Sujet: Décomposition chromatique temporelle de l’image sismique pour l’identification rapide d’objets sédimentaires.

Etat de l’art: Afin de découvrir et d’exploiter des ressources en hydrocarbures, ou dans le cadre de l’identification de sites propices au stockage souterrain de CO2, il est nécessaire de caractériser les objets et les environnements sédimentaires contribuant au réservoir ou aux roches de couverture. En première approche, cette caractérisation s’effectue le plus souvent au moyen d’une image sismique tri-dimensionnelle. Cette démarche requiert des outils numériques permettant d’identifier et de visualiser rapidement chenaux, dunes, clinoformes ou paléo-récifs. A cet effet, une technique fréquemment utilisée, la décomposition spectrale, consiste à décomposer l’image sismique en bande fréquentielles, puis à assigner une couleur primaire à certaines bandes de fréquences présélectionnées, afin de reconstituer une image en couleur qui illustre les changements de fréquence, cette image étant souvent extraite au niveau d’un horizon sismique.

Cette méthode peut produire des images très détaillées de systèmes sédimentaires complexes. Toutefois, dans le cadre de la reconnaissance et de l’interprétation de grands volumes de données, elle souffre de trois inconvénients notables :

·         La paramétrisation de l’algorithme requiert d’identifier au préalable, par exemple via une analyse comparative de spectrogrammes, les bandes de fréquences susceptibles de mettre au mieux en évidence les objets sédimentaires présents, ce qui nécessite un niveau d’expertise élevé.

·         Les bandes de fréquences optimales dépendent de l’épaisseur des couches géologiques, qui varie en fonction de la formation étudiée. Par ailleurs, indépendamment de l’architecture des couches géologiques, le contenu fréquentiel du signal sismique varie généralement en fonction de la profondeur. La décomposition spectrale est donc peu adaptée à l’analyse de piles sédimentaires de grande épaisseur.

·         Enfin le temps de calcul peut s’avérer excessif lorsque des résolutions temporelle et fréquentielle élevées sont recherchées (méthode de « matching pursuit »), ce qui empêche de tester des paramétrisations différentes.

 Pour palier à ces inconvénients, d’autre techniques de visualisation ont été proposées, qui consistent à assigner des informations différentes à chacune des couleurs primaires : amplitude RMS obtenue sur des fenêtres verticales de taille différente pour visualiser les failles, amplitude, enveloppe et iso-fréquence pour visualiser des systèmes de chenaux, etc.

Parmi ces méthodes, l’une d’elle, qui se base sur une décomposition temporelle du signal (i.e. l’assignation à chaque composante chromatique de valeurs d’amplitudes légèrement décalées verticalement) est particulièrement polyvalente. Elle demande peu de paramétrisation, est calculatoirement peu coûteuse, et permet de visualiser rapidement des structures variées (chenaux, dômes de sel, etc.)

Objectif du stage: L’objectif du stage est de concevoir une méthode de décomposition chromatique de l’image sismique se basant sur une approche temporelle, améliorée par l’apport d’informations auxiliaires (e.g. fréquence dominante, fréquence instantanée, temps relatif géologique) et permettant une caractérisation plus fine des variations des formes d’ondes le long des surfaces structurales.

Ce projet donnera lieu à un prototype intégré au logiciel PaleoScan et pourra être implémenté en C++ (préférentiellement) après avoir été prototypé en Python (si nécessaire). Dans le cadre de son stage, l’étudiant sera encadré par un géophysicien et assisté par des géologues et développeurs C++.

• Etudiant géologue ou géophysicien en stage de fin d’études

• Familiarité avec les données sismiques et leur utilisation dans le cadre de la caractérisation du sous-sol

• Connaissance du C++ (et idéalement du python)

• Rigueur, curiosité scientifique, autonomie, capacité à travailler en équipe

• A l’aise en anglais et en français

Entretiens avec le Responsable Produit et les membres de l’équipe produit.