Inversion bayésienne d'images tomographiques pour réduire l'incertitude structurale

Stochastic inversion of FWI images for reducing structural uncertainty

• Auteur / Autrice : Giusi Ruggiero
• Direction : Paul Cupillard, Guillaume Caumon
• Type : Thèse de doctorat
• Discipline(s) : Géosciences
• Date : Soutenance le 30/01/2026
• Etablissement(s) : Université de Lorraine
• Ecole(s) doctorale(s) : École doctorale SIReNa - Science et ingénierie des ressources naturelles (Lorraine ; 2018-....)
• Partenaire(s) de recherche : Laboratoire : GeoRessources (2013-....)
• Jury : Président / Présidente : Alessandra Ribodetti
• Jury : Examinateurs / Examinatrices : Paul Cupillard, Guillaume Caumon, Andreas Fichtner, Florian Wellmann, Alexandrine Gesret, Thomas Bodin
• Jury : Rapporteurs / Rapporteuses : Andreas Fichtner, Florian Wellmann
• DOI : 10.70675/b3e6b5b0z23a3z4c21z8d05zb718b2bf7ad4

Mots clés

Mots clés contrôlés

Tomographie sismique

Inversion (géophysique)

Perception des structures

Méthodes d'homogénéisation numérique

Statistique bayésienne

Modèles en géologie

Mots clés libres

Inversion stochastique

FWI

Incertitudes structurales

Homogénéisation

Stochastic inversion

FWI images

Structural uncertainties

Homogenization

Résumé

Malgré les améliorations concernant la précision et l'efficacité de l'interprétation sismique, il est difficile de cartographier les structures géologiques à petite échelle. Les techniques d'imagerie sismique sont en effet basées sur des données à bande de fréquences limitée, ce qui fournit des représentations lissées de la géologie complexe réelle. Il existe donc plusieurs interprétations valables à petite échelle, dans les limites de résolution des données sismiques. Afin de garantir que ces objets géologiques à petite échelle sont correctement pris en compte dans les évaluations d'incertitude souterraine, cette thèse propose d'utiliser une stratégie de réduction d'échelle (downscaling). À partir d'une représentation lisse de la géologie réelle du sous-sol obtenue grâce à la technique bien connue d'inversion de forme d'onde complète (FWI), l'inversion par réduction d'échelle vise à récupérer tous les modèles à échelle plus fine compatibles avec la solution FWI. Le downscaling est formulé comme un problème d'homogénéisation inverse, dans lequel l'homogénéisation non périodique sert d'opérateur direct pour obtenir des modèles équivalents lisses à longue longueur d'onde du sous-sol. Cette thèse présente des applications sur des modèles synthétiques, où la réduction d'échelle est appliquée au cas bidimensionnel d'un problème de caractérisation de faille dans un milieu finement stratifié afin de détecter correctement les caractéristiques géométriques de la faille (position, forme et rejet) et d'estimer les variations des propriétés élastiques à petite échelle. À cette fin, le problème inverse est intégré dans un cadre probabiliste bayésien qui intègre une modélisation stochastique des paramètres de faille. Le déplacement de la faille est produit à l'aide d'une approche de modélisation cinématique directe et la stratigraphie à petite échelle est modélisée à l'aide d'une approche géostatistique inspirée des points pilotes. Les résultats montrent que l'inversion avec le downscaling fournit une estimation fiable des structures stratigraphiques et faillées à petite échelle tout en quantifiant efficacement les incertitudes. Ce travail met également en évidence les défis supplémentaires à prendre en compte pour les études de cas réels et l'importance du choix de la paramétrisation pour représenter des scénarios géologiques complexes. Malgré ces nouveaux défis, la méthodologie proposée semble prometteuse en tant que stratégie ciblée et abordable pour quantifier et réduire l'incertitude liée à l'interprétation géologique de la FWI.

Despite ongoing improvements in the accuracy and efficiency of seismic interpretation, resolving small-scale geological structures remains challenging due to inherent limitations. Indeed, seismic imaging techniques are based on frequency band-limited data, and therefore they provide smooth representations of the real complex geology. This means that, within the resolution limit of seismic data, there is room for alternative valid interpretations at the small-scale. To make sure that such small-scale geological features are appropriately considered in subsurface uncertainty studies, this thesis proposes the use of a downscaling strategy. In particular, from a smooth representation of the real subsurface geology, obtained through the well-known Full Waveform Inversion (FWI) technique, the downscaling inversion aims to recover all the finer scale models compatible with the FWI solution. Downscaling is formulated here as an inverse homogenization problem, where the non-periodic homogenization serves as forward operator to construct smooth long-wavelength equivalent models of the subsurface. This thesis presents applications on synthetic models, where downscaling is applied to the two-dimensional case of a fault characterization problem in a finely stratified medium in order to properly detect fault geometric features and estimate small-scale elastic property variations. For this purpose, the inverse problem is cast into a bayesian probabilistic framework that incorporates stochastic structural modeling, wherein fault displacement is produced by using a direct kinematic modeling approach and fine-scale stratigraphy is modeled with a geostatistical approach. The results show that downscaling inversion provides a reliable estimate of both small-scale stratigraphic and fault structures while effectively quantifying uncertainties. This work also highlights the additional challenges to be considered for real-case studies and the importance of the chosen parametrization to represent complex geological scenarios. In spite of these extra challenges, the proposed methodology appears promising as a target-oriented and cost-effective strategy to reduce FWI interpretation uncertainty.