Deconvolución mediante filtro extendido de Kalman para la rigurosa extracción de la reflectividad sísmica
Publicado 2022-01-25
Palabras clave
- Deconvolución,
- Homomórfico,
- Estocástico,
- Kalman,
- Inversión de fase
Cómo citar
Derechos de autor 2022 Boletín de Geología
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Altmetrics
Resumen
La deconvolución intenta compensar las distorsiones que afectan los sismogramas, aumentando el ancho de banda y extrayendo de dicha traza la reflectividad del subsuelo. La reflectividad estimada requiere de confiabilidad y mejor resolución, debido a su posterior uso en la secuencia de procesamiento sísmico preapilada y en la inversión sísmica. Aquí, se implementan los algoritmos de deconvolución predictiva, de inversión de fase homomórfica y de filtro extendido de Kalman. Al aplicarse a trazas sintéticas, los algoritmos extraen perfiles de reflectividad que, contrastados con información de pozo, permiten comparar la confiabilidad de los métodos. Estos algoritmos también se aplican a un registro marino. La comparación de los resultados de los algoritmos permite analizar cómo cada supuesto de la deconvolución afecta el rendimiento de cada método.
Descargas
Referencias
- Arya, V.; Holden, H. (1978). Deconvolution of seismic data - an overview. IEEE Transactions on Geoscience Electronics, 16(2), 95-98. https://doi.org/10.1109/TGE.1978.294570
- Claerbout, J. (1985). Fundamentals of seismic data processing: with applications to petroleum prospecting. Blackwell Scientific Publications.
- Crump, N. (1974). A Kalman Filter approach to the deconvolution of seismic signals. Geophysics, 39(1), 1-13. https://doi.org/10.1190/1.1440408
- Deng, X.; Zhang, Z.; Yang, D. (2016). Seismic data deconvolution using Kalman Filter based on a new system model. Geophysics, 81(1), V31-V42. https://doi.org/10.1190/geo2014-0611.1
- Julier, S.; Uhlmann, J. (1997). A new extension of the Kalman Filter to nonlinear systems. SPIE 3068, Signal Processing, Sensor Fusion, and, Target Recognition VI. https://doi.org/10.1117/12.280797
- Jurkevics, A.; Wiggins, R. (1984). A critique of seismic deconvolution methods. Geophysics, 49(12), 2109-2116. https://doi.org/10.1190/1.1441627
- Kalman, R. (1960). A new approach to linear filtering and prediction problems. Journal of Basic Engineering, 82, 35-45. https://doi.org/10.1115/1.3662552
- Lichman, E. (1999). Phase inversion deconvolution for surface consistent processing and multiple attenuation. SEG 69th Annual Meeting Expanded Abstracts. Houston, USA.
- Lichman, E.; Northwood, J. (1995). Phase inversion deconvolution for long and short period multiples attenuation. Geophysical Prospecting, 43(4), 469-486. https://doi.org/10.1111/j.1365-2478.1995.tb00262.x
- Mahalanabis, A.; Prasad, S.; Mohandas, K. (1983). On the application of the fast Kalman algorithm to adaptive deconvolution of seismic data. IEEE Transactions on Geoscience and Remote Sensing, 21(4), 426-433. https://doi.org/10.1109/TGRS.1983.350503
- Robinson, E.A.; Treitel, S. (2000). Geophysical signal analysis. SEG Library. https://doi.org/10.1190/1.9781560802327
- Ulrych, T. (1971). Application of homomorphic deconvolution to seismology. Geophysics, 36(4), 650-660. https://doi.org/10.1190/1.1440202
- Yilmaz, O. (2008). Seismic data processing. Investigations in Geophysics, SEG.
- Ziolkowski, A. (1991). Why don’t we measure seismic signatures? Geophysics, 56(2), 190-201. https://doi.org/10.1190/1.1443031