llevado a cabo una investigación en colaboración con el socio industrial del proyecto PIXIL, RealTimeSeismic, sobre la Inversión de Onda Completa (FWI), con un enfoque particular en las ondas superficiales que llevan información esencial de las superficies cercanas, especialmente para las exploraciones geotérmicas poco profundas. Una buena imagen de la superficie cercana puede ayudar a mejorar las imágenes profundas.

En ese sentido, dicha colaboración dentro del proyecto PIXIL sigue tres ejes principales: intercambio/análisis de datos, establecimiento de la estrategia FWI y diseño de la parametrización de la adquisición. Nuestro objetivo es construir una herramienta FWI adecuada para las ondas superficiales y, en última instancia, aplicarla a los datos reales adquiridos por RealTimeSeismic en una exploración sísmica cercana a la superficie. El núcleo de la herramienta numérica es un código Fortran HPC, denominado HAWEN y desarrollado por Florian Faucher con el método de Galerkin Discontinuo Hibridizable. Realizamos un estudio de caso sintético en 2D para establecer estrategias multinivel para FWI en datos sísmicos que incluyen ondas superficiales. Se puede lograr un equilibrio entre la robustez y la alta resolución mediante la elaboración de estrategias adecuadas, como la combinación de tomografía sísmica y FWI con grupos de frecuencias, regularización y filtrado. Mientras tanto, se crean programas Bash y Python para ayudar a HAWEN en el pre y postprocesamiento de datos, por ejemplo, la automatización de las ejecuciones, el procesamiento de datos y la visualización.

Además, hemos realizado esfuerzos conjuntos para construir, probar y validar una nueva función de costes en el dominio de la Frecuencia-Número de onda (FK) siguiendo las sugerencias de los estudios que abordan las ondas superficiales. Nuestros resultados preliminares confirmaron la principal ventaja de dicha función de costes: la "cuenca de atracción" es mayor y más suave que en el dominio Frecuencia-Espacio (FX), lo que constituye una condición favorable para la convergencia del resultado FWI hacia el mejor modelo. El dominio FK es potencialmente el apropiado ya que la FWI con fuertes ondas superficiales puede trabajar con robustez y alta resolución. En cuanto a la estrategia de inversión, hemos identificado una estrategia prometedora que implica un diseño periódico de varios niveles, como se muestra en la figura 1: el FWI se ejecuta a lo largo de frecuencias cíclicas y el número de iteraciones para cada nivel de frecuencia se reduce para evitar el sobreajuste local. El número total de iteraciones depende del número de períodos. La figura 2 muestra el modelo de velocidad de las ondas S obtenido con esta estrategia. El resultado está libre de objetos y la superficie cercana está bien reconstruida.

1

Figura 1: evolución del coste durante un FWI con la estrategia periódica multinivel. El coste converge tras 8 ciclos para un grupo de frecuencias determinado.

 

2

Figura 2: Modelo de velocidad de ondas S de la FWI anterior. El resultado muestra pocos objetos y se aproxima al modelo de referencia en la zona cercana a la superficie.