Dans le cadre de la conception d’Algorithmes d’Imagerie dans le cadre du projet PIXIL, nous avons obtenu trois réalisations principales au cours de la durée de vie du projet. Le premier est basé sur les méthodes électromagnétiques, le second sur l’utilisation de réseaux de neurones profonds pour l’imagerie sismique et le troisième sur l’analyse des ondes de surface pour l’inversion complète par forme d’onde complète.
Nous avons concentré une partie de nos efforts sur la modélisation d’ensembles de données électromagnétiques basées sur la méthode électromagnétique à source contrôlée (CSEM) et la méthode magnétotellurique (MT). Nous avons étudié le potentiel des simulations CSEM pour la caractérisation des réservoirs géothermiques. Plus concrètement, nous avons réalisé plusieurs expériences CSEM terrestres en 3D dans le bassin du Vallès (Espagne) pour étudier un profil CSEM surface-surface et différentes configurations source-récepteur à l’aide de puits en acier pour améliorer la sensibilité et la qualité des mesures EM. De plus, nous avons développé une nouvelle routine de modélisation parallèle et d’ordre élevé pour les configurations 3D MT arbitraires. Cet algorithme est basé sur et étend le code PETGEM, qui a été initialement développé pour les problèmes CSEM marins 3D. Pour vérifier la robustesse, la précision et l’efficacité de calcul de ce nouveau code de version, nous résolvons un ensemble de modèles de référence au sein de la communauté MT.
Les tâches de diffusion ont été diverses (publications scientifiques, présentations d’ateliers, participation à des conférences, entre autres) et nous considérons que leur impact a été positif pour la communauté scientifique et les entreprises intéressées par la simulation numérique, la modélisation électromagnétique et son application dans le domaine de l’énergie géothermique et de la géophysique d’exploitation en général.
Nous avons établi plusieurs méthodes d’intelligence artificielle (IA) pour la simulation et l’inversion des mesures de résistivité des forages. En particulier, nous avons développé des réseaux de neurones profonds visant à résoudre le problème inverse, c’est-à-dire à déterminer les propriétés du sous-sol à partir des mesures enregistrées. En outre, nous avons également appliqué ces réseau de neurones pour la conception de meilleurs instruments d’exploitation forestière de forage, de manière à ce qu’ils intègrent un nombre et un type optimaux de capteurs correctement placés. Nous avons également étudié l’effet du bruit sur ces algorithmes d’inversion et en avons conçu de nouveaux qui sont plus robustes au bruit. Enfin, nous avons fait des progrès significatifs vers le développement d’algorithmes de réseaux de neurones pour résoudre les équations aux dérivées partielles (EDP), ce qui constitue une étape critique dans la procédure d’inversion.
Tous les développements scientifiques ci-dessus ont été diffusés via de multiples publications scientifiques sur des revues de premier plan (Q1), des présentations dans différents lieux et congrès internationaux, des discussions et des réunions avec des collègues de l’industrie, et des activités de diffusion orientées vers la société dans son ensemble.
Enfin, nous avons mené une recherche et un développement collaboratifs avec le partenaire industriel du projet PIXIL, RealTimeSeismic (RTS), sur le thème de l’inversion complète de forme d’onde (FWI), avec un accent particulier sur les ondes de surface qui transportent des informations essentielles sur la surface proche, en particulier pour les explorations géothermiques peu profondes. Une bonne image de la surface proche peut encore aider à améliorer l’imagerie profonde.
Notre collaboration au sein du projet PIXIL suit trois axes principaux : l’échange/analyse de données, l’établissement de la stratégie FWI et la conception du paramétrage des acquisitions. Nous visons à construire un outil FWI adapté aux ondes de surface et, à terme, à l’appliquer sur des données réelles acquises par RealTimeSeismic lors d’une exploration sismique proche de la surface. Le cœur de l’outil numérique est un code Fortran HPC, nommé HAWEN et développé par Florian Faucher dans le domaine harmonique temporel avec la méthode de Galerkin Discontinue Hybride. Nous avons mené une étude de cas synthétique 2D afin d’établir des stratégies à plusieurs niveaux pour la FWI sur des données sismiques, y compris les ondes de surface. Un compromis entre robustesse et haute résolution est réalisable en élaborant des stratégies appropriées telles que la combinaison de la tomographie sismique et de la FWI avec des groupes de fréquences, la régularisation et le filtrage. Pendant ce temps, des programmes Bash et Python sont créés pour une utilisation conviviale de HAWEN ainsi que pour le pré / post-traitement des données, par exemple, l’automatisation des exécutions, le traitement et la visualisation des données.
Nous avons fait des efforts conjoints pour construire, tester et valider une nouvelle fonction de coût dans le domaine frequency-wavenumber (FK) en suivant les suggestions de la littérature traitant des ondes de surface. Nos résultats préliminaires ont confirmé l’avantage majeur d’une telle fonction de coût : le « bassin d’attraction » est plus grand et plus lisse que dans le domaine fréquence-espace (FX), ce qui est une condition favorable à la convergence du résultat FWI vers le meilleur modèle. Le domaine FK est potentiellement le domaine approprié dans lequel le FWI présentant de fortes ondes de surface peut fonctionner à la fois avec robustesse et haute résolution. En termes de stratégie d’inversion, nous avons identifié une stratégie prometteuse impliquant une conception périodique à plusieurs niveaux, comme le montre la figure 1 : l’inversion par forme d’ondes complètes est exécutée le long de fréquences cycliques et le nombre d’itérations pour chaque niveau de fréquence est réduit pour éviter le surajustement local. Le nombre total d’itérations dépend du nombre de périodes. La figure 2 montre le modèle de vitesse des ondes S produit par cette stratégie. Le résultat est exempt d’artefacts majeurs et la surface proche est bien reconstruite.
Figure 1 : évolution des coûts au cours d’une FWI présentant la stratégie périodique à plusieurs niveaux. Le coût converge après 8 cycles pour un groupe de fréquences donné.
Figure 2 : Modèle de vitesse de l’onde S obtenu par FWI. Le résultat montre peu d’artefacts et s’approche du modèle de référence dans la surface proche.