Return to search

Traitement de données géophysiques en réseaux denses en configuration sismique passive et active / Geophysical Processing with dense arrays in passive and active seismic configurations

En géophysique, les réseaux denses améliorent la caractérisation spatiale et fréquentielle des différents types d’ondes dans le milieu. Bien entendu, l’acquisition en surface est sujette aux ondes de surface qui sont très fortes. Les ondes de surface ont un fort impact sur les données géophysiques acquises au niveau du sol. Elles peuvent être considérées comme du bruit et être sujettes à la suppression puisqu’elles cachent l’information de sous-surface. Cependant, elles peuvent être utiles pour l’imagerie de proche surface si elles sont convenablement récupérées.Dans tous les cas, leur caractérisation est cruciale en géophysique d’exploration active et passive. Dans la surveillance microsismique passive, le bruit de surface ambiant est composé d’ondes de surface. L’objectif principal de la surveillance passive est de minimiser l’impact des ondes de surface sur les données microsismiques. Le fort bruit de surface diminue la sensibilité etl’efficacité des méthodes de détection et de localisation. De plus, les méthodes actuelles de localisation et de détection nécessitent généralement la connaissance d’informations telles qu’un un modèle de vitesse ou un modèle d’événement. Dans la sismique active, de fortes ondes de surface sont générés par des sources actives. Les stratégies actuelles de traitement sont généralement basées sur une sélection manuelle des ondes de surface afin de choisir lesquelles garder. Il s’agit là d’une tâche complexe, coûteuse et sujette à interprétation. Cependant, cette tâche est nécessaire pour l’imagerie de proche-surface et de sous-surface. Les ondes de surface peuvent être particulièrement difficiles à récupérer dans des acquisitions clairsemées.Nous proposons d’appliquer les techniques d’interférométrie et de formation de voies (telles que le Matched Field Processing) dans le contexte des réseaux denses. Une densité de traces importante ouvre de nouvelles possibilités dans les traitements géophysiques, qu’ils soient actifs ou passifs. Nous montrons que le bruit ambiant peut être utilisé dans le traitement microsismique pour extraire des informations importantes sur les propriétés du milieu. De plus, nous développons une approche de débruitage qui permet de supprimer les sources de bruit à la surface et détecter les événements microsismiques. Nous proposons également une méthode automatique de détection et de localisation qui se base sur une quantité minimale d’information préalable qui permet de récupérer la distribution des hétérogénéités du réservoir, dans le voisinage du puits. En ce qui concerne la sismique active, nous proposons une approche interférométrique et automatique de caractérisation des ondes de surface. Nous récupérons les noyaux de sensibilité de phase des ondes de surface entre deux points quelconques de l’acquisition. Ces noyaux de sensibilité sont par conséquent utilisés pour obtenir les courbes de dispersion multimodales. Ces courbes de dispersion permettent la séparation des différents modes des ondes de surface, et fournissent l’information de proche surface suite à une simple inversion.Le réseau dense permet l’amélioration des méthodes présentées ci-dessus: elle permet des applications alternatives et innovantes dans le traitement du signal géophysique. / In geophysics, spatially dense arrays enhance the spatial and frequential characterization of the various waves propagating in the medium. Of course, surface array is subject to strong surface waves. Surface waves highly impact the processing of geophysical data acquired at ground level. They can be considered as noise and subject to suppression as they mask sub-surface information.However, they can be useful for near-surface imaging if they are well retrieved. In any case, their characterization is crucial in active and passive exploration geophysics. In passive microseismic monitoring, ambient surface noise consists of surface waves. The main goal of passive monitoring is to minimize the impact of surface waves on the actual microseismic data. The strong ambient surface noise lowers the sensitivity and the efficiency ofdetection and location methods. Moreover, current location and detection methods usually require strong a priori information (e.g., a velocity model or a template).Active sources generate strong surface waves. In active seismic, current processing strategies often consist in manually picking surface wave arrivals in order to use or remove them. This is often a complex, time consuming, and an ambiguous task. However, it is needed for near- and sub-surface imaging. Surface waves can be particularly difficult to retrieve in sparse arrays. We propose to apply the techniques of interferometry and beamforming (Matched Field Processing in particular) in the context of dense arrays. High trace density opens new possibilities in geophysical processing in both passive and active surveys. We show that the ambient noise can be explored in the case of microseismic monitoring to extract important information about the medium properties. Moreover, we develop a denoising approach to remove the noise sources at the surface and detect the microseismic event. Furthermore, we propose an automatic detection and location method with a minimum a priori information to retrieve the distribution of heterogeneities in the reservoir, in the well vicinity.In active survey, we propose an interferometric, automatic approach to characterize the surface waves. We retrieve phase-sensitivity kernels of surface waves between any two points of the acquisition. These kernels are consequently used to obtain multi-mode dispersion curves. These dispersion curves make it possible to separate different modes of surface waves and provide near-surface information if inverted.The above presented methodologies benefit from spatially dense arrays.Dense arrays of sources or receivers enable alternative, innovative applications in geophysical processing.

Identiferoai:union.ndltd.org:theses.fr/2017GREAU009
Date02 March 2017
CreatorsChmiel, Malgorzata
ContributorsGrenoble Alpes, Roux, Philippe
Source SetsDépôt national des thèses électroniques françaises
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0025 seconds