Эффективный способ инверсии геофизических данных

ЭФФЕКТИВНЫЙ СПОСОБ ИНВЕРСИИ ГЕОФИЗИЧЕСКИХ ДАННЫХ Способ для эффективной инверсии измеренных геофизических данных из области недр для разведки углеводородов. Выборки измеренных данных (40) кодируют (60) с использованием набора неэквивалентных кодирующих функций (30). Затем все записи данных в каждой кодированной выборке, соответствующей одному приемнику, суммируют (60) с повторением для каждого приемника для формирования синхронной кодированной выборки (80). В способе используют итерационную локальную оптимизацию функции стоимости для инвертирования кодированных выборок данных синхронного источника. Метод сопряженных функций применяют для расчета градиентов функции стоимости, необходимых для процесса локальной оптимизации(100). Инвертированные данные дают модель физических свойств области недр, которая после итерационного уточнения может показывать наличие месторождений углеводородов.(71)(73) Заявитель и патентовладелец: ЭКСОНМОБИЛ АПСТРИМ РИСЕРЧ КОМПАНИ (US) 017177 Перекрестная ссылка на родственные заявки По этой заявке испрашивается приоритет на основании предварительной заявки США 61/070297,зарегистрированной 21 марта 2008 г. и связанной с публикацией РСТWO 2008/042081, опубликованной 10 апреля 2008 г., которая включена полностью в настоящий документ в качестве ссылки. Область техники, к которой относится изобретение Изобретение в целом относится к области геофизической разведки и, в частности, к обработке геофизических данных. Конкретно, изобретение представляет собой способ инверсии данных, получаемых из разных геофизических источников, таких как сейсмические источники, включающий геофизическое моделирование, в котором за одно выполнение моделирования вычисляют данные из многих одновременно активных геофизических источников. Предпосылки изобретения При геофизической инверсии предпринимается попытка найти модель свойств недр, которая оптимально объясняет экспериментальные данные и удовлетворяет геологическим и геофизическим ограничениям. Существует большое количество хорошо известных способов геофизической инверсии. Эти хорошо известные способы делятся на две группы: итеративные инверсии и неитеративные инверсии. Неитеративная инверсия представляет собой инверсию, выполняемую посредством принятия некоторой простой фоновой модели и уточнения модели на основе входных данных. В данном способе не используют уточненную модель в качестве входных данных для следующего этапа инверсии. В случае применения к сейсмическим данным эти способы обычно называют визуализацией, миграцией, дифракционной томографией или инверсией Борна. Итеративная инверсия представляет собой инверсию, включающую в себя повторяющиеся уточнения модели свойств недр, при которых найденная модель будет удовлетворительно объяснять экспериментальные данные. Если инверсия сходится, то конечная модель будет лучше объяснять экспериментальные данные и будет более точно аппроксимировать фактические свойства недр. Итеративная инверсия обычно дает более точную модель, чем неитеративная инверсия, однако, она требует значительно больших вычислительных затрат. Итеративная инверсия, как правило, является предпочтительней, чем неитеративная инверсия, так как она приводит к более точной модели свойств недр. К сожалению, итеративная инверсия является настолько затратной по вычислениям, что она оказывается неприменимой для решения многих представляющих интерес задач. Такая затратность по вычислениям является следствием того, что все способы инверсии требуют большого количества вычислительно интенсивных моделирований. Время вычисления любого индивидуального моделирования пропорционально количеству инвертируемых источников,а геофизические данные обычно содержат большое количество источников. Задача осложняется для итеративной инверсии, так как количество моделирований, которое необходимо вычислить, пропорционально количеству итераций инверсии, при этом, как правило, требуется от нескольких сотен до нескольких тысяч итераций. Наиболее часто применяемым в геофизике способом итеративной инверсии является оптимизация функции стоимости. Оптимизация функции стоимости предполагает в зависимости от модели М итеративную минимизацию или максимизацию значения функции стоимости S(М), которая является мерой несоответствия между расчетными и экспериментальными данными (иногда ее называют целевой функцией), где расчетные данные моделируются на компьютере с использованием текущей модели геофизических свойств и физических свойств, обуславливающих распространение сигнала источника в среде описываемой данной моделью геофизических свойств. Вычисления моделирования могут быть выполнены любым из многих численных методов, включая, но не ограничиваясь, способ конечных разностей,метод конечных элементов или метод трассировки лучей. Вычисления моделирования могут выполняться как в частотной, так и во временной области. Методы оптимизации функции стоимости являются либо локальными, либо глобальными [3]. Глобальные методы просто предполагают вычисление функции стоимости S(М) для совокупности моделей М 1, М 2, М 3,и выбор набора из одной или нескольких моделей из совокупности, которые приближенно минимизируют S(М). Если требуется дальнейшее улучшение, то этот новый выбранный набор моделей можно использовать в качестве базиса для генерации новой совокупности моделей, которые опять можно проверить относительно функции стоимости S(М). Для глобальных способов каждую модель в тестовой совокупности можно рассматривать как итерацию или, на более высоком уровне, каждый проверяемый набор совокупностей можно рассматривать как итерацию. Хорошо известные методы глобальной инверсии включают в себя метод Монте-Карло, метод модельной закалки, генетические и эволюционные алгоритмы. К сожалению, глобальные методы оптимизации обычно сходятся крайне медленно и поэтому большинство геофизических инверсий основано на локальной оптимизации функции стоимости. Локальная оптимизация функции стоимости кратко сформулирована в алгоритме 1. Алгоритм 1 - алгоритм выполнения локальной оптимизации функции стоимости. Эту процедуру повторяют с использованием новой уточненной модели в качестве начальной для другого градиентного поиска. Процесс продолжается до тех пор, пока не обнаружится, что уточненная модель удовлетворительно объясняет экспериментальные данные. Часто используемые способы локальной инверсии функции стоимости включают в себя метод градиентного поиска, метод сопряженных градиентов и метод Ньютона. Далее эта общая информация будет раскрыта несколько подробнее. Локальная оптимизация функции стоимости сейсмических данных в акустическом приближении является распространенной задачей геофизической инверсии и, как правило, характерна для других типов геофизической инверсии. При инвертировании сейсмических данных в акустическом приближении функцию стоимости можно записать в виде где S - функция стоимости,М - вектор N параметров, (m1, m2, , mN), описывающих модель недр,g - индекс выборки,wg - функция источника для выборки g, являющаяся функцией пространственных координат и времени, для точечного источника является -функцией пространственных координат,Ng - количество выборок,rg - индекс приемника в выборке,Nr - количество приемников в выборке,t - индекс временной выборки в трассе,Nt - количество временных выборок,W - функция критерия минимизации (мы обычно выбираем функцию W(x)=x2, которая соответствует критерию наименьших квадратов (L2,calc - вычисленные данные сейсмических давлений,obs - измеренные данные сейсмических давлений. В качестве выборок сейсмических данных в уравнении 1 может выступать любой тип выборки, который можно смоделировать за один прогон программы прямого сейсмического моделирования. Как правило, выборки соответствуют сейсмическому взрыву, хотя взрыв может быть более общим, чем точечный источник. Для точечных источников индекс g выборки соответствует положению индивидуальных точечных источников. Для источников плоских волн, индекс g будет соответствовать различным направлениям распространения плоской волны. Эти данные обобщенного источника, obs, могут или быть получены в полевых условиях, или быть синтезированными из данных, полученных с использованием точечных источников. С другой стороны, вычисленные данные calc обычно можно вычислить напрямую с использованием функции обобщенного источника в прямом моделировании. Для многих видов прямого моделирования, включая моделирование методом конечных разностей, время вычисления, необходимое для обобщенного источника, примерно равно времени вычисления, необходимого для точечного источника. Уравнение 1 можно упростить до где сумма по приемникам и временным выборкам теперь выражена не явно, и Целью инверсии посредством оптимизации функции стоимости является попытка уточнить модель М таким образом, чтобы значение S(М) являлось минимальным. Это можно выполнить посредством локальной оптимизации функции стоимости, которая уточняет данную модель М(k) следующим образом: где k - номер итерации,- скалярный размер уточнения модели и MS(M) - градиент функции несоот-2 017177 ветствия, взятый с учетом параметров модели. Возбуждения модели или значения, которыми уточняется модель, вычисляются умножением градиента целевой функции на длинушага, которая должна циклически вычисляться. Из уравнения 2 можно получить следующее уравнение для градиента функции стоимости: Следовательно, для того чтобы вычислить градиент функции стоимости, необходимо отдельно вычислить градиент вклада в целевую функцию от каждой выборки, затем суммировать эти вклады. Следовательно, вычислительное усилие для вычисления MS(M) представляет собой Ng раз вычислительное усилие, необходимое для определения вклада одной выборки в градиент. В геофизических задачах Ng обычно соответствует количеству геофизических источников (каждое местоположение аппаратовисточников рассматривается как отдельный источник) иявляется числом порядка от 10000 до 100000,существенно увеличивая стоимость расчета MS(M). Следует отметить, что вычисление MW требует вычисления производной от W(S) по каждому из N параметров модели mi. Так как в геофизических задачах N обычно очень велико (количество различных параметров, умноженное на количество ячеек модели, в которых параметрам должны быть присвоены значения, обычно более миллиона), то это вычисление может быть крайне длительным, если его необходимо выполнять для каждого индивидуального параметра модели. Существует потребность в более эффективном способе вычисления градиента функции стоимости без существенного снижения точности локальной оптимизации функции стоимости. Настоящее изобретение удовлетворяет эту потребность. Сущность изобретения В одном из вариантов осуществления изобретение представляет собой осуществляемый на компьютере способ инверсии измеренных геофизических данных для определения модели физических свойств для области недр, содержащий:(а) получение группы из двух или более кодированных выборок измеренных геофизических данных, причем каждая выборка ассоциирована с одним обобщенным источником или, используя взаимность источника и приемника, с одним приемником, и причем каждая выборка кодирована разными кодирующими функциями, выбираемыми из набора неэквивалентных кодирующих функций;(b) суммирование кодированных выборок в группе посредством суммирования всех записей данных в каждой выборке, соответствующих одному приемнику (или источнику, если используется взаимность),и повторение для каждого другого приемника, приводящее к синхронной кодированной выборке;(c) принятие модели физических свойств области недр, предоставление указанной моделью значений по меньшей мере одного физического свойства в местах по всей области недр; и(d) инвертирование измеренных геофизических данных по одной синхронной кодированной выборке за раз, используя принятую модель физических свойств в качестве начальной модели, и итеративное уточнение указанной модели для минимизирования функции стоимости, измеряющей степень несоответствия между моделируемыми данными и измеренными геофизическими данными, для формирования уточненной модели физических свойств, где корректирование модели осуществляют с использованием градиента функции стоимости в отношении по меньшей мере одного параметра модели, при этом градиент вычисляют из интегрирования по времени произведения данных кодированных синхронных источников, моделируемых вперед по времени, и данных кодированных синхронных источников, моделируемых назад по времени. Уточненная модель физических свойств обычно загружается с компьютера или сохраняется в запоминающее устройство компьютера и, в конечном счете, используется для заключения о наличии или отсутствии месторождений углеводородов в области недр. Технический результат, на достижение которого направлено данное изобретение, состоит в уменьшении времени вычислений, необходимого для оценки параметров физических свойств посредством инверсии данных. Краткое описание чертежей Настоящее изобретение и его преимущества станут более понятными при обращении к нижеследующему подробному описанию и к прилагаемым чертежам. На фиг. 1 показана блок-схема последовательности операций, отражающая основные этапы в одном из вариантов осуществления настоящего изобретения; на фиг. 2 - блок-схема последовательности операций, отражающая основные этапы в альтернативном варианте осуществления настоящего изобретения; на фиг. 3 - основная скоростная модель, используемая для формирования измеренных данных, использованная в примере, представленном в настоящем документе, с масштабной полосой шкалы уровней серого, показывающей скорость в м/с; на фиг. 4 - выборка одного источника для данных последовательного источника из модели, показанной на фиг. 3;-3 017177 на фиг. 5 - данные синхронного кодированного источника, сформированные на этапе 260 фиг. 2; на фиг. 6 - начальная модель (210 на фиг. 2) для примера инверсии; на фиг. 7 - соответствие модели нормы L2 в зависимости от итерации инверсий последовательного источника и кодированного синхронного источника в примере; на фиг. 8 - результаты двенадцатой итерации инверсии последовательного источника из примера и на фиг. 9 - результаты двадцать первой итерации инверсии кодированного синхронного источника в примере. Изобретение будет описано по отношению к его предпочтительным вариантам осуществления. Однако в тех случаях, когда следующее ниже подробное описание является характерным для определенного варианта осуществления или определенного использования изобретения, оно предназначено только для иллюстрации, и его не следует трактовать как ограничивающее объем изобретения. Наоборот, оно предназначено для включения всех альтернатив, модификаций и эквивалентов, которые можно включить в объем изобретения, как определено прилагаемой формулой изобретения. Подробное описание иллюстративных вариантов осуществления Настоящее изобретение воплощает в себе понимание того, что вычислительное время, требуемое для локальной оптимизации функции стоимости, можно значительно сократить за счет использования способа, называемого методом сопряженных уравнений, для расчета градиентов функции стоимости,необходимых для процесса локальной оптимизации, и потом применяя этот подход для инверсии кодированных выборок данных синхронного источника, тем самым вычисляя градиент функции стоимости кодированного синхронного источника. Метод сопряженных уравнений можно использовать для эффективного выполнения (см. описание,следующее за уравнением 5) вычисления производной W относительно каждого из N параметров модели mi, для всех параметров модели сразу [1]. Метод сопряженных уравнений для целевой функции наименьших квадратов и сеточной параметризации модели можно свести к следующему алгоритму: Алгоритм 2 - алгоритм вычисления градиента функции стоимости наименьших квадратов в сеточной модели с использованием метода сопряженных уравнений. Хотя вычисление градиентов с использованием метода сопряженных уравнений является эффективным по сравнению с другими методами, оно все еще является очень дорогостоящим. В частности,метод сопряженных уравнений требует проведения двух моделирований, одно вперед по времени и одно назад по времени, и для геофизических задач эти моделирования обычно требуют большого объема вычислений. Также, как обсуждалось выше, эти вычисления методом сопряженных уравнений следует выполнять индивидуально для каждой выборки измеренных данных, увеличивая вычислительную стоимость в Ng раз. Как указано в ссылке [4], вычислительную стоимость всех категорий инверсии можно уменьшить посредством инверсии данных от комбинаций источников вместо инверсии источников по отдельности. Это можно назвать инверсией синхронного источника. Известно несколько типов комбинаций источников, включая когерентно суммирующие близко расположенные источники для получения эффективного источника, который производит волновой фронт желаемой формы (например, плоскую волну); суммирующие далеко расположенные источники, или полное или частичное суммирование данных перед инверсией. Уменьшение вычислительной стоимости, полученное за счет инвертирования комбинированных источников, по крайней мере, частично компенсируется тем фактом, что инверсия комбинированных данных обычно дает менее точную инвертированную модель. Эта потеря точности происходит за счет того факта, что при суммировании отдельных источников теряется информация, и, таким образом, суммированные данные не так строго ограничивают инвертированную модель, как несуммированные данные. Эту потерю информации при суммировании можно минимизировать посредством кодирования каждой точечной записи перед суммированием. Кодирование перед комбинацией сохраняет значительно больше информации в данных синхронных источников и, таким образом, лучше ограничивает инвертирование [4]. Кодирование также допускает комбинацию близко расположенных источников, таким обра-4 017177 зом, позволяя комбинирование большего количества источников для данной вычислительной области. В этом способе можно использовать различные схемы кодирования, включая кодирование временного сдвига и кодирование случайной фазы. Ниже представлены краткие обзоры различных опубликованных геофизических способов синхронного источника как кодированного, так и некодированного.Van Manen [5] предлагает использовать способ сейсмической интерферометрии для ускорения прямого моделирования. Способ сейсмической интерферометрии осуществляется посредством размещения источников повсюду на границе интересующей области. Эти источники моделируют индивидуально и для всех точек, в которых необходима функция Грина, записывают волновое поле. Тогда функцию Грина между любыми двумя записанными точками можно вычислить путем кросс-коррелирования трасс, полученных в двух записанных точках, и суммирования по всем граничным источникам. Если инвертируемые данные содержат большое количество источников и приемников, находящихся внутри интересующей области (в отличие от нахождения одного или другого на границе), тогда этот способ оказывается очень эффективным для вычисления необходимых функций Грина. Однако в случае сейсмических данных довольно редко источник и приемник данных, подлежащие инверсии, находятся внутри интересующей области. Таким образом, это улучшение имеет очень ограниченную применимость для задачи инверсии сейсмических данных.Berkhout [6] и Zhang [7] предполагают, что инверсию в большинстве случаев можно улучшить посредством инвертирования некодированных синхронных источников, которые когерентно суммируются для получения некоторого желаемого волнового фронта внутри определенной области недр. Например,данные точечных источников можно суммировать с временными сдвигами, являющимися линейной функцией положения источников, для получения нисходящей плоской волны под некоторым углом относительно поверхности. Эту методику можно применять ко всем категориям инверсии. Проблема этого способа состоит в том, что когерентное суммирование выборок трасс источников неизбежно уменьшает количество информации в данных. Так, например, суммирование для получения плоской волны удаляет всю информацию в сейсмических данных, относящуюся к зависимости времени распространения от расстояния источник - приемник. Эта информация является критической для уточнения медленно меняющейся модели фоновой скорости, и таким образом способ Беркхаута не является хорошо ограниченным. Для преодоления этой проблемы можно инвертировать многие другие когерентные суммы данных (например, множество плоских волн с разными направлениями распространения), но тогда эффективность теряется, поскольку цена инверсии пропорциональна количеству различных инвертируемых сумм. Авторы изобретения называют такие когерентно суммируемые источники обобщенными источниками. Таким образом, обобщенный источник может быть как точечным источником, так и суммой точечных источников, создающих волновой фронт необходимой формы.Van Riel [8] предлагает инверсию при помощи некодированного суммирования или частичного суммирования (в зависимости от расстояния источник - приемник) входных сейсмических данных с последующим определением функции стоимости по отношению к этим суммированным данным, которую будут оптимизировать. Таким образом, эта публикация предлагает улучшение инверсии, основанной на функции стоимости, с использованием некодированных синхронных источников. Как и в способе инверсии синхронного источника Беркхаута [6], суммирование, предлагаемое в этом способе, уменьшает количество информации в инвертируемых данных, и таким образом, инверсия является менее ограниченной, чем она была бы при использовании оригинальных данных.Mora [9] предлагает инвертирование данных, являющихся суммой далеко расположенных источников. Таким образом, в этой публикации предложено улучшение эффективности инверсии с использованием моделирования некодированных синхронных источников. Преимуществом суммирования далеко расположенных источников является сохранение значительно большего количества информации, чем при когерентном суммировании, предложенном Беркхаутом. Однако суммирование далеко расположенных источников подразумевает, что апертуру (инвертируемая область модели), которую необходимо использовать в инверсии, нужно увеличить для размещения всех далеко расположенных источников. Так как вычислительное время пропорционально площади этой апертуры, способ Мора не дает такого прироста эффективности, которой можно достичь при суммировании источников, расположенных близко друг к другу.Ober [10] предлагает ускорение сейсмической миграции, частного случая неитеративной инверсии,посредством использования синхронных кодированных источников. После тестирования различных способов кодирования Обер обнаружил, что результирующие мигрированные изображения имели существенно сниженное соотношение сигнал-шум за счет того факта, что широкополосные кодирующие функции неизбежно только приблизительно ортогональны. Таким образом, при суммировании более 16 записей качество инверсии было неудовлетворительным. Так как неитеративная инверсия сначала не очень затратна, и так как необходима инверсия с высоким соотношением сигнал-шум, то этот способ не является широкоприменимым в геофизической отрасли.Ikelle [11] предлагает способ для быстрого прямого моделирования при помощи синхронно моделируемых точечных источников, которые активируются (в моделировании) на различных временных интервалах. Также обсужден способ декодирования этих сдвинутых по времени моделированных данных-5 017177 синхронного источника обратно в раздельные моделирования, которые были бы получены из отдельных точечных источников. Эти декодированные данные далее можно использовать как часть любой обычной процедуры инверсии. Проблема способа Ikelle состоит в том, что предложенный способ декодирования будет производить разрозненные данные, имеющие уровень шума, пропорциональный разности между данными от соседних источников. Этот шум будет существенным для моделей недр, которые не являются постоянными по латерали, например от моделей, содержащих горизонтальные отражающие границы. Следовательно, шум будет увеличиваться пропорционально числу синхронных источников. Вследствие этих трудностей подход синхронного источника Ikelle может привести к неприемлемым уровням шума при использовании в инвертировании недр, не являющихся постоянными в поперечном направлении.Krebs et al. [4] показывает, что функцию стоимости кодированного синхронного источника можно вычислить более эффективно, чем традиционные функции стоимости при обеспечении точных инверсий. Функцию стоимости синхронного источника определяют здесь как (сравнить с уравнением 2 выше) где суммирование по приемникам и временным выборкам подразумевают как в уравнении 2, и определяет сумму по выборкам при помощи подгрупп выборок,Ssim - функция стоимости для данных синхронных источников,G - группы синхронных обобщенных источников,NG - количество групп,cg - функции времени, которые сворачиваютсяс сигнатурой источника каждой выборки для кодирования выборок, эти кодирующие функции выбираются разными, то есть неэквивалентными (то есть без ограничений, приблизительно ортогональными), для каждого индекса g выборки (то есть различные реализации функций случайной фазы). Внешнее суммирование в уравнении 6 ведется по группам синхронных обобщенных источников,соответствующих типу выборки (то есть точечных источников для выборок общего взрыва). Внутреннее суммирование по g выполняется по выборкам, которые сгруппированы для синхронного вычисления. Для некоторых способов прямого моделирования, таких как моделирование конечных разностей, вычисление прямой модели для суммированных обобщенных источников (внутренняя сумма по gG) можно выполнять за то же время, что и вычисления для одного источника. Таким образом, как показано в Krebset al. [4], (М, cgwg) можно вычислять очень эффективно, используя такой подход, как алгоритм 3 Алгоритм 3 - алгоритм вычисления кодированной функции стоимости синхронного источника. Кроме того, как показано в Krebs et al. [4], по этому алгоритму можно вычислить Ssim(M) в Ng/NG раз быстрее, чем S(М) из уравнения 2. Приведенный выше алгоритм или его варианты, которые очевидны специалистам в технической области, можно использовать для очень эффективного вычисления Ssim(M), и, таким образом, они могут значительно ускорять инверсии, которые требуют только вычисления функции стоимости, такие как способы глобальной инверсии. Фактически, посредством приведенного выше алгоритма можно также ускорить вычисление градиента функции стоимости для многих градиентных методов оценки. Например,вычисление градиента методом конечных разностей предполагает вычисление функции стоимости для модели М и близкой модели М+(М), в которой один из параметров возмущен на малую величину. Однако чрезвычайно большое число параметров модели, характерное для геофизической инверсии,означает, что вычисление градиента Ssim(M) будет по-прежнему очень дорогим, если будут использоваться традиционные методы вычисления градиента, такие как метод конечных разностей. В настоящем изобретении эта проблема решена за счет вычисления градиента Ssim(M) с использованием метода сопряженных уравнений. Таким образом, цель настоящего изобретения заключается в вычислении значения В настоящем изобретении, величины MWM,cgwg можно очень эффективно вычислять с использованием способа типа сопряженных уравнений, такого как изложенный в алгоритме 4 Алгоритм 4 - алгоритм для вычисления градиента функции стоимости кодированного синхронного источника с использованием способа типа сопряженных уравнений. В практическом осуществлении изобретение, как правило, можно использовать для выполнения инверсии локальной функции стоимости согласно блок-схеме последовательности операций одного из вариантов осуществления изобретения, представленной на фиг. 1. Как и в традиционной итеративой инверсии, процесс начинается с выбора начальной модели 10, которая является аппроксимацией фактических физических свойств недр (уточненная модель 20 заменяет начальную модель в последующих итерациях инверсии). На следующем этапе инверсии (30) строятся кодирующие функции; их используют для кодирования измеренных данных 40 на этапе 60 и сигнатуры источников 50 на этапе 70. Как описано ниже и в ссылке [4], на этапе 30 можно получить кодирующие функции многих различных видов. На этапах 60 и 70 получают кодированные измеренные данные (суммированные по местоположениям источников для каждого приемника) 80 и кодированные сигнатуры источника 90, где и те, и другие кодированы одним и тем набором кодирующих функций, полученных на этапе 30, где способ для читателей,не являющихся специалистами данной области, подробнее описан в работе [4]. На этапе 100 с использованием уравнения 7 и алгоритма 4, описанных выше, или их тривиальных вариаций, вычисляют градиент. На этапе 110 на основании градиента, вычисленного на этапе 100, начальную модель уточняют, как правило, посредством добавления или вычитания масштабированного варианта градиента к начальной модели. Этап 120 является проверкой схождения инверсии. Его можно осуществлять посредством вычисления функции стоимости кодированного синхронного источника для уточненной модели с использованием уравнения 6 и алгоритма 3, и сравнения значения функции стоимости со значением из предыдущей итерации. Если сделан вывод, что инверсия не сошлась, то процесс повторяют с этапа 30, используя уточненную модель 20 из этапа 110. Когда проверка 120 показывает, что итерация сошлась, или выполняется другое условие остановки, то процесс завершают (130). В уравнениях 6 и 7 можно использовать множество типов кодирующих функций cg, включая, но не ограничиваясь следующими: линейное, случайное, кодирование линейной частотной модуляцией и модифицированное частотнозависимое фазовое кодирование линейной частотной модуляцией, как представлено в Romero et al. [12]; частотно-независимое фазовое кодирование, как представлено в Jing et al. [13]; кодирование случайного сдвига по времени; мультиплексирование с разделением частот (FDMA), мультиплексирование с разделением времени-7 017177 Одни из этих способов кодирования работают лучше других в зависимости от области применения,также некоторые из них можно комбинировать. В частности, хорошие результаты можно получать с использованием частотно-зависимого кодирования случайных фаз и также посредством комбинирования частотно-независимого кодирования близкорасположенных источников и частотно-зависимого кодирования случайных фаз для более далеко расположенных источников. Показатель сравнительной ценности различных кодирований можно получать, выполняя тестовые инверсии с каждым набором кодирующих функций для определения того набора, при котором инверсия сойдется быстрее. Следует отметить, что способ синхронного кодированного источника можно использовать для различных типов функции стоимости инверсии. В частности, его можно использовать для функции стоимости, основанной на нормах, отличающихся от нормы L2, которая обсуждалась выше. Его также можно использовать с более сложными функциями стоимости, чем функция, представленная в уравнении 2,включая регуляризированные функции стоимости. Наконец, способ синхронного кодированного источника можно использовать с любым видом глобального или локального метода инверсии функции стоимости, включая метод Монте-Карло, алгоритм модельной закалки, генетический алгоритм, эволюционный алгоритм, линейный градиентный поиск, метод сопряженных градиентов и метод Ньютона. Способ по настоящему изобретению также можно использовать в сочетании с различными видами способов обобщенного источника, такими как способ, предложенный Berkhout [6]. В этом случае вместо кодирования сигнатур выборки различных точечных источников следует кодировать сигнатуру различных синтезированных плоских волн. Некоторые разновидности представленного выше варианта осуществления включают следующее. Кодирующие функции cg могут изменяться для каждой итерации инверсии. По крайней мере, в некоторых случаях это приводит к более быстрому схождению инверсии. В некоторых случаях (например, когда выборка источников плотнее, чем выборка приемников) выгодным может являться использование взаимности для рассматривания фактических приемников в качестве вычислительных источников и кодирование приемников вместо источников. Настоящее изобретение не ограничивается однокомпонентными точечными приемниками. Например, приемники могут являться массивами приемников, либо они могут являться многокомпонентными приемниками. Настоящий способ можно улучшить посредством оптимизации кодирования для достижения максимально высокого качества инверсии. Например, кодирующие функции можно оптимизировать для уменьшения количества локальных минимумов в функции стоимости. Кодирующие функции можно оптимизировать как посредством ручной проверки тестов, выполненных с использованием различных кодирующих функций, так и с использованием автоматизированных процедур оптимизации. Сбор данных синхронных кодированных источников может привести к значительному снижению затрат по сбору геофизических данных. Для морских сейсмических исследований может оказаться очень эффективным сбор данных кодированного источника от одновременно действующих морских вибраторов, которые работают постоянно во время движения. Можно использовать другие определения функции стоимости, включая использование различных норм (например, норма L1 (абсолютное значение) вместо нормы L2) и дополнительных членов для упорядочивания и стабилизации инверсии (например, члены, которые будут штрафовать модели, которые не являются гладкими, или модели, не являющиеся разреженными). Фиг. 2 представляет собой блок-схему последовательности операций альтернативного варианта осуществления настоящего способа по изобретению для инверсии с использованием локальной функции стоимости. Эта блок-схема последовательности операций, по существу, аналогична блок-схеме, представленной на фиг. 1 (условные обозначения соответствующих полей увеличены на 200), за исключением следующих изменений: на этапе 230 кодирующие функции между итерациями могут изменяться; добавлен этап 305. На этапе 305 градиент с этапа 300 согласовывается с использованием любого хорошо известного метода, и для лучшего схождения согласованный градиент используется для вычисления сопряженного градиента. Широко известно, что в схемах (локальной) оптимизации сходимость алгоритма можно улучшать за счет выбора в качестве хорошего направления (градиента) линейной комбинации предыдущего и текущего хороших направлений. Этот метод известен как метод сопряженных градиентов. Согласование (или предсогласование) представляет собой классически известную стратегию улучшения сходимости; на этапе 310 используют линейный поиск в направлении сопряженного градиента для уточнения модели. Линейный поиск является частью стандартных стратегий оптимизации и состоит из старта в текущей точке, выбора направления для вычисления значений функции стоимости, движения вдоль этого выбранного направления и перерасчета функции стоимости в каждой новой точке, и выбора точки, дающей минимальное значение используемой функции стоимости. Направление (в данном случае) является градиентом или сопряженным градиентом. Дополнительно в данном конкретном иллюстративном варианте осуществления настоящего спосо-8 017177 ба по изобретению сделан следующий выбор во время инверсии. 1. Входные сейсмические выборки измеренных данных 240 являются общими выборками точечных источников. 2. В качестве кодирующих сигнатур 230 выбраны сигнатуры случайных фаз из работы Romero et al. Такие сигнатуры можно получать просто посредством создания последовательности, состоящей из временных выборок, которая является равномерной псевдослучайной последовательностью. 3. На этапах 260 и 270 выборки и сигнатуры кодированы посредством сворачивания каждой трассы в выборке с кодирующей сигнатурой этой выборки. 4. На этапах 300 и 320 моделирование выполняется посредством кода сейсмического моделирования конечными разностями в пространственно-временной области. 5. На этапах 300 и 320 функция стоимости вычисляется с использованием нормы L2. Пример. Фиг. 3-9 представляют комплексный пример инвертирования акустических сейсмических данных постоянной плотности с использованием настоящего изобретения и для сравнения с традиционным способом последовательного источника. Для этого примера использован вариант осуществления, описанный на фиг. 2, за исключением того,что исключен этап 305. Включение этапа 305 улучшает результаты по сравнению с этим примером, так что это является консервативным примером преимуществ данного изобретения. Фиг. 3 представляет собой базовую скоростную модель, использованную для формирования измеренных данных (фиг. 4) для данного примера. Успешная инверсия измеренных данных, моделируемая данной моделью, должна выглядеть как ограниченная по полосе версия фиг. 3. На фиг. 4 показана выборка одного источника измеренных данных, моделируемых на основании модели, приведенной на фиг. 3. Всего смоделировано 128 источников (из которых на фиг. 4 представлен первый) с источниками, расположенными возле поверхности модели, и источниками, равномерно распределенными по модели. Также равномерно по модели распределены 1024 сейсмических приемника. Тот же набор приемников использовали для каждого расположения источника (то есть приемники не перемещались с источниками). На фиг. 5 показаны данные синхронного кодированного источника, полученные на этапе 260 фиг. 2. Кодирующей функцией являлась трехсекундная функция случайных фаз. Все 128 источников кодированы различными функциями случайных фаз, после чего суммированы для получения данного синхронного кодированного источника. Следует отметить, что данные кодированного синхронного источника на фиг. 5 выглядят как случайный шум по сравнению с фиг. 4. На фиг. 6 показана модель, использованная в качестве начальной модели (210 на фиг. 2) в данном примере инверсии. Данная модель получена посредством интенсивного сглаживания базовой модели,показанной на фиг. 3. Сглаживание выбрано достаточно большим для удаления всех отражений и мелкомасштабных аномалий скорости, в то же время сохраняя гладкий фон модели. Затем данные на фиг. 4 и 5 инвертировали. Понятно, что настоящее изобретение применяли для инверсии данных синхронного кодированного источника из фиг. 5. Следует отметить, что так как в данных последовательного источника существует 128 выборок источников, то инверсия этих данных должна требовать приблизительно в 128 раз больше вычислительных затрат за итерацию, чем это необходимо для инвертирования данных кодированного синхронного источника. Это соотношение в 128 раз связано с тем фактом, что градиент необходимо вычислять отдельно для каждого последовательного источника,и потом эти градиенты суммируют для получения полного градиента последовательного источника. С другой стороны, градиент для данных кодированного синхронного источника вычисляют только из одной выборки. На фиг. 7 показана зависимость подгонки модели от числа итерации для двух инверсий. Инверсия последовательного источника (черные квадраты) сходится примерно в два раза быстрее, чем инверсия синхронного кодированного источника (белые квадраты). (Подгонка модели для итерации 21 инверсии кодированного синхронного источника примерно равна подгонке модели для итерации 12 инверсии последовательного источника). Однако так как каждая итерация инверсии синхронного кодированного источника использует только 1/128 часть компьютерных затрат, то инверсия кодированного синхронного источника является в 64 раза более эффективной, чем инверсия последовательного источника. На фиг. 8 и 9 показаны результаты обеих инверсий. Для отображения выбраны двенадцатая инверсия последовательного источника и двадцать первая инверсия кодированного синхронного источника,потому что у них приблизительно одинаковые подгонки модели. Следует заметить, что результаты обеих инверсий выглядят приблизительно как ограниченная по полосе версия базовой модели на фиг. 3. Также следует обратить внимание на то, что инверсии кодированного синхронного источника очень похожи на инверсии последовательного источника, за исключением добавления небольшого количества шума. Этот шум можно легко удалить или посредством обработки изображения результата инверсии, или посредством применения согласования (этап 305 на фиг. 2) при инверсии. Описанная выше заявка относится к частным вариантам осуществления настоящего изобретения с целью его иллюстрации. Однако для специалиста в данной области очевидно, что для вариантов осуще-9 017177 ствления, описываемых в данном документе, возможно множество модификаций и вариаций. Полагают,что все такие модификации и вариации входят в объем настоящего изобретения, как определено в прилагаемой формуле изобретения. Специалисты в данной области легко поймут, что в предпочтительных вариантах осуществления изобретения, по меньшей мере, некоторые этапы настоящего способа проводятся на компьютере, то есть изобретение осуществляется на компьютере. В таких случаях результирующую уточненную модель физических свойств можно либо загрузить, либо сохранить на запоминающим устройстве компьютера. Список литературы 1. Tarantola, A., "Inversion of seismic reflection data in the acoustic approximation", Geophysics 49,1259-1266 (1984). 2. Sirgue, L. and Pratt G. "Efficient waveform inversion and imaging: A strategy for selecting temporal(2001). 12. Romero, L.A., Ghiglia, D.C, Ober, С.С, Morton, S.A. "Phase encoding of shot records in prestack migration", Geophysics 65, 426-436 (2000). 13. Jing X., Finn, C.J., Dickens, T.A., Willen, D.E. "Encoding multiple shot gathers in prestack migration",SEG International Exposition and 70th Annual Meeting Expanded Abstracts, 786-789 (2000). ФОРМУЛА ИЗОБРЕТЕНИЯ 1. Осуществляемый на компьютере способ инверсии измеренных геофизических данных для определения модели физических свойств для области недр, содержащий:(a) получение группы из двух или более кодированных выборок измеренных геофизических данных, причем каждая выборка ассоциирована с одним обобщенным источником или с одним приемником,и причем каждая выборка кодирована разными кодирующими функциями, выбираемыми из набора неэквивалентных кодирующих функций;(b) суммирование кодированных выборок в группе посредством суммирования всех записей данных в каждой выборке, соответствующих одному приемнику (или источнику, если используется взаимность),и повторение для каждого другого приемника, приводящее к синхронной кодированной выборке;(c) принятие модели физических свойств области недр, предоставление указанной моделью значений по меньшей мере одного физического свойства в местах по всей области недр и(d) инвертирование измеренных геофизических данных по одной синхронной кодированной выборке за раз, используя принятую модель физических свойств в качестве начальной модели, и итеративное уточнение указанной модели для минимизирования функции стоимости, измеряющей степень несоответствия между моделируемыми данными и измеренными геофизическими данными, для формирования уточненной модели физических свойств, где корректирование модели осуществляют с использованием градиента функции стоимости в отношении по меньшей мере одного параметра модели, при этом градиент вычисляют из интегрирования по времени произведения данных кодированных синхронных источников, моделируемых вперед по времени, и данных кодированных синхронных источников, моделируемых назад по времени;(e) загрузку уточненной модели физических свойств или сохранение ее на запоминающем устройстве компьютера. 2. Способ по п.1, в котором инвертирование синхронной кодированной выборки измеренных геофизических данных содержит:(i) компьютерное моделирование синхронной кодированной выборки, соответствующей синхронной кодированной выборке измеренных данных, используя принятую модель физических свойств, где- 10017177 моделирование использует сигнатуры источников, кодированные теми же кодирующими функциями,которые использовались для кодирования синхронной кодированной выборки измеренных данных, где всю синхронную кодированную выборку моделируют в одной операции моделирования; и(ii) вычисление функции стоимости, измеряющей степень несоответствия между синхронной кодированной выборкой измеренных данных и смоделированной синхронной кодированной выборкой. 3. Способ по п.1, дополнительно содержащий использование различных наборов неэквивалентных кодирующих функций по меньшей мере для одной итерации итеративного уточнения модели. 4. Способ по п.1, в котором инвертирование измеренных геофизических данных содержит:(i) вычисление прямого моделирования данных кодированного синхронного источника за один прогон моделирования, используя текущую модель физических свойств М и используя в качестве источника сигнатуру выборки синхронного источника, кодированную теми же кодирующими функциями cg, которые использовались для кодирования измеренных данных для нахождения calc;(ii) вычисление функции стоимостипутем вычитания синхронной кодированной выборки измеренных геофизических данных из результата этапа (i);(iii) вычисление обратного моделирования (то есть назад во времени), используяв качестве источника моделирования, производящий adjoint;(iv) вычисление интеграла по времени от произведения calc на adjoint для нахождения градиента функции стоимости и(v) использование градиента функции стоимости для настройки и уточнения модели М. 5. Способ по п.1, в котором указанные кодированные выборки измеренных данных кодируют посредством временного сворачивания всех трасс из выборки с соответствующей кодированной сигнатурой источника, причем указанная кодированная сигнатура источника является свертыванием функции источника для выборки с кодирующей функцией, отобранной для выборки. 6. Способ по п.1, в котором две или более кодированные выборки измеренных данных получают посредством получения выборок данных из геофизического исследования, в котором данные получают от множества одновременно работающих, уникально кодированных устройств источников. 7. Способ по п.1, в котором измеренные геофизические данные являются данными сейсморазведки. 8. Способ по п.7, в котором обобщенные сейсмические источники являются либо все точечными источниками, либо все источниками плоских волн. 9. Способ по п.2, в котором измеренные геофизические данные включают в себя измеренные или предполагаемые сигнатуры активации каждого источника, и кодированные сигнатуры источника, используемые в операциях моделирования, являются сигнатурами, полученными посредством временного свертывания измеренных или предполагаемых сигнатур источника с теми же кодирующими функциями,которые использовались для кодирования соответствующей измеренной выборки на этапе (а). 10. Способ по п.1, в котором кодирующие функции относятся к типу, выбранному из группы, состоящей из линейного кодирования, кодирования случайной фазы, кодирования линейной частотной модуляцией, модифицированного кодирования линейной частотной модуляцией, кодирования случайного временного сдвига и частотно-независимого фазового кодирования. 11. Способ по п.1, в котором кодирующие функции относятся к одному типу для одних источников и к другому типу для других источников, причем каждый тип выбирают из группы, состоящей из линейного кодирования, кодирования случайной фазы, кодирования линейной частотной модуляцией, модифицированного кодирования линейной частотной модуляцией, кодирования случайного временного сдвига и частотно-независимого фазового кодирования. 12. Способ по п.1, в котором кодирующие функции оптимизированы по отношению к используемой функции стоимости. 13. Способ по п.1, в котором операции прямого или обратного моделирования на этапе (d) выполняют по коду моделирования конечных разностей, конечных элементов или конечных объемов. 14. Способ по п.7, в котором модели физических свойств являются моделями скорости сейсмических волн, параметров сейсмической упругости, параметров сейсмической анизотропии или параметров сейсмической неупругости. 15. Способ по п.1, в котором для уточнения модели используют метод локальной оптимизации функции стоимости, такой как линейный градиентный поиск, метод сопряженных градиентов или метод Ньютона. 16. Способ по п.1, в котором функция стоимости является функцией стоимости с нормой L1 либо функцией стоимости с нормой L2, и функция стоимости может содержать члены регуляризации. 17. Способ по п.1, в котором неэквивалентные кодирующие функции являются практически ортогональными функциями. 18. Способ инверсии измеренных геофизических данных из области недр для разведки углеводородов, содержащий:(a) получение группы из двух или более кодированных выборок измеренных геофизических данных, при этом каждая выборка ассоциирована с одним обобщенным источником или с одним приемни- 11017177 ком, и при этом каждая выборка кодирована разными кодирующими функциями, выбираемыми из набора неэквивалентных кодирующих функций;(b) суммирование кодированных выборок в группе посредством суммирования всех записей данных в каждой выборке, соответствующих одному приемнику (или источнику, если используется взаимность),и повторение для каждого приемника, приводящее к синхронной кодированной выборке;(c) принятие модели физических свойств области недр, предоставление указанной моделью значений по меньшей мере одного физического свойства в местах по всей области недр и(d) инвертирование измеренных геофизических данных, по одной синхронной кодированной выборке за раз, используя принятую модель физических свойств в качестве начальной модели, и итеративное уточнение указанной модели для минимизирования функции стоимости, измеряющей степень несоответствия между моделируемыми данными и измеренными геофизическими данными, для формирования уточненной модели физических свойств, причем корректирование модели осуществляют с использованием градиента функции стоимости в отношении по меньшей мере одного параметра модели, при этом градиент вычисляют из интегрирования по времени произведения данных кодированных синхронных источников, моделированных вперед по времени, и данных кодированных синхронных источников, моделированных назад по времени;(е) использование уточненной модели физических свойств для разведки углеводородов в области недр. 19. Способ получения углеводородов из области недр, содержащий:(a) выполнение геофизического исследования области недр;(b) получение модели физических свойств, причем указанная модель построена с использованием способа, указанного в п.1, который здесь включен в качестве ссылки;(c) использование модели физических свойств для определения углеводородсодержащей зоны в области недр;(d) бурение скважины в зоне и добыча углеводородов из скважины.