PRINCIPIOS DE

INVERSIÓN
Octubre - 2016
Luis Sánchez, EMGS
Agenda

• Principios de inversión
• Principio de inversión
• Problema de no unicidad
• Construcción del modelo inicial para
inversión
• Inversión 2.5 y 3D
• Inversión guiada & Inversión libre
Modelado
Modelo geológico Modelado directo:
Conocer la respuesta de un modelo conocido Datos
(propiedades físicas)
Fwd 0.2 Hz
ρ1 0.4 Hz
ρ2
Ec. de
Maxwell 𝐺 𝑚 =𝑑 0.8 Hz

modelo
ρ3 ρ7
ρ4 ρ6

ρ5
Inversión
𝐺 −1 𝑑 = 𝑚

Modelado inverso:
Conocer el modelo a partir de datos conocidos

𝐺 −1 : función inversa que lleva al problema de no unicidad. El proceso de optimización ayuda a resolver el problema.
No-unicidad
0.2 Hz
0.4 Hz
0.8 Hz

𝐺 𝑚 =𝑑
Modelado directo

∗
𝑑 𝑜𝑏𝑠 + 𝑒𝑟𝑟𝑜𝑟
𝑚 Inversión

𝑚0 𝐺 −1 𝑑 = 𝑚
𝑚2 𝑚1 Espacio
de datos 𝑑0

Espacio del modelo

Modelado directo

𝐺 −1 : función inversa que lleva al problema de no unicidad. El proceso de optimización ayuda a resolver el problema.
Infiriendo 3D desde 2D
Comúnmente las mediciones geofísicas se hacen
desde la superficie 2D (X,Y), la tercera (Z)
X Y
dimensión se infiere a partir de estos daos.

Z
Ajuste de datos
Ajuste de datos
Dato medido Incertidumbre

Dato medido
Dato calculado

observado − calculado
Misfit =
incertidumbre

• Incertidumbre escalado a la magnitud del dato (ruido ambiental e instrumental)

Ajuste de datos
Dato medido Incertidumbre

Dato medido
Dato calculado

observado − calculado
Misfit =
incertidumbre

Ejemplo: 1
Incertidumbre 10 %
Dato medido 85 Unidades
Barra de error ± 8.5 U (10% de 85 U)
Dato calculado 100
Misfit 1.7
Error relativo 17 %

85 − 100
incertidumbre ≤ observado − calculado ; Misfit > 1 Misfit = = 1.7
8.5
• Incertidumbre escalado a la magnitud del dato (ruido ambiental e instrumental) Error relativo= 17% (1.7U x 10%)
Ajuste de datos
Dato medido Incertidumbre

Dato medido
Dato calculado

observado − calculado
Misfit =
incertidumbre

Ejemplo: 2
Incertidumbre 10 %
Dato medido 87 Unidades
Barra de error ± 8.7 U (10% de 85 U)
Dato calculado 93
Misfit 0.7
Error relativo 7%

87 − 93
incertidumbre ≤ observado − calculado ; Misfit ≤ 1 Misfit = = 0.7
8.7
• Incertidumbre escalado a la magnitud del dato (ruido ambiental e instrumental) Error relativo= 7% (0.7U x 10%)
 Ajuste de datos
Adquisición de datos
Datos adquiridos
Datos calculados

Modelo inicial Resistividad [Ωm]

Ruido
Profundidad [km]

Modelado
directo

Posición [km]
Ajuste de datos
Modelo A (M. inicial) Resistividad [Ωm] Modelo B (inversión) Resistividad [Ωm]
Profundidad [km]

Profundidad [km]
Posición [km] Posición [km]

Datos observados Datos observados

Datos modelo A Datos modelo B

observado − calculado
Misfit =
incertidumbre

Misfit > 1 Misfit ~ 1

Principio de inversión
Función objetivo
Dato observado 𝐺 𝑚 = 𝑑𝑜𝑏𝑠 + e
𝑶𝒃𝒋𝒆𝒕𝒊𝒗𝒐: 𝒎𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓
𝑒1 Dato calculado
u = 𝑒12 + 𝑒22 + 𝑒32 + 𝑒42 + 𝑒52 + …
error
𝑒3 e=𝑑𝑜𝑏𝑠 -𝐺 𝑚
𝑒2
𝑒4 u= 𝑑𝑜𝑏𝑠 −𝐺 𝑚 𝑡 𝑑𝑜𝑏𝑠 −𝐺 𝑚 = 𝑒12 + 𝑒22 + 𝑒32 + 𝑒42 + 𝑒52 + …

Solución para problemas sub-determinados (más incógnitas que ecuaciones = pocos datos y muchas incógnitas)

u= 𝑑𝑜𝑏𝑠 −𝐺 𝑚 𝑡 𝑑𝑜𝑏𝑠 −𝐺 𝑚 + α 𝐵 𝑚 𝑡𝐵 𝑚

u∗ = 𝑑𝑜𝑏𝑠 −𝑑𝑐𝑎𝑙𝑐 2
+ α 𝐵𝑚 2

Función objetivo (minimizar): φ 𝑇 = φ𝐷 + αφ𝑀 Regularización

Si α es muy grande, le da mayor peso a la regularización

Si α tiende a cero, la da mayor peso al dato (ajuste numérico con poco sentido geológico)
Regularización
 Sin regularización, α=0
Función objetivo (minimizar):
φ 𝑇 = φ𝐷 + αφ𝑀

• Buen ajuste de datos.

• Imposible de interpretar
 Con regularización,α>0
Función objetivo (minimizar):
φ 𝑇 = φ𝐷 + αφ𝑀

• Buen ajuste de datos.

• Interpretable
Efecto de la regularización en la inversión
Modelo a investigar
Modelo de tierra Modelo inical

Ωm Ωm

Agua Agua
1500 m
1500 m

3000 m
3000 m

4000 m
4000 m
Modelo sin regularización
Modelo de tierra Inversión sin regularización

Ωm Ωm
Función objetivo (minimizar):
Agua φ 𝑇 = φ𝐷 + αφ𝑀 Agua

1500 m
α=0 1500 m

φ 𝑇 = φ𝐷 + αφ𝑀 3000 m
3000 m

4000 m
4000 m Ajuste de dato (numérico)

• Buen ajuste de datos.

• Difícil de interpretar
Modelo regularización por suavizado
Modelo de tierra Inversión con regularización

Ωm Ωm
Función objetivo (minimizar):
Agua φ 𝑇 = φ𝐷 + αφ𝑀 Agua

1500 m
α≈1 1500 m 𝑚0
𝑚1

𝑶𝒃𝒋𝒆𝒕𝒊𝒗𝒐: 𝒎𝒊𝒏𝒊𝒎𝒊𝒛𝒂𝒓 𝒆𝒍 𝒆𝒓𝒓𝒐𝒓 𝑚2

𝑚3

u = 𝑒12 + 𝑒22 + 𝑒32 + 𝑒42 + 𝑒52 + …

𝑚4

𝑀𝑜𝑑𝑒𝑙𝑜 𝑠𝑢𝑎𝑣𝑒 1 (1𝑟𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎): 3000 m

3000 m Minimizar: 𝑚2 − 𝑚1 2 + 𝑚3 − 𝑚2 2 +…

𝑀𝑜𝑑𝑒𝑙𝑜 𝑠𝑢𝑎𝑣𝑒 2 (𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎):

𝑀𝑖𝑛𝑖𝑚𝑖𝑧𝑎𝑟: 𝑚3 − 𝑚2 − 𝑚2 − 𝑚1 2 + 𝑚4 − 𝑚3 − 𝑚3 − 𝑚2 2
+⋯
𝑚𝑛−1
4000 m 𝑚𝑛
4000 m 𝑚𝑛+1

• Buen ajuste de datos.

• Interpretable
Modelo regularización por suavizado
Modelo de tierra Inversión con regularización

Ωm Ωm
Función objetivo (minimizar):
Agua φ 𝑇 = φ𝐷 + αφ𝑀 Agua

1500 m
α≈1 1500 m

φ 𝑇 = φ𝐷 + αφ𝑀 3000 m
3000 m

“Geología”
4000 m
4000 m Ajuste de dato (numérico)

• Buen ajuste de datos.

• Interpretable
Principio de inversión de datos CSEM
Datos adquiridos

Datos adquiridos Modelo inicial

Magnitud eléctrica [V/(Аm2)] Fase [grados]

Modelado directo

Cálculo de ajuste de datos: Actualización del modelo

Sintético − Real
incertidumbre
Modelo inicial Resistividad [Ωm]

No
El ajuste es bueno?
Profundidad [km]

OK

Si

Fin de la inversión

Posición [km]
Principio de inversión de datos CSEM
Datos adquiridos
Datos calculados
Datos adquiridos Modelo inicial
Magnitud eléctrica [V/(Аm2)] Fase [grados]

Misfit > 1

Modelado directo

Cálculo de ajuste de datos: Actualización del modelo

Sintético − Real
incertidumbre
Modelo inicial Resistividad [Ωm]

No
El ajuste es bueno?
Profundidad [km]

OK

Si

Fin de la inversión

Posición [km]
Principio de inversión de datos CSEM
Datos adquiridos

Datos adquiridos Modelo inicial

Magnitud eléctrica [V/(Аm2)] Fase [grados]

Modelado directo

Cálculo de ajuste de datos: Actualización del modelo

Sintético − Real
incertidumbre
Modelo de inversión: iteración 1 Resistividad [Ωm]

No
El ajuste es bueno?
Profundidad [km]

OK

Si

Fin de la inversión

Posición [km]
Principio de inversión de datos CSEM
Datos adquiridos
Datos calculados
Datos adquiridos Modelo inicial
Magnitud eléctrica [V/(Аm2)] Fase [grados]

Misfit > 1

Modelado directo

Cálculo de ajuste de datos: Actualización del modelo

Sintético − Real
incertidumbre
Modelo de inversión: iteración 1 Resistividad [Ωm]

No
El ajuste es bueno?
Profundidad [km]

OK

Si

Fin de la inversión

Posición [km]
Principio de inversión de datos CSEM
Datos adquiridos

Datos adquiridos Modelo inicial

Magnitud eléctrica [V/(Аm2)] Fase [grados]

Modelado directo

Cálculo de ajuste de datos: Actualización del modelo

Sintético − Real
incertidumbre
Modelo de inversión: iteración n Resistividad [Ωm]

No
El ajuste es bueno?
Profundidad [km]

OK

Si

Fin de la inversión

Posición [km]
Principio de inversión de datos CSEM
Datos adquiridos
Datos calculados
Datos adquiridos Modelo inicial
Magnitud eléctrica [V/(Аm2)] Fase [grados]

Misfit ≈ 1

Modelado directo

Cálculo de ajuste de datos: Actualización del modelo

Sintético − Real
incertidumbre
Modelo de inversión: iteración n Resistividad [Ωm]

No
El ajuste es bueno?
Profundidad [km]

OK

Si

Fin de la inversión

Posición [km]
Principio de inversión de datos CSEM
Datos adquiridos
Datos calculados
Datos adquiridos Modelo inicial
Magnitud eléctrica [V/(Аm2)] Fase [grados]

Modelado directo

Cálculo de ajuste de datos: Actualización del modelo

Sintético − Real
incertidumbre
Modelo de inversión: iteración n Resistividad [Ωm]

No
El ajuste es bueno?
Profundidad [km]

OK

Si

Fin de la inversión

Posición [km]
Efecto del suavizado en la inversión
Modelo suavizado
The start model needs to be smooth since sharp boundaries bias the inversion result.

Start model Start model

Inversion result Inversion result

Información a priori en modelo inicial
use of seismic horizons: second approach
• Step 1: Unconstrained inversion
• Start model with homogeneous formation
• Seabed topography along line included
~3.2 Ωm
~1.5 Ωm

• Result
• Formation divided in upper and lower resistive
background regions
• Rectangular target at 2000 m depth
• Resistive shallow features
• Boundaries between different resistivity regions not
well resolved
• Average data misfit 10%

32
use of seismic horizons: second approach
• Step 2: Constrained inversion
• A seismic horizon is integrated with the result to create 3.2 Ωm
a new start model
• A constraint is made by adding the same model as an
1.5 Ωm
“a-priori model”

• Result
• More realistic boundaries
• Average 10% data misfit

33
Frecuencias
Choice of frequencies
• The results obtained after running three different single frequency inversions on data
corresponding to the synthetic model of the previous slide can be seen below

Resistivity [Ωm]

35
Construcción de modelo inicial para inversión
Flujo de trabajo para la construcción de modelos
Pre-procesado de registros Interpretación de horizontes
geofísicos geológicos en profundidad

Suavizado/escalado de Construcción de malla

registros geofísicos estratigráfica

Interpolación de registros geofísicos

Suavizado del modelo

Incluir geo cuerpos (sal, intrusivos, etc)

Conductivity [S/m]
Incluir resistividad de la columna de
agua

Modelo de resistividad Rh y Rv con Sw=1

Water depth [m]
Interpolación de registros geofísicos

Pruebas de interpolación de registros

Suavizado del modelo
Conductividad del
Modelo de resistividad a detalle Modelo de resistividad suavizado
tirante de agua [S/m]
tirante de agua [m]
Profundidad del
Inversión 2.5 y 3D
Inversión 2.5D VS 3D

3D

2.5D

Campo Troll, Noruega

41
Resultados de inversión 3D

Depth slice through oil field

Depth [km]
well log

seismic top
reservoir horizon

Resistivity [Ωm]

Campo Troll, Noruega

Resultados de inversión 3D

Campo Troll, Noruega

Resultados de inversión 3D

Campo Troll, Noruega

Inversión libre e Inversión guiada
Inversión libre vs Inversión guiada
Inversión libre Inversión guiada

Anomalía de resistividad de gran espesor, lo cual Anomalía de resistividad con mayor certidumbre y
podría sugerir acumulación de hidrocarburos. coincidiendo de profundidad con los datos de registros
geofísicos de pozos.

Tomada de F. Roth, et. al, 2014, Field appraisal & development driven by Quantitative Interpretation
Updating
Resistivity Model for 2.5D inversion
Water depth: 700 m

1 Wm

Resistivity [Ωm]
25 Wm, 50m
20 Wm
Depth [km]

2 Wm
40 Wm, 100m 1.5 Wm
50 Wm, 100m

10 Wm 3 Wm

Position [m]

48
parameters

Resistivity [Ωm]
Depth [km]

Position [m]

Survey parameters 2.5D inversion parameters

• 22 receivers with 1 km spacing • 1 Wm half space initial model

• Max offset: 10 km • 100 m x 50 m cell size
• Frequencies: 0.1, 0.3, 0.5, 1.0, 1.5 Hz • Unconstrained
• Isotropic
• Minimum gradient regularization

49
50
Depth [km]
iteration 0

Position [m]

Resistivity [Ωm]
51
Depth [km]
iteration 2

Position [m]

Resistivity [Ωm]
 Depth [km]
iteration 5

52
Position [m]

Resistivity [Ωm]
 Depth [km]
iteration 8

53
Position [m]

Resistivity [Ωm]
iteration 11

Resistivity [Ωm]
Depth [km]

Position [m]

54
iteration 14

Resistivity [Ωm]
Depth [km]

Position [m]

55
iteration 16

Resistivity [Ωm]
Depth [km]

Position [m]

56
iteration 20

Resistivity [Ωm]
Depth [km]

Position [m]

57
iteration 30

Resistivity [Ωm]
Depth [km]

Position [m]

58
iteration 40

Resistivity [Ωm]
Depth [km]

Position [m]

59
iteration 50

Resistivity [Ωm]
Depth [km]

Position [m]

60
iteration 60

Resistivity [Ωm]
Depth [km]

Position [m]

61
iteration 70

Resistivity [Ωm]
Depth [km]

Position [m]

62
iteration 72

Resistivity [Ωm]
Depth [km]

Position [m]

63
inversion result and true model
Inversion result

Resistivity [Ωm]
Depth [km]
True model

Resistivity [Ωm]
Depth [km]

25 Wm, 50m
20 Wm
40 Wm, 100m
50 Wm, 100m

Position [km]
64
Apéndice
Apéndice A: Términos comunes
Modelo:
Modelo de propiedades físicas representativos del medio geológico.
Modelo inicial: modelo de propiedades físicas inferido a partir del conocimiento previo del área.
Modelo final: Modelo de inversión que ajusta a los datos.

Modelado directo.
Objetivo: conocer la respuesta de modelo (generar datos sintéticos) para compararlos con datos reales.
• Se conoce el modelo.
• Se generan datos.

Modelado inverso o inversión de datos.

Objetivo: conocer el modelo que me generó mi datos.
• Se tienen datos.
• Se desconoce el modelo.

Ajuste de datos:
Diferencia entre el dato generado por un modelo (modelado directo) y el dato real.