Uma Abordagem de Aprendizado Profundo para Inversão Sísmica Time-Lapse com Dados Esparsos
Problemas Inversos, Inversão Sísmica 4D, Aprendizado de Máquina, Redes Neurais Convolucionais (CNNs),
Dados Esparsos.
Problemas de inversão são fundamentais em um amplo escopo da física. Dentre eles, a inversão do campo de onda destaca-se
como um problema inverso complexo, mal posto e, frequentemente, computacionalmente proibitivo. A introdução da dimensão
temporal (time-lapse) adiciona uma camada adicional de complexidade à inversão, desempenhando no entanto, um papel
essencial para o monitoramento da dinâmica de regiões de interesse, como por exemplo, reservatórios de petróleo e gás. Este
trabalho propõe e avalia a utilização de redes neurais convolucionais (CNNs) como uma abordagem dirigida por dados e
computacionalmente eficiente para o problema da inversão do campo de onda time-lapse orientada ao alvo. Os resultados
demonstram que a metodologia proposta é capaz de inferir as variações dinâmicas na região de interesse com alta precisão e
um custo computacional significativamente inferior aos métodos convencionais, apresentando-se como uma alternativa viável
para análises sísmicas 4D.