Estimasi wavelet seismik Bayesian yang dapat diskalakan

Dalam data amplitudo-versus-sudut seismik, model maju yang menghubungkan sifat elastis dengan data melibatkan konvolusi koefisien refleksi seismik dengan wavelet. Jika wavelet ditentukan secara keliru, seismik yang dimodelkan akan bias dan hasil inversi seismik terkait akan sulit dipercaya. Oleh karena itu, penting untuk memperkirakan wavelet dari pengamatan, sebelum inversi seismik. Prosedur estimasi Bayesian yang ada mengusulkan model Bayesian untuk masalah tersebut dan mengeksplorasi distribusi posterior dengan algoritma sampler Gibbs. Namun, kompleksitas algoritmik berskala non-linier dengan jumlah pengamatan, sehingga membatasi data input ke data log-sumur elastis dan data seismik di sumur. Kami mengadopsi model Bayesian hierarkis yang serupa tetapi memperkenalkan sampler Gibbs yang efisien secara komputasi untuk memungkinkan estimasi dari gambar seismik dua dimensi yang besar. Efisiensi diperoleh dengan menanamkan citra seismik dalam kisi siklik yang diperluas sehingga matriks besar memperoleh sifat sirkulan dan operasi matriks yang mahal dapat dilakukan dengan transformasi Fourier yang cepat. Kami menyertakan hasil untuk kumpulan data simulasi dan kumpulan data nyata dari reservoir gas lepas pantai di Mesir.