[pt] O problema de Inversão Sísmica envolve a determinação das propriedades físicas da superfície a partir de dados amostrados na superfície. A construção de um modelo matemático da resposta da subsuperfície à excitação de uma fonte sísmica, tendo como parâmetros as propriedades físicas da subsuperfície, fornece um modelo sintético desta resposta para determinados valores dos parâmetros. Isto permite comparar dados amostrados e modelos sintético. A perturbação do modelo pela variação dos seus parâmetros pode aproximar dados amostrados e sintéticos e colocar o problema da Inversão como um problema de minimização de uma função de erro que os ajuste de forma adequada. Usualmente, os métodos que tentam minimizar a medida a medida de erro supõem um comportamento linear entre a perturbação do modelo e esta medida. Na maioria dos problemas geofísicos, esta medida apresenta um alto grau de não linearidade e uma grande quantidade de mínimos locais. Isto torna estes métodos baseados em aproximações lineares muito sensíveis à escolha de uma boa solução inicial, o que nem sempre está disponível. Como resolver este problema sem uma boa solução inicial? A teoria da Inferência Bayesiana oferece uma solução pelo uso de informação a priori sob o espaço dos parâmetros. O problema de Inversão volta então a ser um problema de otimização onde se precisa maximizar a probabilidade a posteriori dos parâmetros assumirem um certo valor dado que se obteve o resultado da amostragem dos dados. Este problema é resolvido pelo método do Simulated Annealing (SA), método de otimização global que faz uma busca aleatória direcionada no espaço de solução. Este método foi proposto por uma analogia entre o recozimento física de sólidos e problemas de otimização. O SA, na sua variante Very Fast Simulated Annealing (VFSA), é aplicado na solução de problemas de Inversão Sísmica 1 D para modelos acústico e elásticos gerados sinteticamente. A avaliação do desempenho do SA usando medidas de erro com diferentes normas é realizada para um modelo elástico adicionado de ruído aleatório. / [en] The seismic inverse problem involves determining the subsurface physical properties from data sampled at Earth`s surface. A mathematical model of the response of the subsurface excited by a seismic source, having physical properties as parameters, provides a synthetic model for this response. This makes possible to compare sampled and synthetic data. The perturbation in the model due to the variation of its parameters can approximate these data and states the inversion problem as the minimization of an error function that fits them adequately. Usually, the methods which attempt to minimize this error assume that a perturbation in the model is linearly relates with a perturbation in the measured response. Most geophysical inverse problems are highly nonlinear and are rife with local minima. Therefore these methods are very sensitive to the choice of the initial model and good starting solutions may not be available. What should be done, if there is no basis for an initial guess? The theory of Bayesian inference provides an answer to this question taking into account the prior information about the parameter space. The inverse problem can then be stated as an optimization problem whose goal is to maximize the posterior probability that the set of parameters has a certain value once given the result of the sample. This problem is solved by the Simulated Annealing method, a global optimization method that executes a oriented random search in the solution space. This method comes from an analogy between the physical annealing of solids and optimization problems. The Very Fast Simulated Annealing (VFSA), a variant of SA, is applied to the solution of 1 D seismic inverse problems generated synthetically by acoustic and alastic done by a elastic model with additive noise.

[pt] A inversão sísmica é o processo de transformar dados de Sísmica de Reflexão em valores quantitativos de propriedades petroelásticas das rochas. Esses valores, por sua vez, podem ser correlacionados com outras propriedades ajudando os geocientistas a fazer uma melhor interpretação que resulta numa boa caracterização de um reservatório de petróleo. Existem vários algoritmos tradicionais para Inversão Sísmica. Neste trabalho revisitamos a Inversão Colorida (Impedância Relativa), a Inversão Recursiva, a Inversão Limitada em Banda e a Inversão Baseada em Modelos. Todos esses quatro algoritmos são baseados em processamento digital de sinais e otimização. O presente trabalho busca reproduzir os resultados desses algoritmos através de uma metodologia simples e eficiente baseada em Redes Neurais e na pseudo-impedância. Este trabalho apresenta uma implementação dos algoritmos propostos na metodologia e testa sua validade num dado sísmico público que tem uma inversão feita pelos métodos tradicionais. / [en] Seismic inversion is the process of transforming Reflection Seismic data into quantitative values of petroleum rock properties. These values, in turn, can be correlated with other properties helping geoscientists to make a better interpretation that results in a good characterization of an oil reservoir.There are several traditional algorithms for Seismic Inversion. In this work we revise Color Inversion (Relative Impedance), Recursive Inversion, Bandwidth Inversion and Model-Based Inversion. All four of these algorithms are based on digital signal processing and optimization. The present work seeks to reproduce the results of these algorithms through a simple and efficient methodology based on Neural Networks and pseudo-impedance. This work presents an implementation of the algorithms proposed in the methodology and tests its validity in a public seismic data that has an inversion made by the traditional methods.

[pt] A inversão sísmica é uma etapa essencial na modelagem e caracterização de reservatórios que permite a estimativa de propriedades da subsuperfície a partir dos dados de reflexão sísmica. os métodos convencionais usualmente possuem um alto custo computacional ou apresentam problemas relativos à não-linearidade e à forte ambiguidade do modelo de inversão sísmica. Recentemente, com a generalizaçãodo aprendizado de máquina na geofísica, novos métodos de inversão sísmica surgiram baseados nas técnicas de aprendizado profundo. Entretanto, a aplicação prática desses métodos é limitada devido a ausência de uma abordagem probabilística capaz de lidar com as incertezas inerentes ao problema da inversão sísmica e/ou a necessidade de dados de treinamento completos e representativos. Para superar essas limitações, um novo método é proposto para inverter dados de reflexão sísmica diretamente para modelos da subsuperfície de alta resolução. O método proposto explora a capacidade das redes neurais convolucionais em extrair representações significativas e complexas de dados espacialmente estruturados, combinada à simulação estocástica geoestatística. Em abordagem auto-supervisionada, modelos físicos são incorporados no sistema de inversão com o objetivo de potencializar o uso das medições indiretas e imprecisas, mas amplamente distribuídas do método sísmico. As realizações geradas com simulação geoestatística fornecem informações adicionais com maior resolução espacial do que a originalmente encontrada nos dados sísmicos. Quando utilizadas como entrada do sistema de inversão, elas permitem a geração de múltiplos modelos alternativos da subsuperfície. Em resumo, o método proposto é capaz de: (1) quantificar as incertezas das previsões, (2) modelar a relação complexa e não-linear entre os dados observados e o modelo da subsuperfície, (3) estender a largura de banda sísmica nas extremidades baixa e alta do espectro de parâmetros de frequência, e (4) diminuir a necessidade de dados de treinamento anotados. A metodologia proposta é inicialmente descrita no domínio acústico para inverter modelos de impedância acústica a partir de dados sísmicos pós-empilhados. Em seguida, a metodologia é generalizada para o domínio elástico para inverter a partir de dados sísmicos pré-empilhados modelos de velocidade da onda P, da velocidade da onda S e de densidade. Em seguida, a metodologia proposta é estendida para a inversão sísmica petrofísica em um fluxo de trabalho simultâneo. O método foi validado em um caso sintético e aplicado com sucesso a um caso tridimensional de um reservatório brasileiro real. Os modelos invertidos são comparados àqueles obtidos a partir de uma inversão sísmica geoestatística iterativa. A metodologia proposta permite obter modelos similares, mas tem a vantagem de gerar soluções alternativas em maior número, permitindo explorar de forma mais efetiva o espaço de parâmetros do modelo quando comparada à inversão sísmica geoestatística iterativa. / [en] Seismic inversion allows the prediction of subsurface properties from seismic reflection data and is a key step in reservoir modeling and characterization. Traditional seismic inversion methods usually come with a high computational cost or suffer from issues concerning the non-linearity and the strong non-uniqueness of the seismic inversion model. With the generalization of machine learning in geophysics, deep learning methods have been proposed as efficient seismic inversion methods. However, most of them lack a probabilistic approach to deal with the uncertainties inherent in the seismic inversion problems and/or rely on complete and representative training data, which is often scarcely available. To overcome these limitations, we introduce a novel seismic inversion method that explores the ability of deep convolutional neural networks to extract meaningful and complex representations from spatially structured data, combined with geostatistical stochastic simulation to efficiently invert seismicn reflection data directly for high-resolution subsurface models. Our method incorporates physics constraints, sparse direct measurements, and leverages the use of imprecise but widely distributed indirect measurements as represented by the seismic data. The geostatistical realizations provide additional information with higher spatial resolution than the original seismic data. When used as input to our inversion system, they allow the generation of multiple possible outcomes for the uncertain model. Our approach is fully unsupervised, as it does not depend on ground truth input-output pairs. In summary, the proposed method is able to: (1) provide uncertainty assessment of the predictions, (2) model the complex non-linear relationship between observed data and model, (3) extend the seismic bandwidth at both low and high ends of the frequency parameters spectrum, and (4) lessen the need for large, annotated training data. The proposed methodology is first described in the acoustic domain to invert acoustic impedance models from full-stack seismic data. Next, it is generalized for the elastic domain to invert P-wave velocity, S-wave velocity and density models from pre-stack seismic data. Finally, we show that the proposed methodology can be further extended to perform petrophysical seismic inversion in a simultaneous workflow. The method was tested on a synthetic case and successfully applied to a real three-dimensional case from a Brazilian reservoir. The inverted models are compared to those obtained from a full iterative geostatistical seismic inversion. The proposed methodology allows retrieving similar models but has the advantage of generating alternative solutions in greater numbers, providing a larger exploration of the model parameter space in less time than the geostatistical seismic inversion.

[pt] Esta dissertação investiga o uso de Algoritmos Genéticos aplicados em dados sísmicos com o objetivo de obter parâmetros físicos e atributos sísmicos que auxiliem na caracterização das rochas de um subsolo terrestre. Os dados sísmicos têm sido extensamente empregados no setor de exploração de petróleo. As aplicações envolvendo sísmica não se restringem na busca por novas reservas de petróleo, mas também são usadas para projetar novos poços e melhorar a produção dos reservatórios de petróleo. O levantamento de dados sísmicos permite analisar extensas áreas da subsuperfície com custo praticável em relação a outras técnicas. Entretanto, a interpretação desses dados com o objetivo de obter informações relevantes e acuradas não é uma tarefa simples. Para isto, várias técnicas de inversão sísmica vêm sendo desenvolvidas. Este trabalho consistiu em avaliar uma alternativa que emprega Algoritmos Genéticos para inverter parâmetros a partir de dados sísmicos. Existem 3 etapas principais neste trabalho. Primeiramente, foram estudados o tema da exploração sísmica e a técnica de Algoritmos Genéticos. Na segunda etapa foi definido um modelo, usando Algoritmos Genéticos, que busca, neste caso, minimizar uma medida de erro, para obtenção dos parâmetros objetivos. Finalmente, foi implementado um sistema a partir do modelo proposto e realizados os estudos de casos com dados sísmicos sintéticos para avaliar o seu desempenho. O modelo baseado em Algoritmos Genéticos foi avaliado submetendo-se seus resultados a um especialista e comparando-os com os da busca aleatória. Os resultados obtidos se mostraram consistentemente satisfatórios e sempre superiores aos da busca exaustiva. / [en] This dissertation investigates the use of Genetic Algorithms applied to seismic data with the objective of obtaining physical parameters and seismic attributes that would facilitate the characterization of rocks in terrestrial subsoil. The seismic data has been extensively utilized in the field of petroleum exploration. The applications involving seismic are not restrained to the search for new petroleum reserves, but are also used to project new wells and to improve the production of existing petroleum reservoirs. The survey of seismic data allows the analysis of extended areas of the subsurface at an affordable price relative to other techniques. However, the interpretation of the data with the objective of obtaining relevant and accurate information is not an easy task. For that, several seismic inversion techniques are being developed. This work consists in evaluating an alternative that uses Genetic Algorithms to invert parameters from seismic data. There are 3 main stages in this work. Initially, the theme of seismic exploration and the technique of Genetic Algorithms have been studied. On the second stage a model has been defined, using Genetic Algorithms, which aims, in this case, to minimize an error measurement, obtaining objective parameters. Finally, a system from the proposed model has been implanted and the study of cases with synthetic seismic data has been executed to evaluate its performance. The process of optimizing has been compared to the process of random search and the results obtained by the model have always been superior.

[pt] Na área de exploração e produção de petróleo são alocados grandes investimentos para conseguir diminuir os riscos associados à baixos níveis de produção, que podem ser minimizados mediante a acertada caracterização do reservatório de petróleo. Uma valiosa fonte de informação pode ser extraída de dados sísmicos 3D, obtidos do campo em estudo. O custo econômico de aquisição de esta base de dados para o reservatório completo é relativamente baixo, se comparado com uma amostragem direta por meio de perfurações de poços. Embora, a relação entre os dados sísmicos e as propriedades de reservatório seja considerada ambígua, esta deve ser integrada com informação confiável, como aquela obtida mediante perfilagem de poços. Fazendo uso dos abundantes dados sísmicos e das escassas, mas, precisas medições em perfurações existentes, foi desenvolvido neste trabalho um sistema baseado no algoritmo de Programação Genética (PG) para caracterizar geologicamente um reservatório de petróleo. PG é uma técnica de computação evolucionária capaz de estimar relações não lineares entre um conjunto de entrada e de saída, mediante uma expressão simbólica explícita. Para extrair informação adicional nos registros sísmicos são calculados atributos sísmicos, que facilitam a identificação de características estratigráficas ou estruturais do subsolo representadas indiretamente pela sísmica. Adicionalmente, é utilizado o método de inversão sísmica para o cálculo da impedância acústica, que é uma variável auxiliar derivada de sísmica calibrada com perfis de poço. Os atributos sísmicos junto com a impedância acústica servirão para a estimação de propriedades geológicas. Esta metodologia de trabalho foi testada em um reservatório real de grande complexidade geológica. Por meio de PG, foi representada satisfatoriamente a relação entre dados derivados da sísmica e a porosidade do campo, demostrando assim que PG é uma alternativa viável para a caracterização geológica de reservatórios. Posteriormente, foi realizada uma clusterização do campo baseada em características geofísicas que permitiram a construção de estimadores por PG especializados para cada zona. / [en] In the field of oil exploration and production a great deal of investment is allocated in reducing the risks associated to low production levels that can be minimized through an accurate oil reservoir characterization. A valuable source of information can be extracted from 3D seismic data, obtained from the studied reservoir. The economic cost of the acquisition of this data base for the whole reservoir is relatively low, if compared to the direct sampling method of well drilling. Being that the relationship between seismic data and reservoir properties is considered ambiguous, it must be integrated with reliable information, such as that obtained by well logging. Making use of abundant seismic data and scarce, yet accurate, measurements from the existing drillings, it was developed in this study a system based in the algorithm of Genetic Programming (GP), to geologically characterize an oil reservoir. GP is an evolutionary computational technique capable of estimating the non-linear relationships between input and output parameter, through an explicit symbolic expression. In order to extract additional information from seismic records, seismic attributes are calculated, which facilitate tasks of identifying stratigraphic and structural characteristics of the subsurface, represented indirectly by seismic data. Moreover, a seismic inversion method is used to estimate the acoustic impedance, an auxiliary variable derived from seismic data calibrated by well logs. The seismic attributes along with the acoustic impedance will be used to estimate geological properties. This workflow was tested on a real reservoir, thus presenting geological complexity. Through GP, the relationship between seismic derived data and the field porosity was represented satisfactorily, demonstrating that GP is a viable alternative for geologic reservoir characterization. Afterwards, the reservoir was divided in clusters according to geophysical properties, this allowed the construction of GP based estimators for each zone.

[pt] A indústria de óleo e gás utiliza a sísmica para investigar a distribuição de tipos de rocha (facies) em subsuperfície. Por outro lado, apesar de seu corriqueiro uso em geociências, medidas sísmicas costumam ser ruidosas, e a inversão do dado sísmico para a distribuição de facies é um problema mal posto. Por esta razão, diversos autores estudam esta inversão sob o ponto de vista probabilístico, para ao menos estimar as incertezas da solução do problema inverso. O objetivo da presente dissertação é desenvolver método quantitativo para estimar a probabilidade de reservatório com hidrocarboneto, dado um traço sísmico de reflexão, integrando modelagem sísmica direta, e conhecimento geológico a priori. Utiliza-se, um dos métodos mais recentes para resolver o problema inverso: Modelo de Markov Oculto com Efeito Convolucional (mais especificamente, a Aproximação por Projeção de (1)). É demonstrado que o método pode ser reformulado em termos do Modelo de Markov Oculto (MMO) ordinário. A teoria de sísmica de AVA é apresentada, e usada conjuntamente com MMO com Efeito Convolucional para resolver a inversão de sísmica para facies. A técnica de inversão é avaliada usando-se medidas difundidas em Aprendizado de Máquina, em um conjunto de experimentos variados e realistas. Apresenta-se uma técnica para medir a capacidade do algoritmo em estimar valores confiáveis de probabilidade. Pelos testes realizados a aproximação por projeção apresenta distorções de probabilidade inferiores a 5 por cento, tornando-a uma técnica útil para a indústria de óleo e gás. / [en] Oil and Gas Industry uses seismic data in order to unravel the distribution of rock types (facies) in the subsurface. But, despite its widespread use, seismic data is noisy and the inversion from seismic data to the underlying rock distribution is an ill-posed problem. For this reason, many authors have studied the topic in a probabilistic formulation, in order to provide uncertainty estimations about the solution of the inversion problem. The objective of the present thesis is to develop a quantitative method to estimate the probability of hydrocarbon bearing reservoir, given a seismic reflection profile, and, to integrate geological prior knowledge with geophysical forward modelling. One of the newest methods for facies inversion is used: Convolved Hidden Markov Model (more specifically the Projection Approximation from (1)). It is demonstrated how Convolved HMM can be reformulated as an ordinary Hidden Markov Model problem (which models geological prior knowledge). Seismic AVA theory is introduced, and used with Convolved HMM theory to solve the seismic to facies problem. The performance of the inversion technique is measured with common machine learning scores, in a broad set of realistic experiments. The technique capability of estimating reliable probabilities is quantified, and it is shown to present distortions smaller than 5 percent. As a conclusion, the studied Projection Approximation is applicable for risk management in Oil and Gas applications, which integrates geological and geophysical knowledge.

[pt] No Brasil, a partir de Março de 2006 com a constatação de indícios de gás e condensado de óleo na Locação Paraty (poço 1-RJS-617D do bloco BM-S-10) e poucos meses depois, em Agosto, com a descoberta da acumulação de óleo (poço 1-RJS-628A do bloco BM-S-11, pioneiro da área atualmente declarada como LULA) nos reservatórios carbonáticos de idade Aptiana e localizados na camada Sub-Sal da Bacia de Santos, estes reservatórios adquiriram importância estratégica para o desenvolvimento econômico e tecnológico do Brasil. A pesquisa realizada neste projeto visa desenvolver metodologia para estimativa de cenários 3D de propriedades mecânicas elásticas estáticas de deformabilidade: módulo de elasticidade e coeficiente de Poisson e do fator de acoplamento fluído-mecânico: coeficiente de Biot-Willis, integradas ao dado sísmico e que destinam-se a alimentar simulador mecânico, mitigando incertezas e riscos econômicos e de SMS ao longo da vida produtiva dos diversos campos do PPSBS. O pioneirismo do presente estudo encontra-se em: (I) realização de inversão sísmica determinística CSSI (constrained sparse spike) baseada em modelo inicial de Impedância-P ao longo de toda a sequência estratigráfica da Bacia de Santos: Pós-Sal, Sal e Pré-Sal considerando o efeito do soterramento em dado sísmico 0-offset cedido pela ANP (Agência Nacional do Petróleo), (II) desenvolvimento de Modelo de Física de Rochas (MFR) para toda a sessão estratigráfica da Bacia de Santos, com base em perfis de poços cedidos pela ANP e furos geotécnicos, para estimativa das propriedades mecânicas elásticas dinâmicas a partir da Impedância-P obtida na inversão sísmica e (III) realização de ensaios mecânicos simultâneos em análogo mecânico (bloco de travertino romano) da camada Pré-Sal da Bacia de Santos para determinação de relação de equivalência estático vs. dinâmico, como também emprego de mais duas relações de equivalência estático vs. dinâmico advindas de trabalhos científicos totalizando três cenários de propriedades mecânicas de deformabilidade estáticas e de coeficiente de Biot-Willis. Como resultado foi constatado que os três cenários 3D de propriedades mecânicas elásticas estáticas de deformabilidade e coeficiente de Biot-Willis, herdaram o nível de detalhamento da sísmica HD (High Definition) empregada, a saber: resolução vertical de aproximadamente 35m e resolução horizontal de aproximadamente 600m. Ao comparar o mais rígido dos três cenários com o menos rígido deles, observou-se que o módulo de elasticidade estático chega a variar até 35 por cento, o coeficiente de poisson estático chega a variar até 22 por cento e o coeficiente de acoplamento fluídomecânico de Biot-Willis chega a variar até 8 por cento, sendo que a maior variação está especialmente nos carbonatos do Pré-Sal de idade Aptiana, nos carbonatos do Pós- Sal de idade Albiana e nos arenitos do Pós-Sal do Paleógeno e Cretáceo Superior. / [en] In Brazil, in March 2006, with evidence of gas and oil condensate in the Paraty location (well 1-RJS-617D of block BM-S-10) and a few months later, in August, with the discovery of oil accumulation (well 1-RJS-628A of the block BMS- 11, pioneer of the area currently declared as LULA) in the Aptian-age carbonate reservoirs and located in the Sub-Salt layer of the Santos Basin, these reservoirs have acquired relevance for the economic and technological development of Brazil. The research carried out in this project aims to develop methodology for estimating 3D scenarios of static elastic mechanical properties of deformability: modulus of elasticity and Poisson s coefficient and the fluid-mechanical coupling factor: Biot- Willis coefficient, integrated to the seismic data and destined to feed mechanical simulator, mitigating uncertainties and economic and SMS risks throughout the productive life of the various PPSBS deposits. The pioneerism of the present study is: (I) performing deterministic CSSI (constrained sparse spike) seismic inversion based on the initial P-Impedance model throughout stratigraphic sequence of the Santos Basin: Post-Salt, Salt and Pre-Salt taking into account burial depth effect on the seismic trace, (II) development of Rock Physics Models (RFM) for the entire stratigraphic column of the Santos Basin, based on well logs and geotechnical holes, in order to estimate the dynamic elastic mechanical properties from the PImpedance obtained in the seismic inversion and (III) realization of simultaneous mechanical tests on mechanical analogue rock (Roman Travertine block) of Santos Basin Pre-Salt layer to determine static vs. dynamic relation, as well as using two static vs. dynamic relations from scientific studies to build three scenarios of static elastic mechanical properties of deformability and Biot-Willis coeficient. As a result, it was verified that the three 3D scenarios of static elastic mechanical properties of deformability, as well as, Biot-Willis coeficient inherited the level of detail of the HD (High Definition) used seismic, that is: vertical resolution of approximately 35m and horizontal resolution of approximately 600m. When comparing the most rigid of the three scenarios with the least rigid, it is observed that the static elasticity modulus vary up to 35 percent, static poisson s ratio vary up to 22 percent and the Biot-Willis coefficient variy up to 15 percent. The greater variation is especially in the carbonates of the Pre-Salt of Aptian age, in the carbonates of the Post-Salt of Albian age and in the sands of the Pos-Salt of Paleogeno and Upper Cretaceous.