Inversão de velocidades por otimização global usando a aproximação superfície de reflexão comum com afastamento finito

A literatura geofísica recente tem mostrado que a construção de um modelo inicial mais realístico possível é a forma mais apropriada de se reduzir complicações do problema mal posto da inversão da forma da onda completa, e de fornecer as condições necessárias de convergência da função objetivo em direção ao mínimo global. Modelos otimizados são úteis como estimativas iniciais para métodos mais sofisticados de inversão e migração. Desenvolvo um método de inversão de velocidade da onda P usando dados sísmicos pré-empilhados para grandes afastamentos e baseado em medidas de coerência. A estratégia de inversão proposta é totalmente automática, baseada no cálculo do semblance e regida pela aproximação de tempo de trânsito paraxial, o chamado método da Superfície de Reflexão Comum com Afastamento Finito. Ela é realizada em dois passos, a princípio, usando raios imagens e o conhecimento de um modelo de velocidades conhecido a priori, determino as interfaces refletoras em profundidade a partir de seção migrada em tempo. A seguir, o modelo em profundidade gerado é usado como entrada na parametrização do modelo de velocidades, o qual é feito camada por camada. A estratégia de inversão é baseada na análise dos semblances calculados em cada ponto médio comum pelo método da Superfície de Reflexão Comum com Afastamento Finito. Para iniciar a inversão no segundo passo, a aproximação paraxial é feita pelo traçamento de raios no modelo de velocidades em profundidade obtido no primeiro passo. Usando a média aritmética dos semblances calculados em todos os pontos médios comuns como função objetivo, camada após camada, o algoritmo de otimização global Very Fast Simulated Annealing é aplicado para obter a convergência da função objetivo em direção ao máximo global. Ao aplicar a estratégia de inversão em dados sintéticos e reais, mostro a robustez do algoritmo de inversão proposto, produzindo modelos de velocidades da onda P otimizados a partir de dados pré-empilhados.