Soutenance de thèse d'Amin Khalaf

Développement d'une nouvelle technique de pointé automatique pour les données de sismique réfraction

Le jury sera composé de :

Frédérique MOREAU, Maître de conférences,   Université de Rennes 1, rapporteur
Ginette SARACCO, Directrice de recherche,  CEREGE,  Aix Marseille Université, rapporteur
Maksim BANO, Maître de conférences, Institut de physique du globe de Strasbourg  (IPGS), examinateur
Denis JONGMANS, Professeur,  ISTerre, Université Joseph Fourier, Grenoble, président
Loïc LABROUSSE, Professeur,  UPMC,  examinateur
Dominique ROUSSET, Maître de conférences, Université de Pau et des Pays de l'Adour, examinateur
Nicolas FLORSCH, Professeur, UPMC, directeur de thèse
Christian CAMERLYNCK, Maître de conférences, UPMC, co-directeur de thèse
Christian HERISSON, chercheur, Cathie Associates, invité
Pierre-Yves GALIBERT, enseignant-chercheur, UPMC, invité

Résumé :  Un pointé précis des temps de première arrivée sismique joue un rôle important dans de nombreuses études d’imagerie de vitesse sismique, ou d’évolution du milieu avec notamment la surveillance en écoute passive de réservoirs ou d’aquifères. En général, les premières arrivées se manifestent par une variation notable de l’amplitude, du contenu fréquentiel, ainsi que des propriétés statistiques de la trace sismique dans les domaines temporel ou fréquentiel. Depuis ces dernières décennies, de nombreuses techniques de pointé automatique ou semi-automatique ont été développées. Cependant, la plupart d’entre elles ont été adaptées pour des objectifs sismologiques, telles celles basées sur des rapports LTA/STA. En outre, elles ne sont pas suffisamment performantes sur des données issues de la prospection de proche surface en raison de la complexité des structures du sous-sol, des variations rapides du champ de vitesse et d’un rapport signal/bruit parfois insuffisant.

Une nouvelle stratégie a été développée à partir d’un algorithme adaptif combinant plusieurs approches associant l’utilisation de fenêtres multiples imbriquées, l’estimation des propriétés statistiques d’ordre supérieur et le critère d’information d’Akaike. L’algorithme développé exploite les avantages d’intégrer plusieurs propriétés (l’énergie, la "gaussianité ", et la stationnarité) dévoilant la présence des premières arrivées. Cette stratégie mime le pointé manuel, lorsque une tendance globale de la localisation des premières arrivées est définie, pour qu’ensuite les instants précis des premières arrivées soient localisés au voisinage de cette tendance. Tandis que les incertitudes estimées sont, dans certains cas, du même ordre que pour le pointé automatique (notamment en tomographie sismique, ou même pour certains traitements a posteriori), l’algorithme fournit aussi automatiquement une estimation sur l’incertitude des pointés. La précision et la fiabilité de cet algorithme ont été évaluées par la comparaison des résultats avec ceux issus d’un pointé manuel ainsi qu’avec d’autres pointeurs automatiques, dans certaines conditions de bruit. Tous les paramètres nécessaires à cet algorithme sont auto-adaptatifs grâce à l’intégration, en série, des résultats de chaque sous-algorithme. Il est simple à mettre en oeuvre et ne nécessite pas de grandes performances informatiques.
La présence du bruit sismique dans l’enregistrement peut détériorer la performance d’algorithmes de pointé automatique, particulièrement dans le cas de petits événements.
Le signal et le bruit sismique partagent souvent les mêmes bandes de fréquences, ce qui rend le filtrage dans le domaine fréquentiel peu efficace. La sommation peut être une alternative exploitant la redondance des données sismiques de proche surface. Nous proposons une nouvelle procédure fondée sur la double sommation dans le domaine temporel, ce afin d’améliorer la détectabilité des premières arrivées. Cette procédure est fondée sur le principe clé de la ressemblance locale entre les traces "stackées" . Un dé-bruitage par transformée en ondelettes peut être effectué, comme processus supplémentaire, avant la deuxième somation, pour les données très bruitées. Une étude comparative de la performance du pointé automatique avec d’autres méthodes a été réalisée sur des jeux de données réelles bruitées. Les résultats ont montré l’intérêt qu’il y a à appliquer la double sommation avant le pointé automatique.

Mots-clés : pointé automatique, algorithme adaptatif, Kurtosis, Akaike information criterion, tomographie des premières arrivées sismiques, double sommation.
 
Abstract: Accurate picking of first arrival times plays an important role in many seismic studies, particularly in seismic tomography and reservoirs or aquifers monitoring. The first arrivals do manifest themselves as a noticeable variation in amplitude, frequency content,statistical properties, and/or polarization properties in time and/or frequency domain. Many techniques have been developed for picking first arrivals automatically or semi-automatically, but most of them were developed for seismological purposes which does not reach the accuracy objectives required in the applied seismic applications due to the complexity of near surface structures, and to usual low signal-to-noise ratio.
A new adaptive algorithm has been developed based on combining three picking methods (Multi-Nested Windows, Higher Order Statistics and Akaike Information Criterion). It
exploits the benefits of integrating three properties (energy, gaussianity, and stationarity), which reveal the presence of first arrivals. This strategy mimics the human first-break picking, where at the beginning the global trend is defined. Then the exact first-breaks are searched in the vicinity of the now defined trend. Since time uncertainties estimating is of crucial importance for seismic tomography, the developed algorithm provides automatically also the associated errors of picked arrival times. The comparison of resulting P-wave arrival times with those picked manually, and other algorithms of automatic picking, demonstrated the reliable performance of the new algorithm under certain noise conditions. All parameters of our multi-method algorithm are auto-adaptive thanks to the integration in series of each sub-algorithm results in the flow. Hence, it is nearly a parameter-free algorithm, which is straightforward to implement and demands low computational resources. The high noise level in the seismic records can significantly decline the efficiency of the automatic picking algorithms, particularly in the case of weak arrivals. The problems related to the traditional methods (spectral filtering) arise when the signal and noise share the same band frequency. In the near surface surveys, the stacking addresses these problems thanks to data redundancy. To improve the signal-to-noise ratio of first arrivals, and thereby increase their detectability, an alternative has been proposed based on double stacking in the time domain. This approach stacking is based on the key principle of the local similarity of stacked traces. In cases of very noisy data, de-noising using wavelet transform was carried out as an auxiliary procedure before the second stack. A comparative study of automatic picking performance was achieved, using adaptive multi-method algorithm on noisy real data. The results demonstrate the feasibility of applying the double stacking before the automatic picking.

Keywords: automatic picking, adaptive algorithm, multi-nested window, Kurtosis, Akaike information criterion, seismic tomography, look-like Monte Carlo.