Separation of signals originating from simultaneous seismic sources by greedy signal decomposition methods

par Ekaterina Shipilova

Thèse de doctorat en Traitement du Signal (STIC)

Sous la direction de Michel Barret et de Matthieu Bloch.

Le président du jury était David Brie.

Le jury était composé de Gilles Lambaré, Fei Hong.

Les rapporteurs étaient Gilles Lambaré, Jérôme Mars.

  • Titre traduit

    Séparation de signaux des sources sismiques simultanées avec les méthodes gloutonnes de décomposition de signal


  • Résumé

    L’acquisition de données sismiques avec des sources simultanées a récemment attiré beaucoup d’attention, tant dans l’industrie pétrolière et gazière que dans le monde académique, grâce à sa capacité à réduire le temps passé sur le terrain. Malgré le gain de temps évident, la méthode des sources simultanées a un inconvénient considérable: les sources interfèrent les unes avec les autres, créant des diaphonies dans les données, ce qui entraîne une augmentation significative de la complexité du traitement et des pertes potentielles de qualité. Un grand nombre des méthodes de séparation actuellement proposées nécessitent un prétraitement des données, par exemple, une suppression des ondes de surface. Dans cette thèse, nous proposons d'utiliser un modèle d'événement sismique piloté par les données dans une décomposition gloutonne pour obtenir une séparation adaptée aux données brutes sans aucun prétraitement. La méthode proposée consiste à identifier des caractéristiques cohérentes dans les données et à les classer en fonction de leur source d’origine. Nous utilisons deux applications imbriquées de Matching Pursuit Orthogonal, dont les dictionnaires sont constitués de modèles d'événements sismiques et d'ondelettes basés sur les données. Grâce à plusieurs étapes d'optimisation et en partant des conditions initiales appropriées, nous sommes en mesure de maximiser efficacement une fonction objectif non concave et d'obtenir une qualité de séparation satisfaisante, que nous démontrons sur des signaux des sources simultanées synthétiques et réels.


  • Résumé

    Simultaneous-source seismic data acquisition has recently attracted great attention both in the oil and gas industry and in academia, thanks to its capacity to save data acquisition time. Despite the evident time-saving advantage, the simultaneous-source method has a considerable draw-back: the sources interfere with each other creating cross-talk in the data, which leads to significant increase of the processing complexity and potential loss in the subsurface image quality. Recent advances in processing and imaging allow acceptable handling of the cross-talk, however, specific processing methods adapted for blended data still need to be improved. Many of the currently proposed separation methods need some preprocessing of the data, e.g., surface waves suppression. In this thesis, we propose to use a data-driven seismic event model in a greedy decomposition to obtain a separation suitable for raw data without any preprocessing. The proposed method is based on identifying coherent features in the data and classifying them according to their source of origin. We use two nested applications of Orthogonal Matching Pursuit, whose dictionaries are constituted of data-driven models of seismic events and wavelets. Thanks to several optimization steps and starting with appropriate initial conditions, we are able to effectively maximize a non-concave objective function and achieve a satisfactory separation quality, which we demonstrate on synthetic and real simultaneous-source signals.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : CentraleSupélec. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.