Professional Documents
Culture Documents
etation g
eologique de donn
ees sismiques par une
m
ethode supervis
ee bas
ee sur la vision cognitive
Philippe Verney
THESE
pour obtenir le grade de
DOCTEUR DE LECOLE NATIONALE SUPERIEURE DES MINES DE PARIS
Spcialit Informatique
prsente et soutenue publiquement par
Philippe Verney
le 17 Septembre 2009
Jury
Mme Monique THONNAT
Mme Isabelle BLOCH
M. Philippe JOSEPH
M. Jean-Franois RAINAUD
M. Pascal PODVIN
Prsident
Rapporteur
Rapporteur
Examinateur
Examinateur
Remerciements
Je souhaite tout dabord remercier Michel Perrin de lENSMP, mon directeur de thse, et Jean
Franois Rainaud de lIFP, mon tuteur industriel, pour leurs soutiens, leurs patiences et les
ides quils ont pu mapporter tout au long de ma thse. Jai beaucoup apprci la manire
dont ils mont encadr et les remercie pour mavoir permis douvrir mes connaissances un
domaine dans lequel jtais totalement novice : la gologie et plus particulirement la
gologie ptrolire. Je remercie tout particulirement Michel Perrin pour son encadrement
lors de la rdaction de ce manuscrit. Sans lui, ce manuscrit ne serait que lombre de lui-mme.
Je remercie Monique Thonnat de lINRIA Sophia Antipolis, avec qui jai eu le plaisir de
collaborer tout au long de mes travaux. Elle a toujours t disponible et a t dune aide trs
prcieuse lors de cette thse tout particulirement sur le plan informatique.
Je remercie Isabelle Bloch, professeur lENST/CNRS, et Philippe Joseph, professeur
lENSPM, pour avoir accept dtre rapporteurs de cette thse et pour leurs remarques sur
mon manuscrit.
Je remercie Pascal Podvin, professeur lENSMP, pour sa participation au jury de thse.
Je remercie Pierre Ferry Forgues, Rmi Eschard et Olivier Lerat de lIFP pour avoir mis ma
disposition lensemble des moyens ncessaires au bon droulement de ma thse.
Je remercie galement Marie Christine Cacas, Laurent Duval, Vincent Clochard et Michel
Lger de lIFP ainsi que Jean Luc Mari et Anne Jardin de lENSPM pour leurs conseils tout
au long de ma thse. Je noublie pas non plus Thibaut Chret de BG Group et Total UK qui
mont permis de raliser des tests sur des donnes relles. Merci aussi Jean-Yves
Cassagnou, Stephane Weibel et Thibaut Mouton de lIFP pour avoir permis, par leurs travaux,
de mettre en valeur les miens.
Merci Chakib Bennis pour mavoir offert une exprience trs enrichissante dans son quipe
la suite de mon stage lIFP et le meilleur moyen de rester Paris le temps que ma thse
dmarre.
Merci aussi Mara Abel, professeur lUFRGS Porto Alegre, pour mavoir permis de
raliser un stage en relation avec ma thse au sein de son laboratoire. Ces 3 mois mont appris
beaucoup tant au niveau professionnel quau niveau personnel.
Je remercie lensemble du dpartement informatique et mathmatiques de lIFP pour mavoir
offert la possibilit de raliser mon travail de thse dans des conditions humaines plus
quagrables. Les nombreux repas avec les doctorants, posts-docs, prestataires et permanents
ont toujours reprsent un moment que jaffectionnais tout particulirement (comme
beaucoup savent).
Merci aussi aux collgues pour les sorties en dehors de lIFP (encore les restaurants bien sr,
les pokers, le karting, le ski, ou mme les simples apros), merci de mavoir appris esquiver
des projectiles venant dans ma direction, merci pour les vulgarisations scientifiques des
thories qui me dpassent, merci pour mavoir montr des quantits incroyables de courbes
sur vos crans et avoir essayer de mexpliquer votre travail, merci pour mavoir lguer une
plante (qui doit tre en bien mauvais tat aujourdhui.), merci pour mavoir secouru une
certaine journe o mon genou sest gripp ou encore quand mon taux de sucre ntait pas
assez haut lors dun certain djeuner, et de manire gnrale merci pour tous ces moments o
jai ri en votre prsence et il y en a eu de nombreux.
Merci au CLJT Emilienne Moreau pour mavoir offert beaucoup plus quun toit lors de mon
arrive sur Paris. Les multiples rencontres que jai faites dans ce lieu ont eut une incidence
certaine sur ce que je suis devenu. Jespre simplement ne jamais oublier cette priode et, plus
encore, jespre tre capable dappliquer ce que jai pu y apprendre. Merci tout
particulirement Tommy et la quiche pour avoir fait durer laventure lors de la colocation.
Merci Denis Lafeuille du cycle DFE et Philippe Richard de FinanceFi pour avoir largi ma
vision de lunivers professionnel qui soffrait moi. Je les remercie aussi pour leurs qualits
humaines qui sont la hauteur de leurs qualits professionnelles.
Merci de nouveau Jean Franois pour mavoir aid lorsque je cherchais un appartement et
pour moffrir la possibilit de continuer dans le milieu de lexploration ptrolire.
Enfin merci ma famille et principalement mes parents, ma marraine et ma grand-mre pour
leurs encouragements tout au long de ma thse et surtout pour mavoir offert un cocon
protecteur loin de tout o je pouvais me ressourcer par moments.
Pour finir, merci Graziella pour me supporter et pour allger mon esprit tout en me faisant
garder les pieds sur terre.
Rsum
Ce travail traite de l'interprtation smantique d'une image sismique, communment appele
interprtation sismique. Cette dernire permet de formuler une reprsentation du sous sol
partir d'une image physique en trois dimensions obtenue par enregistrement des chos d'une
onde acoustique traversant le sol.
L'interprtation sismique reprsente une longue et dlicate tape de la chane de traitements
relative l'exploration ptrolire. Bien que le type de ces images soient trs spcifique au
domaine, les difficults rencontres lors d'une telle tude sont comparables celles
rencontres dans la plupart des interprtations d'image : traitement d'images, mise en
correspondance de reprsentations abstraites avec des images issues de capteurs,
interprtation smantique... Dans cette thse, nous avons choisi de profiter des dernires
avances ralises dans le monde de l'interprtation d'image assiste par ordinateur et plus
spcifiquement les dernires recherches ralises en vision cognitive.
L'objectif de ce travail est de raliser une nouvelle plateforme d'interprtation sismique 3D
semi-automatique base sur la connaissance gologique employe aujourd'hui par les experts
du domaine. A l'heure actuelle, la majeure partie des solutions apporte notre problme
d'tude est oriente vers les traitements d'image et l'utilisation de quantits d'attributs
sismiques. Elles fournissent un rsultat interprtable par un expert qui ralise alors une
correspondance informelle entre la nouvelle image obtenue et des objets gologiques. Nous
dsirons explorer une nouvelle mthodologie mettant en avant la formalisation de la
connaissance utilise dans l'interprtation sismique comme la vision cognitive le permet et le
conseille. Ainsi, nous caractrisons le rsultat des traitements d'images oprs sur le bloc
sismique grce des concepts et relations visuels provenant d'une ontologie ddie. Ces
caractristiques nous permettent alors de formaliser l'interprtation d'objets gologiques
partir de ces instances et ainsi de proposer de manire automatique des solutions
d'interprtation d'un bloc sismique, que l'expert pourra choisir de valider.
Dans ce travail, nous avons coeur de nous concentrer sur l'identification de deux premiers
objets gologiques identifier dans une image sismique : les horizons et les failles. Une
ontologie de ce domaine d'tude est propose afin de servir de base pour la cration de la
plateforme d'interprtation et des rsultats sur diffrents blocs sismiques sont comments.
Mthodologie gnrale.
Mthodologie propose.
Extended abstract
1. Introduction
1.1. Subject definition
This work deals with the semantic interpretation of a 3D seismic image in order to build a
shared earth model. For achieving this goal, we propose a method which enables to build in a
largely automated way, starting from a 3D seismic image, a basic earth model composed of
horizons and faults, whose various mutual relationships are fully defined and geologically
consistent.
A 3D seismic image is a visual representation of the subsurface. It is constructed by
recording wave reflections on sedimentary interfaces. (cf. figure 1).
As they deal with noisy images of huge sizes, these operations are heavy to realize. However,
it seems to us that the main problem of seismic interpretation lies in the fact that this task is
operated without considering any significant embedded knowledge. This is paradoxical since
the final structural model results from interpretations operated by various domain experts
(geophysicists, geologists, sedimentologists, etc) Considering the toy example shown on
figure 3 constituted by two hand-picked surfaces, the expert user must decide which surface
will intersect the other one by using geological criteria, which result from his understanding
of the geological context of the model.
2. Proposed method
2.1. Overview
In contrast to current seismic interpretation methods, we propose a new interpretation
approach, which is not based on mere image processing but on considering the geological
knowledge that can be associated to seismic images.
We choose to manage this knowledge by means ontologies which enable formalizing, using
and sharing all useful concepts, relations, attributes and instances.
Our approach is based on the cognitive vision method, which is operated in various domains
by the PULSAR team at INRIA Sophia Antipolis. In accordance with the Marr paradigm, we
thus define a seismic interpretation system by means of 3 abstraction levels of object visual
representation as illustrated on figure 4.
10
opinion, the first issue to be solved when building a structural model resting on seismic data.
Considering the delay that was available for performing this work, we thus decided to
concentrate on that one issue, considering that other important elements such as diapirs,
channels or chimneys will eventually be objects of future work;
3. Application
3.1. Horizon interpretation
3.1.1. Knowledge representation
Horizon interpretation is based on the stratigraphic column model. Sedimentary deposits are
represented as stratigraphic sequences, each constituted by a vertical succession of parallel
layers. Considering a normal succession, the deepest layers are supposed to be the oldest ones.
The ontology that was defined for identifying horizons handles some of the properties of this
model. Reflector is the main concept of this ontology. A reflector is defined thanks to the
following visual properties (see figure 6) issued from geology:
chronological relationships with other reflectors: this allows to determine the position
of the considered reflector within a given sequence
thickness (integer) and color or amplitude (float), which allow the reflector
identification.
eventually the distance to some well marker: when available; this parameter allows to
directly associate a reflector with a geological horizon.
11
Since very low amplitude reflections in the seismic image have generally little interest, we
first eliminate values lower than a threshold fixed by the user. The eliminated values most
time correspond to noisy zones where no useful signal can be detected. The operated
thresholding allows to significantly reduce the volume of data to be processed and thus
simplifies all the following operations.
Since the resulting image is generally still large, thresholding must be completed by a
thinning of the remaining reflectors, which allows to only keep the most significant
information. The resulting image is shown hereunder on figure 7.
Thanks to these thresholding and thinning operations, it is possible to represent the resulting
seismic image into a 3D sparse matrix, whose size is generally around 25% that of the original
image.
The last data management step consists in identifying main reflectors of the seismic image.
Parsing the sparse matrix, we look for sets of connected voxels corresponding to first order
reflectors (cf. figure 8).
In this module, for each detected reflector, we compute numerical values related to the
various visual properties defined in the ontology. These values are stored as instances of
12
ontology properties attached to each reflector. For each reflector, we consider the following
properties:
thickness corresponding to the mean vertical thicknesses all along the considered
reflector.
Considering all local chronological relationships attached to the various detected reflectors, it
is possible to construct one global chronological relationship graph for all the reflectors. In
order to build this global graph, we merge all the local graphs which share at least one node.
An example of this merging is given on figure 10.
13
The result provides a classification of reflectors in the geological time domain equivalent to a
Wheeler diagram or to a Geological Evolution Schema.
3.1.4. Geological Correlation
This module enables to qualify each of the previously identified reflectors as partly or totally
corresponding to some geological horizon.
The first step consists in merging all the reflectors sharing one same distance relation to a well
marker into one horizon that can be given the name of the well marker to which these various
reflectors are associated. This merging is most reliable since well markers represent accurate
geometrical information. That is why it is the first one to be operated.
The other visuals properties allow operating other merging. For this, considering a node
corresponding to some given horizon, we parse the global chronological graph searching for
two older or two younger nodes corresponding horizons having the same characteristics, i.e.:
sharing the same distance relation to the considered horizon,
having similar amplitudes, similar thicknesses and similar dips according to defined
thresholds.
The horizons sharing these same characteristics are then merged into one same horizon.
14
Figure 11: Characterization of four visual attributes on the global graph relative to reflectors
detected on the above seismic image.
Figure 11 shows from left to right four visual characteristics associated to the nodes of one
same graph. These characteristics respectively represent the chronological relationships, the
thickness, the amplitude and the dip of each reflector associated to one node of the graph. We
clearly see that nodes E and G share similar characteristics. Accordingly, these 2 nodes are
merged into one same node representing one horizon composed by these 2 reflectors, as it is
shown on figure 12. This new node will then be itself eventually taken into account for future
merging.
15
The various threshold parameters that are used for establishing similarities between visual
characteristics are given default value that the user can choose to modify when it is needed.
All these parameter values are recorded as instances of ontology properties attached to each
process concept in order to keep the memory of how the resulting objects were interpreted.
By applying the above methodology, the user can run a semi automatic interpretation of the
horizons located in the seismic block. He can also easily run again the same process using
different parameters or considering new information such as new exploration well data for
instance.
We developed for fault interpretation a methodology similar in its principle to the one used
for horizon detection.
A fault is a planar or gently bent geological surface which disconnects a horizon sequence. On
a seismic image, a fault corresponds to an area which is locally planar and in most cases
noisy. Moreover, it induces a disconnection and a displacement of all the reflectors located in
its vicinity (cf. figure.13).
16
As illustrated on figure 15, all the attributes, relations and concepts required for interpreting a
fault in a seismic image are defined, in this case also, in an ontology.
This module allows identifying horizon disconnections that will be further characterized in
the next step.
Each horizon is projected on a plan. The horizon is then viewed as an array which dimensions
are [number of crosslines] x [number of inlines] on the seismic image and whose cells are
affected with the local Z values of the voxels composing the horizon. By parsing the resulting
17
array line by line (or column by column), we can identify filled cells that are not connected.
Such voxel gaps correspond to horizon disconnections (cf. figure 16)
This module affects to the identified horizon disconnections the visual characteristic values
previously defined in the ontology
For each horizon disconnection, we compute a heave corresponding to the vertical distance
between the higher and lower points of the disconnection and a throw corresponding to the
horizontal distance between these two points. We also compute a dip corresponding to the
18
angle of the segment joining the two points of each disconnection with respect to the local
direction of the horizon.
Finally, we parse the seismic block through inlines and crosslines in order to check eventual
colinearity of the horizon disconnections. Colinearity is detected when at least 3 higher or 3
lower disconnection points lie on the same line in a given cross-section. (cf. figure 18). The
identified colinearities are stored as instances of ontology relations attached to each horizon
disconnection.
Figure 18: 3 disconnection points lying on the same line of a cross section.
Horizon disconnections are merged when they are locally collinear all along and when they
locally share the same heaves, throws and dip (with approximations according to fixed
thresholds).
Disconnection merging provides uncertainty areas which correspond to linear zones inside
which faults are supposed to be present. We arbitrarily choose to position the faults in the
middle of these areas. However, the uncertainty areas are also stored in the ontology by means
of throw and heave values that are represented as instances of ontology properties attached to
each horizon disconnection. It allows us to eventually adjust fault positions afterwards for
keeping geological consistency.
4. Results
The above described methodology was applied to various seismic blocks. We will consider
here the results that were obtained by processing the Alwyn seismic block, which corresponds
to data provided by Total UK related to a field located in the North Sea. This seismic block
comprises 1163 inlines, 849 crosslines and 1001 timelines. The Alwyn geology is represented
on figure 19. The structural style corresponds to tilted and eroded fault blocks dipping to the
west and aligned in a north-south direction corresponding to the main normal fault trend. The
hydrocarbon columns are restricted to the Brent Group and, more specifically to the Tarbert
formation and to the upper parts of the Ness Formation.
19
20
Thanks to our automated methodology, we were able to extract more surfaces since we could
explore the block in totality. The table hereunder shows the number of reflectors detected and
the number of horizons interpreted for given amplitude threshold values. It also shows the
running times that were needed for obtaining these results.
Amplitude
Threshold
Number of
detected
reflectors
Merging time
(sec)
Number of
interpreted
horizons
Total time
(min)
25000
1,35
10000
85
372
54
19
9000
137
557
90
30
8000
209
1860
120
60
Figure 21 shows the surfaces that were obtained for an amplitude threshold value of 10 000.
In this case, a significant number of surfaces were interpreted, which allows the user to have a
global view of the geological structure.
We notice in particular that some horizons were detected between the two horizons top Brent
and top Dunlin that are respectively figured in yellow and in green on figure 21 (see for
instance the horizon figured in light brown, which lies just above top Dunlin on the figure).
Identifying horizons in this particular zone is considered as a good result by interpreters, since
automated tracking by commonly used software is made impossible by a poor quality image
and a significant level of noise.
21
Figure 21: 54 automatic picked horizons for a 10 000 amplitude threshold value.
Figure 22: Geometrical verification concerning the Top Dunlin horizon: the surface resulting from an
automated interpretation using our method (red) well fits with the handpicked Top Dunlin
surface (green).
The only horizon that was not correctly interpreted is BCU. The reason for this is that BCU is
an erosion surface that is signalled by no proper seismic reflection. Since the ontology that we
22
use identifies reflector as the main elements to be considered for surface interpretation, it
cannot be used for detecting erosion surfaces.
Extraction and
characterization
time (sec)
Number of
horizon
discontinuities
Merging time
(sec)
Number of
faults
25000
8,5
40
0,5
10000
127
1191
475
44
23
9000
161,5
1976
1214
101
8000
223,7
4215
5356
287
Figure 24 illustrates results that were obtained using a 9000 amplitude threshold value.
We can see that the main north south fault trend was well interpreted. However, the transverse
faults were not very well detected on this particular interpretation. By rerunning this
interpretation with different parameters (amplitude threshold for horizon detection, heave and
throw constrain), we can obtain other fault interpretation. For instance for a 10000 threshold
amplitude value, we obtain less fault but one more transverse fault as it is shown on top left of
the figure 25. The faults, which appear on several interpretations are of course more reliable
than the other ones.
24
25
Figure 26: Interpreted faults on the Top Dunlin horizon (in green and blue).
5. Conclusions
The present work takes advantage on recent research achievements in the cognitive vision
domain for proposing a largely automated methodology for seismic interpretation.
For representing the gross architecture of the system that we propose, we defined three
abstraction levels that are linked by an ontology representing geological knowledge. The
lowest level is in charge of extracting from the seismic image a set of candidates potentially
corresponding to geological objects. The second level allows to visually characterize these
candidates by means of attributes and relationships defined in the ontology. These properties
are directly deduced from geology. Finally, the highest level allows to merge the validated
candidates, which share similar characteristics, into actual geological objects.
The ontology that was defined provides the necessary knowledge for characterizing
candidates and for associating them to geological objects. In our study, the ontology more
specifically defines the information that is necessary for identifying horizons and faults in a
3D seismic image.The ontology is also used as a support for allowing the storage of all the
created instances with their properties as well as the storage of all the parameters that were
used for creating these instances.
Future work should be dedicated to adding new knowledge to the defined ontology and to
developing related algorithms. This will lead to better interpretations and to identifying other
geological objects with the final goal of building more accurate and better informed structural
models.
26
INTRODUCTION .............................................................................................................. 39
LA GEOLOGIE ................................................................................................................ 39
2.1.
Objets gologiques simples .................................................................................. 39
2.1.1. Les interfaces sdimentaires ................................................................................ 40
2.1.2. Les contacts tectoniques ....................................................................................... 43
2.2.
Objets gologiques composs............................................................................... 44
2.2.1. Les squences stratigraphiques ............................................................................ 44
2.2.2. Les systmes de failles .......................................................................................... 45
3. LA GEOLOGIE PETROLIERE............................................................................................. 46
3.1.
O se trouve le ptrole? ....................................................................................... 46
3.2.
La formation des bassin sdimentaires ................................................................ 46
3.3.
La formation du ptrole........................................................................................ 48
3.4.
La formation d'un gisement .................................................................................. 48
3.5.
Trouver le ptrole ................................................................................................. 50
4. LA MODELISATION GEOLOGIQUE ................................................................................... 50
4.1.
Plusieurs modles gologiques ............................................................................ 50
4.2.
De la sismique au modle structural .................................................................... 51
4.2.1. Les donnes d'entre ............................................................................................ 51
4.2.2. L'interprtation sismique...................................................................................... 55
4.2.3. La formalisation de l'interprtation ..................................................................... 58
4.2.4. Diagramme de Wheeler ........................................................................................ 59
4.2.5. Une syntaxe gologique ....................................................................................... 60
5. CONCLUSIONS ............................................................................................................... 63
CHAPITRE 2 : TAT DE L'ART ........................................................................................ 65
1.
2.
INTRODUCTION .............................................................................................................. 65
L'INTERPRETATION SISMIQUE ........................................................................................ 65
2.1.
Un bref historique ................................................................................................ 65
2.2.
Attributs sismiques ............................................................................................... 66
2.2.1. Dfinition gnrale ............................................................................................... 66
2.2.2. Classification des attributs ................................................................................... 66
2.2.3. Cohrence............................................................................................................. 67
27
INTRODUCTION .............................................................................................................. 93
5.1.
Principe de la mthode propose ......................................................................... 93
5.2.
Architecture adopte ............................................................................................ 93
5.3.
Ralisation ............................................................................................................ 94
2. LINTERPRETATION DES HORIZONS ................................................................................ 97
2.1 Module de connaissance ............................................................................................ 97
2.2.
Module de gestion des donnes .......................................................................... 100
2.3.
Module de caractrisation visuelle .................................................................... 109
2.4.
Module de corrlation gologique ..................................................................... 118
3. LINTERPRETATION DES FAILLES ................................................................................. 122
3.1.
Module de connaissance .................................................................................... 122
3.2.
Module de gestion des donnes .......................................................................... 124
3.3.
Module de caractrisation visuelle .................................................................... 126
3.4.
Module de corrlation gologique ..................................................................... 127
4. EXPORTATION DES RESULTATS .................................................................................... 128
4.1.
Exportation des horizons .................................................................................... 129
4.2.
Exportation des failles ........................................................................................ 131
5. CONCLUSION ............................................................................................................... 131
CHAPITRE 4 : RESULTATS ............................................................................................. 133
1.
1.1.
Histoire gologique ............................................................................................ 133
1.2.
Le bloc sismique Alwyn ...................................................................................... 135
2. LINTERPRETATION DES HORIZONS .............................................................................. 137
2.1.
Cration de la matrice creuse ............................................................................ 137
2.2.
Extension et caractrisation des rflecteurs ...................................................... 139
2.3.
Fusion des rflecteurs en horizon ...................................................................... 139
3. LINTERPRETATION DES FAILLES ................................................................................. 155
3.1.
Les failles connues dans Alwyn .......................................................................... 155
3.2.
Les failles obtenues ............................................................................................ 157
4. EXPORTATION ............................................................................................................. 162
4.1.
Modlisation ....................................................................................................... 162
4.2.
OWL ................................................................................................................... 164
5. BILAN .......................................................................................................................... 166
PERSPECTIVES ET CONCLUSIONS ............................................................................. 169
1.
29
30
Introduction
Cette thse traite de l'interprtation smantique d'une image sismique 3D en vue dobtenir un
modle structural partag. La faisabilit de la mthode propose est prouve sur la cration
d'un modle structural basique c'est dire compos essentiellement d'horizons, de failles et de
leurs relations.
Une image sismique 3D est une reprsentation volumique visuelle du sous sol obtenue par
enregistrement des chos d'une onde acoustique traversant le sol.
L'interprtation smantique d'une image consiste construire du sens partir des donnes
provenant de la scne analyse c'est--dire structurer ces donnes, reconnatre les
diffrentes entits qui composent l'image, comprendre leur organisation spatiale et
construire une description de la scne.
Un modle structural est un go-modle qui fournit une reprsentation des divers objets
gologiques (horizons, failles, chenaux, diapir, etc.) prsents dans tout ou partie dun prospect
et de leurs relations mutuelles.
Partag signifie que ce dernier devra pouvoir tre utilis avec autant de facilit par
n'importe quelle application.
1. Dfinition du sujet
1.1. Image sismique
Comme il est illustr sur la partie gauche de la figure 0.1, une source sismique, telle quune
explosion de dynamite, un canon air comprim ou un vibrateur, gnre de lnergie qui se
31
diffuse lintrieur de la Terre sous forme dondes acoustiques traversant les diverses
couches gologiques avec des vitesses de propagation donnes. A linterface entre deux
milieux rocheux de vitesses diffrentes, une onde est gnralement pour partie rfracte et
pour partie rflchie en accord avec les lois de Descartes. [Schlumberger Oilfield Glossary,
2009]
Grce des rcepteurs placs la surface indiquant le temps que l'onde a pris pour
parcourir un aller retour et en connaissant la vitesse de propagation de l'onde, on peut ainsi
avoir une ide de la position o l'onde s'est rflchie. Aprs traitements, ces informations sont
donc corrles afin dtablir une image du sous-sol que l'on nomme une image sismique
visible droite sur la figure 0.1.
Les valeurs des pixels de cette image correspondent l'amplitude avec laquelle s'est
rflchie l'onde. On a donc pour chaque colonne d'une telle image, aussi appele "trace", une
succession verticale d'amplitudes positives puis ngatives plus ou moins fortes qui
correspondent des changements verticaux de milieux plus ou moins marqus dans le soussol. La figure 0.2 illustre quelques unes de ces colonnes.
Figure 0.2: Quelques traces sur un morceau d'une image sismique 2D.
En deux dimensions, l'image rsultante montre une succession verticale de lignes paisses
valeur positive puis ngative que l'on appelle couramment "rflecteurs".
Enfin en trois dimensions, ces rflecteurs apparaissent sous forme de surfaces paisses.
32
E
E
A
F1
C
F
2
F3
A
B
F
4
F
4
B
F
3
F
2
F
1
B
A
Figure 0.3 : Gauche -Reprsentation dun modle structural sous forme de surfaces.
Droite - Reprsentation dun modle structural sous forme d'un graphe.
Structural
model
Stratigraphic
model
Reservoir grid
Upscaling
Well and
seismic
data
Property model :
facies, porosity,
permeability
Facies proportions
Flow simulation
Production forecast
33
Entre chaque picking, un algorithme est charg d'interpoler le meilleur chemin 2D dcrivant
l'objet souhait. Cette interpolation entre deux positions peut tre de type linaire ou alors
suivre une loi plus complique. On parle alors d'algorithme de type tracking.
Ce genre d'algorithme est ensuite utilis pour tendre la slection picke l'ensemble du bloc
3D (cf. Fig 0.6).
34
2. Problmatique
2.1. Interpretation sismique
La problmatique principale de cette thse concerne l'interprtation d'une image sismique par
un ordinateur. A ce jour, cette tche est ralise de manire trs incrmentale avec
manipulations, oprations et vrifications des donnes chaque tape. Elle ncessite plusieurs
mois d'tudes et la coopration de plusieurs experts du domaine.
Chaque objet doit tre pick avec prcision puis track sur l"ensemble du bloc. Or ce bloc est
fortement bruit (du l'acquisition physique) et la plupart des objets apparaissent ainsi trs
dconnects voire invisibles. Mme si le picking manuel permet un contrle total, le tracking
a ses limites et n'arrivent pas toujours tendre une slection comme l'utilisateur le voudrait.
Outre des difficults que nous qualifierons de techniques comme la gestion d'images de trs
grandes tailles (plusieurs gigaoctets) ou encore le travail sur des images fortement bruites, il
apparat que le problme principal de l'interprtation sismique relve plutt du domaine de la
connaissance qui n'est pas assez intgr dans les divers algorithmes actuels. En effet, le
modle structural recr par l'interprteur est le fruit d'un savoir provenant de diffrents
domaines tels que la gologie, la gophysique, la sdimentologie, etc....
Or, de nos jours, la majeure partie des plateformes d'interprtation nintgre que trs peu
de connaissance dans leurs algorithmes. Ces logiciels aident les experts du domaine
principalement par calculs et par visualisation, le logiciel ne propose pas vraiment de
solutions l'utilisateur. L'assistance des solutions actuelles est bien plus visible au niveau de
l'ergonomie qu'au niveau cognitif.
35
3. L'objectif fix
Notre objectif est d'apporter une aide consquente l'automatisation de l'interprtation
sismique. Nous souhaitons dvelopper une plateforme facilitant l'interprtation sismique en
automatisant tant que possible cette opration. La validation de cette plateforme se fait sur les
lments de base de la construction du modle structural : les horizons et les failles.
Pour raliser cela, nous pensons tirer partie des recherches en vision cognitive [Vernon,
2004] afin de pouvoir interprter notre image au mieux en se basant sur la connaissance lie
au domaine.
Enfin, le rsultat de notre interprtation doit contenir l'ensemble des informations qui le
caractrisent afin d'tre exploitable par n'importe quelle autre application.
Nos objectifs intermdiaires peuvent donc s'exprimer de la sorte :
-
Sur quels critres les experts arrivent extraire le modle structural partir
d'une image sismique 3D ?
-
4. Contributions
36
5. Contexte du travail
Le prsent travail est effectu dans la cadre dune thse CIFRE place sous la double
responsabilit de lEcole des Mines de Paris et de lIFP.
Du point de vue industriel, cette thse prend place au sein d'un projet de recherche de
l'Institut Franais du Ptrole (IFP) dnomm "Caractrisation de rservoir". Plus
prcisment, ce projet se rattache au domaine de l'exploration ptrolire qui vise calculer le
potentiel d'extraction d'hydrocarbures dans un champ ptrolier. Cette thse est place sous la
responsabilit de Jean-Franois Rainaud (Direction Technologie, Informatique et
Mathmatiques Appliques).
Cette tude tant en amont de la chane et ayant pour seul objectif un prototype non
commercial, aucune plateforme de dveloppement spcifique n'est impose. Cependant, toute
collaboration avec OpenFlow, la future plateforme de dveloppement de l'IFP, est
encourage.
37
6. Plan du mmoire
Ce mmoire est articul selon 4 chapitres.
Le chapitre 1 prsente le domaine mtier de ce travail. La premire partie de ce
chapitre expose les bases de la gologie connatre pour comprendre cette thse. Puis une
deuxime partie sefforce de montrer le rle de la gologie dans le monde ptrolier. Dans la
dernire partie, nous expliquons ce quapporte linformatique cette gologie ptrolire.
Le chapitre 2 traite de l'tat de l'art concernant notre travail. Aprs un bref historique,
nous nous efforons d'expliquer la mthodologie gnrale employe actuellement ainsi que
les dernires recherches effectues dans le monde de l'interprtation sismique. Aprs une
partie consacre lingnierie des connaissances, nous discutons de la vision cognitive, de
son but et des possibilits que ce domaine apporte l'interprtation d'image en gnrale.
Le chapitre 3 propose un descriptif dtaill de notre approche. C'est dans cette partie
que sont discuts nos choix sur la mthodologie suivie. Le lecteur est amen dcouvrir en
dtail la transformation de cette approche en un prototype. Deux tudes de cas illustrent ce
chapitre : la dtection des horizons et la dtection des failles. Les choix de l'architecture, des
structures des donnes ainsi que des algorithmes y sont notamment discuts.
Enfin, le chapitre 4 a pour rle de montrer les rsultats de notre application sur des
donnes sismiques relles. Nous vrifierons dans cette partie dans quelle mesure nos rsultats
sont la hauteur de nos objectifs.
En conclusion, nous parlons des contributions que nous avons apportes au domaine
de l'interprtation sismique 3D et des perspectives que cela engendre.
38
2. La gologie
Comme toute science, la gologie dfinit des objets spcifiques et associe ceux-ci au travers
de divers modles selon le domaine dintrt adress. Le domaine qui nous intresse concerne
la reprsentation de la structure du sous sol. Nous dcrirons ici les proprits des principaux
objets gologiques qui seront pris en considration ainsi que les relations entre ces objets.
Elles sparent deux strates sdimentaires, cest dire deux couches du sous sol dposes lune
au dessus de lautre et chacune composes de roches du mme type. Chaque interface
sdimentaire correspond un vnement gologique marquant comme une rosion,
lachvement dun pisode de dpt, le dplacement dune aire de dpt , etc
Ils sont gnrs par les mouvements transversaux qui affectent la crote terrestre et dont la
cause premire est le jeu des plaques tectoniques. Ces contacts correspondent des surfaces
de fracture le long lesquelles les masses rocheuses glissent de manire diffrentielle sous
leffet du champ de contraintes locales auxquelles elles sont soumises.
39
Les horizons sont gnralement disposs paralllement les uns aux autres mais sous l'effet de
divers facteurs lis aux particularits des environnements de dpt ou la tectonique locale,
il arrive que cette proprit ne soit pas respecte.
Conscients que la terminaison des interfaces sdimentaires relativement les unes aux autres
renseigne sur le mode de dpt des strates et ventuellement sur les vnements ultrieurs qui
les ont affectes, Vail et Mitchum [Mitchum, 1977] puis [Catuneanu, 2002] ont caractris les
diffrents types de terminaisons que peut possder un horizon. Un rsum de ces rsultats est
prsent ci dessous.
40
Onlap
DEFINITION
ATTRIBUTS GEOLOGIQUES
Truncation
DEFINITION
ATTRIBUTS GEOLOGIQUES
Toplap
DEFINITION
ATTRIBUTS GEOLOGIQUES
Downlap
DEFINITION
ATTRIBUTS GEOLOGIQUES
Concordance
DEFINITION
ATTRIBUTS GEOLOGIQUES
Aucune terminaison.
Connexion inexistante
41
2.1.1.2. Chenal
D'aprs la dfinition fournie dans [Schlumberger Oilfield Glossary, 2009], un chenal est une
dpression de forme gnralement concave et linaire dans laquelle les sdiments transports
par un flux aqueux constituent divers corps sdimentaires allongs
De manire plus image, il s'agit du lit d'une ancienne rivire assche remplie par des
alluvions et par des dpts ultrieurs.
Un chenal a un profil transversal concave et un profil longitudinal toujours allong qui peut
tre de type droit, mandreux ou tress.
42
Droit
Mandreux
Tress
Par ailleurs, un chenal peut s'tendre sur plusieurs centaines de mtres de largeur et sur
plusieurs kilomtres de longueur.
Bien qu'il existe des failles qui ne soient pas planes, nous portons essentiellement notre
attention dans le prsent travail sur les failles dont la surface peut tre assimile un plan.
Les failles peuvent avoir des extensions longitudinales extrmement variables, allant du mtre
la dizaine de kilomtres ou plus. Le dplacement relatif lun par rapport lautre des deux
panneaux dcoups par une faille est appel rejet. Le rejet s'attnue progressivement
lorsquon sloigne de la partie centrale de la surface de faille jusqu sannuler sa bordure
externe. Une faille est fortement continue sur sa surface excepte si elle est elle-mme
dconnecte par une autre faille. Dans ce dernier cas, elle n'est alors que continue par
morceaux. Le contour d'une faille est mal connu mais il est suppos de prfrence convexe.
On appelle panneau suprieur (Hanging wall) l'ensemble des couches sdimentaires localises
au dessus de la surface de faille et panneau infrieur (Footwall) l'ensemble des couches
sdimentaires localises en dessous. Il existe principalement 3 types de dplacements des
panneaux le long d'une faille :
43
1. Normal : Le dplacement est vertical, le panneau suprieur est dplac vers le bas et la
pente de la faille est d'environ 60 degrs par rapport l'horizontal.
2. Inverse : Le dplacement est vertical, le panneau suprieur est dplac vers le haut et
la pente de la faille est d'environ 45 degrs par rapport l'horizontal
Une faille n'est gnralement pas directement visible sur une image sismique. En effet, dans la
mesure o une faille n'est pas une surface homogne du point de vue des proprits physiques,
son comportement n'est pas homogne du point de vue de la propagation des ondes sismiques
et ce n'est donc pas un rflecteur.
44
Larrangement des strates l'intrieur d'une squence a fait l'objet d'une tude pousse de la
part de Vail et Mitchum dans [Mitchum, 1977]. En reprenant ces travaux, il est possible de
rsumer les diffrents arrangements d'horizons sous la forme ci dessous.
Figure 1.7 : Les diffrents arrangements des horizons dans une squence.
45
3. La gologie ptrolire
La gologie ptrolire utilise la connaissance gologique dans le but didentifier et d'exploiter
au mieux un gisement dhydrocarbures (ptrole et/ou gaz naturel).
Des dpts de sels minraux (sel gemme, gypse, potasse) lis lvaporation de leau
rsultant par exemple dun asschement des mers suite un changement climatique
important. Ces dpts sont dsigns sous le terme d vaporites.
46
Les sdiments se dposent dans les bassins, strate aprs strate, formant des empilements de
couches stratigraphiques. Par ailleurs, au cours de leur histoire, ces couches subissent divers
types de transformation. Constitus au dpart de vase, les sdiments subissent des
transformations sous leffet de la compaction due au poids des sdiments sus-jacents
nouvellement dposs. Ces transformations sont dsignes par les gologues par le terme de
diagnse. Elles entranent une rduction de volume des strates et une transformation de leur
contenu de vase en roches sous leffet de recristallisations. Ces transformations peuvent
entraner une rduction plus ou moins importante de la porosit.
Au
-300 Ma
-200 Ma
Figure 1.9 : La mme partie d'un bassin sdimentaire deux poque diffrentes.
Une autre consquence de laugmentation de la pression sur les couches lie laccumulation
des sdiments est la formation ventuelle de dmes de sel (encore appels diapirs). Les dpts
de sel gemme sont moins denses que les dpts non vaporitiques. Pour cette raison,
lorsquelles se trouvent comprimes sous leffet du poids des sdiments sus-jacents, les
couches de sel ont tendance remonter en formant des grosses bulles, puis des dmes. Dans
les dernires phases de monte du sel, il se forme galement des sortes de "gouttes" au dessus
du dme (voir figure ci-dessous). Le sel est par ailleurs un matriau non poreux et
impermable. Les dmes de sel vont donc arrter lcoulement du ptrole, lors de sa
migration, comme nous le verrons plus loin.
-100 Ma
Age actuel
Par ailleurs, au cours de leur histoire ultrieure, les couches sdimentaires peuvent
ventuellement tre exondes si la mer se retire et ultrieurement rodes en tout ou en partie.
Enfin, sous leffet de la tectonique, ces couches peuvent tre plisses et/ou failles.
47
48
Si les hydrocarbures rencontrent, linverse, une couche impermable qui arrte leur
migration vers la surface, ils sont alors pigs. Pour que les hydrocarbures puissent
saccumuler en quantit suffisante sous une couverture impermable et former un rservoir,
il faut que les piges aient une forme particulire favorable.
Trois types classiques de piges sont schmatiss ci-dessus. Les parties colores en marron
correspondent aux couvertures. Le pige en forme de dme, figur dans la partie gauche de la
figure correspond au type le plus rpandu appel pige anticlinal, qui reprsente 90% des
piges de trs gros gisements au Moyen-Orient. La partie centrale de la figure montre un
pige limit par une faille en compression, qui constitue une barrire impermable dans le
bassin. Enfin, la partie droite de la figure reprsente un pige limit par un dme de sel, le sel
tant un matriau totalement impermable.
Dans le cas o les hydrocarbures qui migrent sont constitus la fois de ptrole et de gaz
naturel, le gaz saccumule en raison de sa plus faible densit, dans la partie suprieure du
gisement. A linverse, leau, qui est plus dense que les hydrocarbures, saccumule dans la
partie infrieure du gisement.
49
Un rservoir peut se trouver des profondeurs allant de quelques mtres plus de 6000
mtres. Il peut stendre sur une superficie allant de quelques km2 quelques centaines de km2
et son paisseur peut varier de quelques mtres quelques centaines de mtres.
4. La modlisation gologique
4.1. Plusieurs modles gologiques
La modlisation gologique sintresse la reprsentation du sous-sol sur ordinateur. Elle
date des annes 80 et a t rendue possible grce aux progrs de la Conception Assiste par
Ordinateur (CAO) et de linformatique graphique.
La modlisation gologique est particulirement utilise dans le domaine de l'exploration
ptrolire o le nombre de donnes et les volumineux calculs effectus ncessitent l'emploi
d'ordinateurs. Dans ce cas, les modles gologiques utiliss (earth models) sont de plusieurs
types. Ils peuvent concerner soit des gisements, et donc des rservoirs individuels (modles de
rservoirs) soit des bassins dans leur ensemble (modles de bassin).
50
Structural
model
Stratigraphic
model
Reservoir grid
Upscaling
Well and
seismic
data
Geological Property
model :
facies, porosity,
permeability
Facies proportions
Flow simulation
Production forecast
Figure 1.14 : Vue densemble du workflow ddi la modlisation gologique dun gisement.
Comme nous pouvons le voir sur la figure ci dessus, plusieurs earth models sont utiliss lors
de la chane de traitements de l'exploration ptrolire :
Le modle stratigraphique est une extension du modle structural obtenue par ajout de
maillages volumiques. Ceux-ci permettant de discrtiser finement les volumes
dlimits par les surfaces gologiques. Il est souhaitable que les maillages se moulent
autant que faire se peut sur la structure des couches sdimentaires prsentes au sein
des volumes gologiques. Par exemple, si les dpts sont disposs de manire
parallle, le maillage sera fortement rgulier.
L'acquisition de donnes sismiques concernant un champ ptrolier on shore ou off shore est
ralise au moyen d'une technique appele sismique rflexion. Le but est d'explorer le soussol en profondeur. La sismique rflexion est une technique de mesure indirecte qui consiste
enregistrer en surface l'aide de capteurs des chos issus de la propagation dans le sous-sol
d'une onde sismique provoque par une forte vibration (dynamite, canon air, ...) Ces chos
51
sont gnrs par des interfaces sdimentaires qui correspondent un changement assez brutal
des proprits physiques (densit, lasticit) du sous-sol et qui, de ce fait, rflchissent les
ondes sismiques.
Deux proprits fondamentales sont enregistres par les capteurs : l'amplitude de l'onde
rflchie et la dure du trajet de l'onde. Ainsi, chaque position de rcepteur est enregistr un
signal qui reprsente l'amplitude de la rflexion en fonction du temps. Ce signal s'appelle une
trace. Il constitue les colonnes d'une image sismique.
L'image 3D est assimilable une matrice 3 dimensions appele bloc sismique. Les
coordonnes latrales de ce bloc sont relatives la position gographique des capteurs et les
coordonnes verticales sont relatives au temps de retour de l'onde. Enfin, les valeurs associes
chaque cellule (voxel) de cette matrice sont reprsentatives de l'amplitude de la rflexion en
ce point.
Selon les trois directions du bloc sismique, les coupes 2D effectues dans un bloc sismique
portent des noms diffrents : inline ou crossline pour des coupes latrales du bloc et timeslice
pour une coupe horizontale.
52
Un bloc sismique est reprsentatif d'un champ ptrolier de plusieurs dizaines plusieurs
milliers de kilomtres carrs. Il s'tend en profondeur sur quelques kilomtres. Le pas latral
entre deux voxels est environ de 10 50 mtres. La longueur de l'onde envoye dans le soussol ne permet pas de dtecter des diffrences de milieu dans des couches de moins de 7,5
mtres d'paisseur dans les meilleures conditions.
4.2.1.2. L'image sismique
L'image sismique est le rsultat de l'acquisition sismique. Elle est structure selon ses
colonnes que l'on appelle aussi trace. De par la nature de l'onde, une trace (colonne de
l'image) est constitue en fonction du temps d'une alternance entre plage d'amplitudes
positives et ngatives. C'est la valeur absolue de cette amplitude qui reprsente rellement
lintensit de la rflexion.
53
Chaque ligne noire ou blanche de la figure 1.17 (en bleu et en rouge sur le tableau)
correspond un rflecteur qui reprsente une interface sdimentaire (gnralement un
horizon). Il s'agit en fait de plages d'amplitudes de mme signe latralement connexes.
Bien que la dimension verticale soit initialement exprime en temps (en secondes), il est aussi
possible de la convertir en profondeurs (en mtres) afin que les relations de distance entre les
diffrents lments de l'image soient plus proches de la ralit. Pour cela, il est ncessaire de
connatre les vitesses de propagation des ondes dans les milieux traverss. En effet, si l'on
connat la vitesse de propagation d'une onde dans un milieu et le temps qu'elle a mis pour le
traverser, on peut en dduire l'paisseur de ce milieu. Un bloc temps est donc lgrement
trompeur par rapport la ralit. Cependant, la transformation en bloc profondeur est une
opration lourde car elle ncessite des temps de calcul trs importants.
Dans notre cas, la totalit des blocs que nous avons pu rcuprer pour tester la mthode que
nous proposons correspond des blocs temps.
4.2.1.3. Les marqueurs aux puits
54
Le picking est une opration qui vise pointer manuellement un objet d'intrt l'aide de la
souris. Il est gnralement effectu sur une section 2D de l'image sismique.
Le tracking (en 3D) ou autopicking (en 2D) est un algorithme dont le but est d'tendre la
slection faite lors du picking sur l'ensemble de l'image sismique. On trouve une bonne
illustration de cet algorithme dans [Dorn, 1998]
55
L'objet sismique le plus simple picker et tracker est le rflecteur. Il correspond soit
des fragments d'une ou plusieurs "interfaces sdimentaires". Par ailleurs, en fonction de la
plus ou moins bonne qualit de l'image sismique, il n'est pas toujours simple de tracker tel ou
tel rflecteur. Par exemple, sur la figure 1.19, quels rflecteurs de l'image reprsentent une
mme interface sdimentaire ? L'image b? Limage c? Lmergence de ces questions
dmontre quil nest pas possible dtablir une correspondance directe et automatique entre
rflecteur et horizon. A linverse lidentification dun ou plusieurs horizons partir dune
image ou dun bloc sismique rsulte dans tous les cas dune dcision motive de
linterprtateur. Cest donc une opration dinterprtation qui ne saurait se rsumer une
simple lecture de l'image mais qui ncessite au contraire un raisonnement bas sur limage et
sur une connaissance du domaine.
a)
b)
c)
A cause de cette difficult, dans la pratique, on ne pointe jamais l'ensemble des rflecteurs
composant une image sismique mais simplement les rflecteurs, qui reprsentent, du point de
vue de linterprtateur, des interfaces sdimentaires clefs pour la construction du modle
structural. C'est notamment le cas de ceux pour lesquels une correspondance peut tre tablie
avec des marqueurs aux puits.
Hormis le picking des rflecteurs importants, linterprtateur souhaite aussi dtecter des objets
gologiques plus complexes dans l'image tels que des failles, des chenaux, des dmes de sel,
etc... A la diffrence des rflecteurs, ces objets ne sont pas directement visibles sur le bloc
sismique. Ils sont signals, pour la plupart, par une ou plusieurs caractristiques particulires
telles que, par exemple, des dconnections de rflecteurs dans le cas d'une faille ou des
changements de pendages dans le cas dune succession de squences sdimentaires.
Habituellement, l'interprtateur modifie l'image initiale en usant d'attributs sismiques (que
nous dtaillerons dans le prochain chapitre) afin de mettre en valeur une caractristique
sismique particulire des rflecteurs (cf Figure 1.20). A la suite de ce traitement il peut alors
picker et tracker l'objet d'intrt d'une manire similaire celle employe pour
l'extraction des rflecteurs.
56
Figure 1.20 : Attribut sismique mettant en valeur les discontinuits des rflecteurs.
Le rsultat d'une telle opration fournit un ensemble de surfaces gologiques qu'il faut encore
assembler de manire cohrente afin d'obtenir un modle structural, sur lequel pourront tre
bass lensemble des earth models relatifs la zone prospecte.
4.2.2.2. L'assemblage des surfaces extraites
L'assemblage des surfaces extraites d'une image sismique se fait habituellement de faon
manuelle. Les surfaces sont prsentes dans un espace 3D sans autre information que leur
gomtrie. Le modlisateur slectionne celles qu'il souhaite intersecter et informe le logiciel
sur la faon d'oprer cette intersection (A intersecte B ou B intersecte A) . Le logiciel ralise
l'opration et enregistre la relation topologique dans un modle structural.
Le choix des surfaces intersecter relve dune interprtation de l'oprateur. En effet, comme
le montre la figure 1.21, il peut exister, dans un cas dtermin, plusieurs solutions pour
assembler des surfaces de manire gologiquement cohrente.
57
L'image (a) gauche de la figure peut, selon les cas, tre interprte :
selon le modle (b) au milieu : A s'arrte sur B. B est donc une surface d'rosion
selon le modle (c) droite : B s'arrte sur A. B n'est donc pas une surface d'rosion.
L'interprtation doit donc tre couramment effectue au cas par cas par le modlisateur en
fonction de sa connaissance du contexte gologique (qui nest dailleurs pas toujours ais
apprhender de manire correcte dans le cas o le nombre de surfaces entrant dans le modle
est lev).
58
59
4.2.5.1.1.
Les interfaces ou surfaces polarises sont des limites entre deux formations gologiques
dges diffrents, linterface considre tant elle-mme dge lge dune des deux
formations et dge lge de lautre. Une interface polarise aura donc une face tourne
vers une formation plus rcente (FTR) et lautre face tourne vers une formation plus
ancienne (FTA). De plus, nous affectons une proprit binaire chacune des faces : un ct
dinterface polarise est soit concordant, soit discordant (concordant signifiant
gomtriquement que cette face ne pourra pas venir recouper une autre surface, et discordant
signifiant au contraire que cette face pourra recouper des surface dun point de vue
gomtrique). Il existe en consquence quatre types diffrents dinterfaces polarises : les
surfaces parallles, les surfaces drosion (ou discordantes), les surfaces onlap (ou de dpt),
et les surfaces la fois discordantes et onlap.
60
4.2.5.1.2.
Contrairement aux surfaces polarises, les surfaces non polarises, failles ou contacts
anormaux, ont leurs deux faces tournes vers des formations plus anciennes. En effet, ces
surfaces correspondent des accidents, qui viennent perturber des formations gologiques
prexistantes. Typiquement, une faille F va venir "casser" un moment t un ensemble de
formations gologiques toutes plus anciennes que F. La faille viendra donc intersecter une
srie dinterfaces ayant chacune un ge ponctuel unique infrieur t.
Une relation lie deux vnements gologiques; lensemble des vnements et des relations
dfinies laide des rgles de la syntaxe constituant la structure dun modle gologique.
Toute relation entre deux surfaces gologiques est la fois chronologique et topologique :
Elle est chronologique car chacune des surfaces ayant un ge ponctuel unique, la
relation qui les lie est ncessairement de type "antrieur " ou "postrieur " ou
"contemporain de".
une relation topologique, qui est dduite du type gologique auquel se rattache
chacune des deux surfaces et de leur relation dge. Cette relation topologique est de
type recoupant-recoup, car, sauf trs rares exceptions, deux surfaces gologiques
ne peuvent pas se traverser mutuellement. Prciser la relation recoupantrecoupreviendra donc tablir lors de lintersection des deux surfaces, laquelle sera
recoupante et laquelle sera recoupe. Le tableau ci dessous prsente les diverses
combinaisons possibles de relations recoupant-recoup
Dans ce cas, nous avons juste lire le tableau reprsent dans la figure 1.22 pour trouver le
type de topologie entre les deux surfaces. Si lune des surfaces est non polarise, il suffit de
lidentifier dans le tableau une surface ayant ses deux faces discordantes.
61
Cette relation est particulire, et ne se prsente, en principe, que dans le cas de deux surfaces
non polarises. La relation topologique est alors de type "sarrte sur" et elle indique par elle
mme laquelle des deux surfaces ira sarrter sur lautre.
Le schma dvolution gologique (SEG) propos par [Perrin 1998] et repris par [Schneider
2002] est une structure de donnes arborescente particulire base sur la prise en compte de
la syntaxe gologique. Il permet de dcrire la structure dun modle gologique et
lenchanement des vnements gologiques dans le temps.
Le SEG est un graphe acyclique orient, dont chaque noeud reprsente un objet gologique et
chaque arc une relation chronologique ou topologique entre objets. Bas sur la syntaxe
gologique prcdemment dfinie, le SEG renseigne la fois sur la topologie et sur les
raisons pour lesquelles cette topologie est ce quelle est. On peut comprendre par exemple
pourquoi une surface est recoupe par une autre grce aux informations portes sur les faces
(FTR et FTA) respectives de ces deux surfaces. Le SEG correspond ainsi une reprsentation
formelle de linterprtation gologique sur laquelle est bas un modle structural donn. Par
voie de consquence, si lon modifie par exemple, sur un SEG donn, une des proprits d'une
face d'une surface, on modifie par l mme un lment de linterprtation gologique et du
mme coup linterprtation gologique densemble. En partant des mmes donnes initiales, il
devient alors possible de construire un modle structural diffrent.
62
5. Conclusions
Nous avons, dans ce chapitre, expos l'ensemble des informations provenant du domaine
mtier quil importe au lecteur de connatre avant daborder la lecture de la suite du mmoire.
Dans un premier temps, nous avons dfini les objets de base de la gologie qui seront utiliss.
Puis nous avons expliqu les grandes lignes de la gologie ddie notre application :
l'exploration ptrolire. Enfin, dans une dernire partie, nous avons dcrit la modlisation
gologique et tout particulirement l'tape qui permet de construire un modle structural
partir d'une image sismique 3D et de marqueurs aux puits.
En rsum, il a t montr que la gologie ptrolire ddie la recherche du ptrole se base
sur des concepts gologiques bien dfinis. Les gisements, les structures des rservoirs sont
constitus par des objets gologiques comme les horizons, les failles, etc... Ce sont ces mmes
types dobjets qui sont manipuls lors de la construction dun modle structural. Il faut
remarquer toutefois que ces objets sont reprsents sous diffrentes formes selon le domaine
dans lequel ils sont utiliss. Par exemple un horizon est :
63
dmarche SEM guide par la connaissance. Le challenge va donc tre pour nous de raliser le
pont entre les caractristiques gologiques des objets interprter et le modle structural
construire en s'appuyant sur l'interprtation de l'image sismique et sur les donnes de puits.
64
2. L'interprtation sismique
2.1. Un bref historique
Ltude de la rflexion sismique comme moyen de connaissance du sous-sol remonte aux
annes 1920. Il fallut toutefois attendre les annes 1960 et 1970 et l'avnement du traitement
de l'acquisition par une mthode de type "Common Mid-Point" (CMP) pour que cette tude
progresse de manire significative [Cartwright, 2005].
Les annes 1980 ont vu une amlioration de la qualit des sections sismiques 2D due la
digitalisation des informations. On a assist l'essor de la cration de blocs sismiques 3D,
d'une meilleure rsolution que celle des sections 2D. Louvrage d'Alistair R. Brown [Brown,
2004] devient alors une rfrence pour l'interprtation sismique en trois dimensions. La
digitalisation a par ailleurs permis le dveloppement de traitements spcifiques adapts aux
images sismiques tels que les attributs sismiques.
L'interprtation sismique qui se faisait jusque l majoritairement sur feuille de papier et au
crayon commence alors faire lobjet de logiciels ddis, l'usage de plus en plus courant de
donnes en 3D rendant ce passage ncessaire. Mais ce ne sera rellement que dans les annes
1990 que l'interprtation sismique 3D assiste par ordinateur fera son apparition en force
grce des logiciels tels que SeisWorks de Landmark (aujourd'hui Halliburton) ou Charisma
dvelopp par Schlumberger.
65
Par ailleurs, des travaux plus minoritaires ont t consacrs la caractrisation des lments
sismiques. Ils correspondent de premires tentatives dexpression de la connaissance
associe aux objets extraits.
66
Bien que tous les logiciels d'interprtation sismique ne proposent pas la mme classification
ni les mmes attributs, tous en proposent un nombre peu prs quivalent. Nous ne
dtaillerons donc pas l'ensemble de ces traitements mais, au travers de la description de trois
d'entre eux, nous tenterons de donner des exemples dmonstratifs de leur utilit.
2.2.3. Cohrence
Cet attribut est l'un des plus connus en interprtation sismique. Son but est de mettre en valeur
les discontinuits au sein du bloc sismique. Il est donc principalement utilis pour dtecter les
failles mais il peut aussi s'avrer important pour dlimiter d'autres objets gologiques comme
les chenaux, les dmes de sel, etc..
67
L'attribut de cohrence a t dcouvert et brevet en 1995 par Mike Bahorich et Steve Farmer
[Bahorich, 1995] puis amlior par Marfurt (1998). Lalgorithme utilis transforme l'image
initiale d'amplitude en un bloc de cohrence. Chaque pixel de ce bloc reprsente le degr de
similarit du pixel original avec ses voisins latraux.
En comparant 2 traces voisines (c'est--dire 2 colonnes voisines du bloc sismique), il est
possible de calculer leur similarit en tout point en prenant en considration les
caractristiques des pixels voisins. Par exemple, un attribut de cohrence extrmement
basique pourrait se baser sur la diffrence de valeurs entre deux pixels latralement voisins.
Soit i l'indice d'un voxel dans une colonne, soit B la colonne situe entre le colonne A et C et
soit B' la nouvelle colonne relative B aprs calcul de cohrence.
Alors B'[i] = | B[i] A[i] | + | B[i] C[i] |
Une cohrence trs forte sera alors signale par une valeur nulle et inversement une cohrence
trs faible par une trs forte valeur. La figure 2.2 ci-dessous prsente une illustration dun cas
trs basique en 2 dimensions.
Figure 2.2 : A gauche six traces originales. A droite, les traces correspondantes un attribut de
cohrence extrmement basique.
Dans le cas de la figure 2.5, une faille vient dconnecter des rflecteurs (en noir et en rouge
sur le tableau de gauche). De ce fait, la continuit latrale de ces rflecteurs n'existe plus, ce
qui se traduit par des valeurs de cohrence trs faibles au passage de la faille. Il devient ainsi
facile pour l'utilisateur de voir la faille et de la picker .
Cet exemple illustre le principe des attributs de type "cohrence". Bien videmment, les
calculs de similarit entre pixels sont gnralement bien plus complexes que le calcul dune
simple diffrence entre deux ou trois pixels. Par exemple, il est possible de calculer la
similarit de plages verticales de pixels latralement voisines ou mme d'effectuer des tests de
cohrence selon l'orientation du rflecteur et non pas simplement de manire latrale. De plus,
plus on effectue ce calcul sur un grand nombre de traces voisines et meilleur sera le rsultat.
68
Figure 2.3 : A gauche une image sismique traditionnelle (amplitude). A droite, la mme image aprs
un traitement mettant en uvre un attribut de cohrence.
2.2.4. Orientation
La prise en compte dattributs sismiques relatifs l'orientation est une aide prcieuse pour
l'interprtation. En effet, le dip (angle d'une surface avec l'horizontale) et l'azimuth (angle
entre la direction de la pente d'une surface et la direction du nord) sont des caractristiques
trs importantes des surfaces gologiques.
Dans le sous sol, les couches sdimentaires sont gnralement dposes de manire parallle
et horizontale. Cependant, du fait de mouvements tectoniques, les couches peuvent s'incliner
trs fortement par la suite. Lors d'une phase ultrieure de dpts sdimentaires, les nouvelles
couches seront dposs horizontalement et donc ne seront gnralement pas parallles celles
dposes antrieurement. Pour cette raison, les changements d'orientation de structures
gologiques peuvent tre des outils trs utiles pour mettre en valeur les diffrentes phases de
dpts.
Marfurt, (2006) fournit une bonne illustration d'utilisation dun attribut sismique de dip et
azimuth. A partir de chaque pixel du bloc, il trace diffrentes directions candidates puis
69
accorde chacune une note en fonction de leur cohrence au mme sens que celui expliqu
dans le paragraphe prcdent. La note la plus leve indiquera le dip au point considr
(figure 2.5)
A partir des dips et azimuths, il est facile de calculer d'autres attributs, par exemple le
paralllisme (cf. figure 2.6). On peut ainsi visualiser de manire plus claire les diffrentes
phases de dpts.
Figure 2.6 : Mise en uvre dun attribut de paralllisme sur un bloc sismique
Un autre attribut dvelopp dans Roberts (2001) et dit attribut de courbure, permet de
localiser les changements d'orientation locales.. Il permet notamment de mettre en valeur les
failles qui ne dconnectent pas les rflecteurs mais qui induisent un changement mineur de
leur structure, ainsi que le montre la figure 2.7.
Lattribut de courbure est galement trs utilis afin de dtecter les mandres d'un chenal (qui
ont une forme trs courbe et continue) et pour en localiser le lit. On peut aussi utiliser cet
attribut pour la dtection de structures telles que les dmes de sel ou les structures plisses
(anticlinaux ou synclinaux).
70
71
Lattribut de dcomposition spectrale est trs utilis afin de dtecter avec prcision l'paisseur
des couches rservoirs mais aussi pour identifier les chenaux qui creusent et donc modifient
l'paisseur de leur support.
La dcomposition spectrale reste un sujet de recherche trs actif. Elle est majoritairement
base sur la transforme en ondelettes [Castagna, 2003] plutt que sur la transforme de
Fourier discrte.
2.2.6. Bilan
Les trois types dattributs sismiques qui, ont t prsents fournissent divers types
dinformations. Il est important de noter toutefois qu'aucun attribut sismique n'extrait dun
bloc sismique un quelconque objet gologique. Lors de lutilisation dattributs sismiques,
lobjectif est de mettre en valeur une caractristique sismique qui devra encore tre interprt
par l'utilisateur.
De plus, au vu des lments qui ont t prsents, il apparat ncessaire dutiliser non pas un
mais plusieurs attributs sismiques afin dtre en mesure de raliser une relle interprtation.
Cela reprsente un cot lev en temps de calcul par l'ordinateur et en temps d'interprtation
par l'utilisateur.
Les attributs sismiques reprsentent un domaine d'expertise part entire. Il s'agira pour un
bon interprteur de savoir choisir les bons attributs parmi les centaines dattributs existants, de
les utiliser avec les bons paramtres et enfin savoir les combiner intelligemment afin de
dcouvrir les objets gologiques picker .
Au niveau des ressources informatiques, il conviendra de possder des machines capables de
faire tourner de lourds calculs sur des blocs de plusieurs gigaoctets, et ce, le plus rapidement
possible. Ainsi la cration dun bloc sismique de cohrence sur un micro-ordinateur de la
gnration actuelle requiert couramment une nuit de calculs.
.
Le dip steering est n suite une constatation d'une faiblesse dans le calcul des attributs
sismiques. En effet, ceux-ci sont gnralement calculs partir de corrlations strictement
latrales entre pixels. Ceci tient au fait que les rflecteurs sont gnralement plus ou moins
horizontaux. La dimension verticale est donc nglige.
Toutefois, comme nous l'avons vu dans le chapitre 1, une interface sdimentaire peut, sous
l'effet de mouvements tectoniques, subir une dformation induisant des dips non ngligeables.
72
Ces dips peuvent par ailleurs tre calculs laide dattributs sismiques ainsi que nous lavons
vu prcdemment..
L'ide du dip steering consiste corrler les traces aprs avoir calcul un attribut de
pendage (angle dinclinaison des rflecteurs) sur l'ensemble du bloc. De ce fait, il est possible
de renseigner la direction prendre en compte en chaque point de l'image pour le calcul d'un
quelconque attribut sismique. Celui-ci est ainsi utilis dans de meilleures conditions, ce qui
permet lobtention de meilleurs rsultats (cf. figure 2.9).
Figure 2.9 : Dtection dun rflecteur vu avec (rectangle bleu) ou sans (rectangle rouge) dip
steering Comme on peut le voir, la continuit du rflecteur au centre des rectangles
n'est assure que lorsque le dip steering est utilis.
2.3.1.2. Crossplotting
73
Il apparat alors clairement que le polygone jaune correspond une zone o les valeurs MuRho sont leves et les valeurs Lambda-Rho faibles. Dans cet exemple, il a t possible de
dtecter, grce la connaissance de ces attributs, une anomalie de gaz.
2.3.1.3. Meta attrinuts
L'ide du mta attribut part de la constatation quun interprteur doit gnralement utilser non
pas un seul attribut mais plusieurs pour dtecter ou vrifier la prsence d'un objet gologique.
Afin d'automatiser l'utilisation de plusieurs attributs, l'quipe ralisant le logiciel
d'interprtation OpenDtect a brevet une technologie base de rseaux de neurones
[Meldhal, 2000] permettant la cration d'un mta attribut simulant l'action de plusieurs
attributs.
L'expert picke un objet qu'il juge important, puis il slectionne une collection dattributs
susceptibles de mettre en valeur cet objet. Un rseau de neurones sera alors entran sur l'objet
pick afin de dterminer les pondrations d'utilisation optimales de chacun des attributs de
la collection. La convergence de cet algorithme fournit alors un mta attribut utilisable sur
l'ensemble du bloc sismique, qui mettra en valeur tous les objets qui fourniront la mme
rponse aux diffrents attributs slectionns.
74
Figure 2.11 : La rponse de diffrents attributs deux images sismiques synthtiques faisant
apparatre une faille
Cette technologie mise au point par Schlumberger amliore la dtection des failles aprs
calcul d'un attribut du type "cohrence". En effet, bien qu'il soit possible pour un utilisateur
bien entran de picker une faille sur un bloc de cohrence, lopration devient dlicate
lorsque le bloc est fortement bruit. Dans ce cas, l'extension partir d'une graine picke sur la
faille est fortement rduite.
Le but du Ant Tracking est d'amliorer ce rsultat afin d'obtenir une meilleure extraction
des donnes. Pour cela, Trygve Randen se base sur le principe de swarm intelligence
[Randen, 2001]. "Swarm intelligence" est un terme dsignant les comportements collectifs
qui mergent d'un groupe d'insectes.
75
Figure 2.13 : A gauche, une image aprs calcul de cohrence. A droite, la mme image aprs Ant
Tracking
76
77
Dans cette approche, lobjectif est de classer une collection de rflecteurs selon des attributs
prdfinis. Hilde Borgo choisit ceux-ci en considrant la forme de l'onde (trace du bloc) aux
niveaux des amplitudes maximales. Elle part de l'hypothse qu'un mme horizon sismique
fournit sur l'ensemble de sa surface une rponse sismique de mme forme.
De plus, comme ces calculs sont coteux en temps et en mmoire, Hilde Borgos base son
algorithme sur une matrice 3D creuse reprsentant uniquement les valeurs maximales
contenues dans le bloc. Cela lui permet dabaisser considrablement les ressources machines
requises pour lexcution du programme en vitant de perdre une quantit trop importante
d'informations. En effet, l'interprtation sismique prend gnralement en compte en priorit
les rflecteurs les plus puissants.
Figure 2.15 : En haut l'image sismique initiale. En bas, la mme image sous forme de matrice creuse.
Grce cette technique, le programme est ainsi capable de suivre un horizon mme s'il est
discontinu. En effet si lhorizon garde la mme signature de forme d'onde et si ses patchs sont
proches latralement, la fusion de ces derniers sera automatique.
il est alors possible de reprsenter les surfaces gologiques par squences successives de
dpt et non plus simplement en fonction de leur gomtrie. Ainsi chaque point d'une mme
surface a le mme ge et toute surface isochrone est reprsente dans un plan horizontal. (cf.
figure 2.16)
Cette reprsentation a le grand avantage de permettre l'utilisateur une comprhension des
dpts successifs. Celui-ci est alors en mesure d'identifier plus aisment les limites des
squences dans le bloc sismique et peut incorporer ces lments dinterprtation dans les
donnes extraites.
Pour atteindre ce dernier but, Monsen cre un graphe de relations haut et bas entre chaque
rflecteur. Il part pour cela de l'hypothse que, dans cas o un rflecteur est situ au-dessus
dun autre, il a t dpos dautant rcemment que la distance vertical qui le spare de ce
dernier est importante. Monsen peut ainsi convertir les distances relatives entre rflecteurs en
diffrences dges relatifs. La lecture dun tel graphe facilite grandement la construction du
diagramme de Wheeler.
2.4. Bilan
L'interprtation sismique a t grandement aide par les rcents dveloppements
informatiques et particulirement par lutilisation dattributs sismiques. Ceux-ci permettent
deffectuer des oprations que l'on peut assimiler des traitements du signal Ils conduisent
la mise en vidence de caractristiques sismiques que l'expert associe avec des
caractristiques gologiques. Comme le gologue est habitu raisonner dans un monde
peupl de concepts, attributs et relations gologiques, cette association lui rend l'interprtation
plus naturelle donc plus rapide. Les attributs sismiques permettent en quelque sorte lexpert
de s'abstraire du domaine de l'image sismique pour se placer dans un domaine plus
gologique.
79
L'utilisation d'une seule caractristique sismique n'est pas suffisante pour un raisonnement
complet. Ceci justifie de faire appel des techniques telles que le dip steering ou le
crossplotting . Celles-ci permettent d'associer deux ou trois attributs sismiques de la mme
manire que l'expert associerait diffrents concepts gologiques lors de son raisonnement.
Par ailleurs, les principaux dfauts des attributs tiennent leur nature bas niveau :
1. Ils sont trs dpendants de la qualit de l'image.
2. Ils sont fortement paramtrables, si bien que leur usage requiert une grande
connaissance du fonctionnement de chacun deux.
3. Ils n'apportent aucune interprtation directe de l'image mais ils mettent simplement en
valeur une caractristique sans extraction d'objets gologiques..
De nombreux travaux sont actuellement raliss afin d'amliorer la qualit des images
sismiques grce des pr-traitements. Ils sont centrs principalement sur lexamen des
conditions dacquisition sismique ou sur le dbruitage du bloc sismique par diverses mthodes
de traitements de l'image,. Comme ces travaux dpassent le cadre de la thse, nous ne
traiterons pas ce sujet ici. Nous renvoyons le lecteur aux articles de Barnes (2006), Fehmers
(2003), Azuaje (2002), s'ils souhaitent trouver des exemples de ces traitements.
Le problme des rglages des paramtres a aussi t tudi et l'avance la plus remarquable
dans ce domaine repose sur l'utilisation de rseaux de neurones. Outre le fait de pouvoir
slectionner plus de 2 ou 3 attributs sismiques, l'entranement du rseau de neurones sur une
interprtation ralise manuellement par l'expert (picking) permet le calibrage de chaque
attribut. Celui-ci est ralis en ayant pour objectif que le rsultat fourni par l'ensemble de tous
les attributs soit le plus proche possible du picking ralis. Ce calibrage est par la suite
exportable sur l'ensemble de l'image afin de mettre en valeur tous les objets possdant les
mmes caractristiques.
En revanche, l'interprtation des rsultats de lutilisation dattributs sismiques est une
opration que lexpert effectue en utilisant son savoir propre. L'extraction du rsultat final
reste ainsi une opration manuelle effectue aprs que l'expert ait corrl les diffrentes
caractristiques mises en valeur laide dattributs sismiques. Un seul travail de recherche
[Borgos, 2005] tente dapporter une solution automatique cette tape. En se basant sur une
description des formes des ondes, Borgos extrait automatiquement un ensemble de rflecteurs
partir d'une image sismique. Ceci lui permet de raliser une interprtation automatique
complte des interfaces sdimentaires.
Nous pensons pour notre part qu'une relle interprtation d'une image sismique doit aller
jusqu'a l'extraction des diffrents lments et jusqu leur assemblage au sein dun modle
structural. Pour cela, il convient de formaliser la connaissance ncessaire une
interprtation sismique complte afin de pouvoir utiliser cette connaissance sur le plan
informatique. Ceci conduit se pencher sur la correspondance entre attributs sismiques et
attributs gologiques. De plus comme le montrent les travaux les plus rcents mettant en
oeuvre la stratigraphie squentielle, les caractristiques de l'image sismique ne sont pas
suffisantes en elles-mmes. Il convient de prendre galement en compte les relations
existantes entre les diffrents lments d'interprtation, par exemple les relations haut-bas
utiliss pour la reprsentation d'un diagramme de Wheeler.
Compte tenu de cela, il convient maintenant dexaminer quels sont les moyens informatiques
actuels disponibles pour reprsenter et utiliser la connaissance. Cest ce que nous allons faire
dans les sections qui suivent.
80
Ainsi que le montre la figure 2.19, dans le cas d'un SBC, les principaux lments permettant
de rsoudre un problme sont constitus :
81
dune base de faits donnes (Working storage) permettant de mmoriser les donnes
relatives au problme rsoudre
une interface utilisateur (User interface) qui est le code permettant une interaction
entre l'utilisateur et le systme.
Afin de bien comprendre l'architecture entire d'un SBC, il est aussi important d'expliquer le
rle des individus qui interagissent avec le systme :
Utilisateur (User) : cest une personne qui souhaite consulter le systme de la mme
manire qu'elle consulterait directement un expert du domaine.
Les difficults rencontres dans la ralisation d'un tel systme se situent principalement lors
de l'acquisition de la connaissance venant de l'expert.
82
3.2.2. La modlisation
Lchec de cette stratgie a dbouch sur une seconde approche de lingnierie des
connaissances consistant voir celle-ci comme une modlisation. Si les systmes que l'on
construit visent simuler des performances d'experts dans un domaine particulier, pour une
tche prcise, ils n'ont dornavant plus la prtention de reflter ou modliser les processus
rellement mis en oeuvre par le cerveau humain. A partir des donnes et connaissances issues
des interviews et des verbalisations, l'ingnieur connaissance doit organiser cette
information et abstraire des concepts. En ce sens il s'agit bien de construire un modle. Le
but d'un concepteur de systmes bases de connaissances est de construire un artefact et non
pas de simuler ou reproduire le raisonnement rel d'un expert.
Cette approche a conduit llaboration de mthodologies de modlisation des connaissances
permettant dune part de modliser le domaine de connaissances, dautre part de modliser le
processus de rsolution et le raisonnement de lexpert. Le "modle dexpertise" propos dans
la mthodologie europenne KADS [Breuker, 1985] puis CommonKADS permettent de
dcrire la rsolution du problme par le systme base de connaissances (SBC). Dans ce cas,
la construction de modles repose sur trois dimensions : la tche rsoudre, les mthodes de
rsolution de problmes et les connaissances du domaine.
83
des ontologies dites de haut niveau qui contiennent "des concepts trs gnraux
comme lespace, le temps, la matire, les objets, les vnements, les actions, etc. [qui]
ne dpendent pas dun problme ou dun domaine particulier" [Lando 2006];
Enfin, selon Zacklad, (2007), toute ontologie possde des caractristiques particulires:
Comme dautres langages de reprsentation des connaissances, elles nont pas une
vocation exclusivement documentaire au sens de lindexation et de la recherche
dinformation mais elles visent aussi participer de lingnierie des connaissances
dun domaine et en particulier "spcifier explicitement une conceptualisation" pour
reprendre les termes de T. Gruber [Gruber, 1993].
84
Point corollaire du prcdent elles nont pas tre conues strictement partir dun
fond documentaire quelles viseraient indexer. Mme si les ingnieurs de la
connaissance responsables de sa conception utilisent souvent des outils
terminologiques appliqus des textes de rfrence du domaine, ils peuvent galement
sappuyer sur dautres sources dinformation comme des entretiens auprs dexperts,
lanalyse de bases de donnes, ou des conceptualisations ad hoc issues de leur propre
synthse des connaissances du domaine considr.
Bien que la dimension documentaire des ontologies ne soit pas, comme on la dit, leur
justification intrinsque, leur ancrage au sein du web smantique tend nanmoins,
pour autant quelles se diffusent effectivement, leur faire jouer un rle essentiel dans
la recherche et la mise en relation dinformation. Mais linformation dont elles visent
faciliter laccs est dabord celle du web invisible, celui constitu par les multiples
bases de donnes qui consignent linformation structure des processus daffaires et
des rfrences techniques.
En consquence, les ontologies formelles ne sont pas faites pour tre directement
exploites par des usagers humains engags dans une navigation hypertextuelle
comme cela pourrait tre le cas pour une classification documentaire ou un thsaurus.
Au contraire, les ontologies sont le plus souvent conues pour tre exploite par des
programmes informatiques.
3.4. Bilan
L'ingnierie des connaissances offre aux ordinateurs la possibilit de rsoudre un problme en
se basant sur la connaissance qu'utilisent les humains pour ce mme travail. Ceci est ralis
aux moyens d'un systme base de connaissance qui est dcompos en plusieurs modules
dvelopps par diffrents ingnieurs informaticiens.
Le module le plus difficile raliser est la base de connaissance. Il dcoule d'un travail qui
consiste acqurir la connaissance ncessaire en vue de la rendre utilisable par un systme
informatique. Au cours des dernires dcennies, on a pu voir cette tape se baser sur des
informations de plus en plus nombreuses et d'origines de plus en plus varies. On est ainsi
pass de la connaissance extraite du savoir d'un seul expert une connaissance acquise sur
des rseaux comme par exemple le web. Cette volution a t accompagne par des nouveaux
formalismes allant de simples rgles de production des ontologies en passant par diverses
modlisations. De ce fait, les implmentations ont aussi volu pour aboutir au format OWL
qui est le standard propos par le W3C pour le web smantique.
A titre de rsum, un graphique des diffrentes approches en acquisition de la connaissance
est fourni ci-dessous.
85
2. le niveau mdian est le niveau qui permet de passer des donnes numriques aux
donnes symboliques.
3. le haut niveau est le niveau smantique. C'est l que l'interprtation est ralise en se
basant sur des donnes symboliques.
Pour chacun de ces niveaux, on trouve encore deux subdivisions de la connaissance :
1. la connaissance dclarative : c'est la description des diffrentes entits connues par le
systme. Elle rpond la question "Qu'est-ce?"
2. la connaissance procdurale : elle dcrit comment extraire et utiliser les diffrentes
entits. Elle rpond la question "Comment?"
On retrouve notamment des architectures bases sur ces diffrents niveaux dans des systmes
comme VISIONS [Hanson, 1978] puis SCHEMA [Draper, 1996], SIGMA [Matsuyama,
1990] ou encore MESSIE I et MESSIE II [Garnesson, 1991], [Sandakly, 1995]. La
reprsentation de la connaissance sur les diffrents niveaux est ralise aux moyens de
schemas et de frames [Minsky, 1975] et de rgles d'infrences.
On peut trouver une tude dtaille sur ces diffrents systmes dans Crevier (1997) ou encore
dans Boucher (1999) et dans Hudelot (2005).
88
La vision cognitive repose sur trois fonctions cognitives principales qui sont :
L'apprentissage, qui permet de faire voluer la connaissance utilise et qui dcrit son
utilisation en fonction de l'exprience.
89
Lquipe PULSAR a aussi beaucoup travaill sur le pilotage de programmes afin de faciliter
la (re)configuration de programmes de traitement numrique de donnes. Plusieurs moteurs
ont t dvelopps comme OCAPI [Thonnat, 1994] devenu par la suite PEGASE [Vincent,
1997]. Le rle du moteur de pilotage de programmes est dexploiter la connaissance
concernant ceux-ci afin de construire un plan de programmes qui atteigne le but de
lutilisateur. Il mule la stratgie dun expert sur lutilisation des programmes.
Enfin lquipe PULSAR sintresse de trs prs linterprtation vido. Lobjectif de ces
travaux est de dtecter des objets mobiles (plus particulirement des personnes) et danalyser
leurs comportements [Brmond, 1998].
Lors de notre tude, un travail rcent de cette quipe, qui profite de toutes les avances qui ont
pu tre faites auparavant, nous est apparu trs proche de notre sujet. Nous proposons den
discuter dans le paragraphe suivant.
90
Figure 2.21 : L'architecture propose par Hudelot pour une plateforme d'interprtation smantique
d'image.
4.5. Bilan
Dans cette dernire partie, nous avons examin le paradigme de Marr qui a ouvert une
nouvelle approche pour linterprtation d'image par ordinateur. En se basant sur ce paradigme,
des travaux de recherche ont ajout une dimension dutilisation de connaissances priori
structures selon les 3 niveaux d'abstraction noncs par Marr.
Depuis peu, un nouveau domaine de recherche appel "vision cognitive" oeuvre pour
l'utilisation de facults cognitives, comme le savoir, dans les logiciels d'interprtations
d'image. Les avances de lquipe PULSAR, anciennement ORION, de lINRIA Sophia
Antipolis nous ont particulirement interpell dans ce domaine. Notament, Cline Hudelot
propose une architecture d'interprtation smantique dune image sur 3 niveaux en accord
avec le paradigme de Marr tout en formalisant la connaissance utilise via des ontologies.
Grce cette formalisation de la connaissance, les travaux de cette quipe rejoignent
entirement lapproche selon laquelle nous dsirons exprimer la connaissance de notre
domaine. Par ailleurs, du fait de la modularit de larchitecture propose, la coopration entre
les diffrents niveaux d'abstraction est parfaitement retranscrite. Pour ces raisons,
larchitecture dcoulant des travaux de lquipe ORION et propose dans la thse de Cline
Hudelot a reprsent une source d'inspiration incontournable pour le prsent travail.
91
5. Conclusion
Dans ce chapitre, nous nous sommes efforcs de prsenter les principaux domaines sur
lesquels nous allons nous appuyer pour la ralisation de notre travail.
Nous avons tout d'abord prsent un aperu des solutions existantes et des innovations
rcentes en matire dinterprtation sismique. Nous nous sommes penchs plus
particulirement sur la notion d'attribut sismique qui est la base de la majeure partie des
dveloppements actuels. Les rsultats fournis par la prise en considration dattributs
sismiques fournit l'expert des variantes de limage sismique originelle bases sur des
caractristiques sismiques diverses quil peut choisir.. Dans la mesure o le nombre d'attributs
sismiques utilisables est trs grand, des solutions plus ou moins automatiques ont t mises au
point afin de permettre leur utilisation combine. Cependant, malgr tous ces efforts,
l'interprtation sismique est une opration qui reste trs largement entre les mains de l'expert.
L'intervention de l'interprteur reste ncessaire dans la mesure o les attributs sismiques
auxquels il peut faire appel sont trs loin de reprsenter l'ensemble du savoir quil met en
oeuvre lors d'une interprtation. Par ailleurs, une fois linterprtation effectue, il est
impossible de rpondre la question de savoir comment telle ou telle donne a t interprte.
Seules demeurent les donnes nouvelles rsultant de linterprtation sans que celles-ci soient
aucunement renseignes relativement au contenu du travail d'interprtation effectu. .
La seconde partie du chapitre a t consacre l'ingnierie des connaissances. Nous avons
mis en relief la notion de systme bases de connaissances, qui permet rsoudre un problme
donn en se basant sur une connaissance priori du domaine. Dans la ralisation d'un tel
systme, la partie la plus dlicate concerne la phase d'acquisition de la connaissance. Plusieurs
approches ont t exposes. Nous avons montr quen quelques annes, la notion de
connaissance utile a volu et quon est ainsi pass de la considration de la connaissance
provenant d'une seule personne (un expert du domaine) celle de la connaissance d'une
communaut de personnes du domaine exprime le cas chant sur des supports divers
(document numrique par exemple). Le formalisme qui accompagne cette acquisition se base
de plus en plus sur une modlisation objet trs forte voue tre change sur des rseaux
notamment le web, ce qui a conduit lmergence de divers types dontologies.
Enfin, dans la troisime partie du chapitre, nous nous sommes concentrs sur la description
des systmes informatiques d'interprtation d'image bass sur la connaissance. Au travers du
paradigme de Marr, une mthodologie d'interprtation visuelle base sur 3 niveaux
d'abstraction porte les bases des systmes de vision actuelle. Des solutions performantes ont
t labores en rajoutant cette mthodologie, la possibilit de prise en compte d'une
connaissance priori du domaine. La plus complte de ces solutions est nos yeux la
mthodologie de vision cognitive propose par Cline Hudelot et qui dcoule des travaux
antrieurs de lquipe PULSAR. Elle utilise une formalisation de la connaissance par le biais
dontologies qui servent de moyen de communication entre les diffrents niveaux
d'abstraction.
Sur la base de cet tat de l'art, nous pensons tre en mesure de proposer une nouvelle
plateforme d'interprtation entirement ddie aux images sismiques. Cette proposition sera
dcrite dans le chapitre qui suit.
92
Reprsentation de la connaissance
5.2.2.
Ce module est celui plac au plus bas niveau de notre architecture. Son rle est de fournir un
ensemble de candidats interprtables par les modules suivants.
5.2.3.
Ce module est charg daffecter aux candidats extraits par le module de gestion des donnes
les caractristiques visuelles nonces dans lontologie comme ncessaires lidentification
de lobjet gologique correspondant.
5.2.4.
Ce module est celui qui est plac au plus haut niveau de la chane de traitements. Il met en
relation les candidats visuellement caractriss avec la description visuelle dun objet
gologique stocke dans lontologie. Ceci permet de raliser une interprtation de ces
candidats en objet gologique, si leurs caractristiques visuelles correspondent la description
stocke.
5.3. Ralisation
5.3.1.
Acquisition de la connaissance
Lacquisition de la connaissance a tout dabord t effectue par entretiens avec des experts
gologues spcialiss notamment en gologie structurale et en sdimentologie. Ceux-ci nous
ont communiqu les lments de savoir qui sont requis pour dcrire la gologie des rservoirs
et de leur environnement gologique. Prcisons par ailleurs, quafin dtre pleinement en
mesure de dialoguer avec ces spcialistes, jai pris soin dacqurir par moi-mme des
connaissances de base en gologie en participant notamment plusieurs modules de
formation sur le terrain. Jai galement complt mes connaissances par la lecture dun certain
nombre de traits de gologie, ce qui ma permis de comprendre quelle part de la
connaissance gologique est utile pour linterprtation sismique et comment cette
connaissance peut tre reprsente.
Par la suite, dautres entretiens avec des gophysiciens (principalement de lIFP) mont
permis dacqurir une meilleure connaissance de limage sismique et de ses modalits
dacquisition.
5.3.2.
Implmentation de lontologie
Lontologie reprsentant la connaissance acquise est formalise en OWL. Nous avons choisi
OWL car ce format a t cr pour devenir le standard du web smantique. Lontologie est
reprsente aux moyens de concepts possdant chacun divers attributs et partageant entre eux
des relations. Les attributs peuvent tre de type numrique (entiers ou rels) ou textuels.
94
Au niveau le plus bas de lontologie qui est relatif au module de gestion des donnes, on
retrouve des concepts que nous appelons candidats . Ils sont susceptibles dtre tout ou
partie dun objet gologique. Ces concepts dcrivent les objectifs du module de gestion des
donnes qui doit fournir des instances de ce type.
Le niveau mdian de lontologie est symbolis par les attributs et relations attachs aux
concepts candidats. Ces attributs et relations servent pouvoir dcrire les caractristiques
visuelles des candidats. Le module de caractrisation visuelle est charg de dfinir chaque
instance de candidat en renseignant lensemble de ses attributs et relations.
Enfin le niveau haut de lontologie correspond aux concepts reprsentant les objets
gologiques recherchs. Chacun de ces concepts gologiques contient au moins un concept
candidat caractris. Le module de corrlation gologique est en charge de dcider si tel
candidat possde les caractristiques ncessaires pour tre une partie dun objet gologique.
Dans le cas o ce test est confirm, le module instancie un nouvel objet gologique et y
attache linstance candidate ou alors attache linstance candidate directement linstance
gologique si celle-ci existe dj.
La figure 3.2 illustre le modle sur lequel lensemble des interprtations va sexcuter.
Implmentation de la plateforme
Chaque interprtation dobjets gologiques doit tre reprsente dans lontologie selon ce
modle. Puis pour chaque objet, il sagit de dvelopper :
95
Un modle gologique est constitu dun assemblage de surfaces gologiques. Ces surfaces
reprsentent les lments de base qui doivent tre identifis au sein de limage sismique en
vue de reconstruire le modle.
Dans les modles structuraux, les surfaces les plus importantes sont les horizons et les
surfaces de failles. Ces surfaces permettent de visualiser la succession verticale des strates
sdimentaires et leur dconnection ventuelle au passage des failles et donc de dcrire des
traits essentiels de la gologie de la portion modlise. Ces mmes surfaces dlimitent
96
diffrents blocs de matire gologique qui pourront par la suite tre leur tour peupls par des
proprits lithologiques ou ptrophysiques en vue de produire des modles stratigraphiques ou
des modles de rservoir.
Pour ces raisons, il nous est apparu que linterprtation des horizons et des failles est un
problme prioritaire. Dautres lments tels que les dmes de sel, les chenaux ou encore les
chemines reprsentent certes des lments dintrt pour la construction des modles
gologiques. Toutefois, vu le temps qui nous tait imparti pour ce travail de thse, nous avons
choisi de concentrer nos efforts essentiellement sur linterprtation des horizons et des failles.
Figure 3.3 : Des couches sdimentaires discontinues dues une rosion gauche, une faille
droite
97
Le modle gologique choisi ne permet pas linterprtation dhorizons dans lensemble des
cas observables. En effet, ce modle reprsente une structure du sous sol simple ce qui
constitue la grande majorit des sous sols ptroliers. Cependant, dans le cas de gologies plus
complexes, il est courant dobserver des couches renverses. Notre modle ne prend pas en
compte ce cas. En effet, une des hypothses sur lequel est bas le modle quune couche na
pas le mme ge quune autre couche situe au dessus ou en dessous. Elle est soit plus
ancienne soit plus rcente. De ce fait, tout renversement (multivaluation dun mme
rflecteur selon la dimension Z) ne pourra tre accept et les parties multi values devront
tre dconnectes afin dtre traites comme 2 horizons diffrents. Il sagira pour lutilisateur
de les fusionner manuellement aprs interprtation.
98
Une autre importante limitation rside dans la qualit de limage sismique. Dans la majorit
des cas et de plus en plus frquemment, nimporte quelle image sismique permet une
observation assez directe de ce modle. Limagerie sismique qui regroupe le travail effectu
aprs lacquisition sismique et avant linterprtation sismique est en charge de fournir une
image la plus facilement interprtable. Cependant, voici les points les plus durs rsoudre et
qui peuvent amener une image sismique fausse :
Fort pendage : Lors dune forte inclinaison, londe rflchie nest pas directement en
direction de la surface. Aussi, linformation rsultante de cette rflexion est de bien
moins bonne qualit voire inexistante.
Modification du signal : En outre, une onde tant altre par le milieu quelle traverse,
une rflexion situe en dessous de certaines structures peut tre fortement altre.
Cest notamment le cas des rflexions situes en dessous dune faille, dun dme de
sel ou dune chemine pour ne citer que les cas les plus courants.
Enfin, ce modle sappuie sur une reprsentation relle des structures. Les distances et
plus gnralement les gomtries observes dans limage sismique doivent correspondre la
ralit. Cela est bien le cas sur des images sismiques dites profondeur car la dimension
verticale reprsente la profondeur de la rflexion. En revanche, sur des images sismiques dites
temps , cette mme dimension reprsente le temps enregistr ente lmission et la rception
de londe. Les gomtries sont donc plus ou moins dformes en fonction des vitesses de
propagation des milieux traverss
2.1.3. Ontologie
Lontologie utilise pour identifier les horizons prend en compte lensemble des proprits et
des concepts numrs ci-dessus. Elle dfinit ainsi le rflecteur comme concept central pour
lidentification des horizons. Les caractristiques visuelles issues de la gologie prise en
compte pour la dfinition dun rflecteur sont :
son paisseur de type entier et sa couleur (amplitude) de type rel, qui permettent son
identification.
99
tre amen modifier les paramtres par dfaut et rexcuter plusieurs fois son
interprtation.
Limage sismique est de manire gnrale dlivre sous la forme dun fichier au format SEGY [SEG, 2002]. Ce format dvelopp en 1973 par la Society of Exploration Geophysicists est
une reprsentation dune acquisition sismique structure selon les traces sismiques (colonnes
de limage sismique).
100
Comme il est illustr sur la figure 3.5, on trouve dans un fichier SEG-Y des sections den-tte
(headers) dcrivant les caractristiques de lacquisition sismique puis des sections dcrivant
chaque trace de limage sismique.
Le Textual File Header contient 40 lignes dinformations textuelles totalement libres qui sont
destines tre lues par un humain.
Le Binary File Header contient des informations qui concernent lensemble du fichier SEGY. On y trouve par exemple les dimensions du bloc sismique ainsi que le type de
reprsentation dans lequel les donnes damplitudes de rflexion sont stockes (entier, rel,
etc..).
Les Extended Textual File Header, qui sont optionnels, apportent de nouvelles informations
comparables au Textual File Header.
Enfin lensemble des traces constituant le bloc sismique est renseign. Chacune delles est
reprsente au moyen de deux sections :
Le Trace Header qui donne des informations uniques sur chaque trace (comme par
exemple la position de la trace dans le bloc ou encore la position de la trace dans un
systme de coordonnes particulier tel quun systme de coordonne de projection
bas sur les latitudes et longitudes)
Le Trace Data qui donne les amplitudes de chaque rflexion au sein de cette trace.
Dans le cas spcifique de notre tude, beaucoup dinformations apportes par le format SEGY nont pas dimportance. En effet, la donne dentre est pour nous une image sismique.
Seules les informations relatives limage sont essentielles. Cest pourquoi nous
convertissons le format SEG-Y en un format plus adapt nos besoins. Ce format reprsente
simplement limage brute c'est--dire quil est comparable au fichier SEG-Y mais sans les
headers associs. Nous diminuons la taille du fichier denviron 3600 + 240 * Nt octets o Nt
est le nombre de traces composant le bloc sismique et nous garantissons surtout une structure
des donnes damplitude sous forme dun tableau 3D continu.
En outre, nous conservons aussi les mta donnes dcrivant les dimensions et le
positionnement du bloc sismique afin de connatre le nombre de cases composant le tableau
dans chaque direction. Ceci est stock sous forme dun fichier XML ce qui permet une
volutivit et un partage optimaux.
2.2.2. Stockage en mmoire de limage sismique
2.2.2.1. Seuillage et amincissement
Les fichiers SEG-Y ont pour la plupart une taille mmoire avoisinant sur le disque plusieurs
gigaoctets voire dsormais plusieurs dizaines de gigaoctets. A lheure actuelle la RAM
disponible dun micro-ordinateur avoisine 2 voire 4 gigaoctets. Il nest donc pas imaginable
de grer entirement un bloc en mmoire vive.
Il faut donc se poser la question de savoir si lensemble de limage sismique a un intrt pour
une interprtation gologique. Nous pensons que lintrt est trs limit dans les zones o les
rflexions sont trs faibles. Ignorer ces zones permet de rduire considrablement la taille du
bloc sismique en mmoire et donc tous les traitements associs. Nous choisissons donc de
101
raliser un seuillage de limage sismique afin de ne garder que les amplitudes les plus
significatives.
Tout comme lavait propos Hilde Borgos [Borgos, 2005] au sein de Schlumberger, il est
offert lutilisateur la possibilit dindiquer une valeur minimale en dessous de laquelle toute
valeur damplitude de limage sismique sera ignore. Le volume de limage stocke en
mmoire et la dure des traitements ultrieurs seront inversement proportionnels la valeur
du seuil choisi pour les amplitudes. Toutefois, si cette valeur est trop leve, nombre de
dtails de limage seront ignors. Choisir un seuil lev aura donc gnralement pour
consquence lidentification dun nombre dobjets moindre.
Comme on peut le voir sur la figure 3.6 qui reprsente 5 traces connexes dune section
sismique, seules les valeurs damplitude les plus fortes sont stockes en mmoire vive. Toutes
les cellules blanches sont ignores, ce qui permet de rduire de moiti la taille mmoire
requise pour le stockage du tableau.
A lissue du seuillage, limage reste gnralement trop volumineuse pour tre stocke en
mmoire vive. Nous procdons donc un amincissement ou linarisation des rflexions,
qui permet de rduire encore le volume de limage sans perte significative dinformations.
Comme on peut le voir sur la figure 3.6, les rflexions ont une certaine paisseur. Par
exemple, la premire rflexion prsente en haut gauche du tableau a une paisseur de 4
pixels. Aprs seuillage, cette paisseur est rduite 2 pixels. Or, le rflecteur associ cette
rflexion est une surface passant uniquement par le maximum de cette rflexion. Cest donc
une surface qui traverse une trace en un seul point et qui a donc une paisseur dun pixel.
Pour cette raison, nous choisissons damincir toute rflexion un seul pixel. Ce pixel est
arbitrairement fix au milieu de la rflexion afin dassurer une meilleure continuit latrale.
Une illustration du rsultat est donne sur la figure 3.7. Par la suite, nous ne manquerons pas
dindiquer pour chaque pixel stock la position exacte du maximum de la rflexion dont il fait
partie comme il sera expliqu au paragraphe 2.2.2.3.
102
103
SeuilOk = Vrai
Fin Si
Compteur = Compteur + 1
Lire voxel
Fin Tant que
Si SeuilOK == Vrai
Alors
Ecrire trace[voxelRef.position+Compteur/2] dans MatCreuse
Fin Si
VoxelRef = Voxel
Fin Tant que
Fin Pour
Fin Procedure
Nous avons mis au point une structure de matrice creuse ddie la reprsentation dune
image sismique 3D seuille puis amincie. Comme dans le cas de la reprsentation SEG-Y,
nous optons pour un classement des valeurs selon les traces de limage sismique. En effet,
privilgier la direction verticale nous permet de privilgier la dimension temporelle des
rflexions (en assumant une correspondance entre relation haut-bas et relation rcent-ancien).
De plus nous savons que, dune manire gnrale, une image sismique comporte un certain
nombre de rflecteurs majeurs qui stendent latralement sur lensemble du bloc avec une
amplitude forte. Ainsi toute trace comporte au moins une rflexion stocker.
Nous pouvons ainsi dfinir une matrice qui sera creuse dans la seule direction verticale. Sa
meilleure reprsentation informatique est un tableau 2D de vecteurs (tableau 1D) creux,
illustr en 2 dimensions sur la figure 3.8. Les vecteurs sont des tableaux dont lallocation
mmoire est dynamique car nous ne savons pas lavance le nombre dlments quils vont
contenir.
104
Chaque cellule de la matrice creuse est un couple de valeurs. La premire valeur appele clef
est numrique et correspond lindex vertical dans la trace correspondante de limage
sismique. La seconde valeur est dfinie comme un objet . On peut y mettre ce que lon
souhaite. Dans le cas de la figure 3.8, nous avons choisi de lui faire porter lamplitude du
pixel correspondant mais par la suite nous ferons porter un nombre plus important de
proprits chacune de ces cellules.
Dans lexemple prsent sur les figures 3.5 3.7, nous avons diminu le nombre de cellules
utiliss de 12*5 = 60 5+3+4+4+5 = 21. Cependant comme 2 informations sont fournies
dans chaque cellule, il faut doubler ce nombre pour arriver 42 cellules au lieu de 60. Le gain
(environ 30%) nest pas norme dans le cas de cet exemple mais dans la pratique, le ratio
observ est plutt proche de 75%. Ceci tient au fait quil existe dans une image sismique
relle de trs nombreuses rflexions de faible amplitude et que, par ailleurs, lpaisseur
moyenne dune rflexion est gnralement plus grande que celle dcrite pour lexemple.
La premire valeur que nous associons chaque cellule de matrice creuse concerne la position
de la rflexion. On estime que linterface sdimentaire passe par le maximum (en valeur
absolue) de la zone de rflexion en chaque trace.
Lopration basique voudrait que nous slectionnions la cellule portant lamplitude maximum.
Mais ce serait oublier que le signal est en ralit non pas discret mais continu. Ainsi, sur une
proposition de Jean Luc Mari, professeur lENSPM, partir de la discrtisation engendre
par la sauvegarde informatique des traces, nous calculons par interpolation lemplacement le
plus proche possible du maximum rel du signal continu.
105
Une trace est une succession de paraboles valeurs positives puis ngatives. Trouver le
maximum de chacune de ces paraboles suppose dans un premier temps dapproximer la
parabole passant par les points dcrivant la plage de rflexion.
Afin dacclrer les calculs tout en gardant une approximation suffisante, nous ne basons pas
cette opration sur une mthode du type moindres carrs mais nous cherchons simplement
la parabole passant par les 3 points damplitudes maximales au sein de chaque rflexion. On
trouve ensuite facilement la position du maximum par calcul de la drive de cette fonction.
Cette position est renseigne sous la forme dun nombre rel la diffrence des index de la
matrice creuse qui sont des entiers naturels. Elle servira principalement dfinir le plus
prcisment possible la gomtrie de linterface sdimentaire lors de son export.
Sur lexemple de la figure 3.9, le maximum estim de la rflexion tudie est une
profondeur de 3.9. Cette valeur sera donc stocke dans la matrice creuse dans la cellule
appartenant cette trace et dont la clef sera 4, cette dernire valeur tant lindex de la cellule
reprsentant le milieu de cette mme rflexion.
2.2.3. Identification des rflecteurs
106
graine considre soit une face soit une arte soit un sommet (cf. figure 3.10). Lun de ces
voxels est alors considr comme nouvelle graine. On cherche alors de nouveau tendre
cette nouvelle graine par lintermdiaire de son entourage. Les autres cellules non marques
de lentourage tant stockes pour un traitement ultrieur.
Cette mthode sappuie sur une structure de pile, au sens informatique du terme, pour stocker
puis traiter lensemble des graines. En effet, on ne traite quune seule fois et de manire
squentielle chaque graine. La pile qui est une structure de type LIFO (Last In First Out) est
optimise pour traiter puis supprimer son premier lment. Elle reprsente de ce fait le
conteneur idal.
Ci-dessous le pseudo code dcrivant lopration didentification des rflecteurs.
Procedure ExtensionGraine (Graine, Reflecteur, MatCreuse)
Marquer(Graine.i, Graine.j, Graine.k)
Empiler(Graine.i, Graine.j, Graine.k)
Tant que non Pile.vide
Graine = depiler()
Ajouter Graine dans Reflecteur
Pour i = Graine.i 1 i = Graine.i +1
Pour j = Graine.j 1 j = Graine.j +1
Pour k = Graine.k 1 k = Graine.k +1
Si MatCreuse.possede(i,j,k)
Alors
Si non estMarqu(i, j, k)
Alors
Marquer(i,j,k)
Empiler(i,j,k)
Fin Si
Fin Si
Fin Pour
107
Fin Pour
Fin Pour
Fin Tant que
Fin Procedure
Enfin, en raison dune rsolution trop basse de limage sismique ou de la prsence de bruit ou
encore de configurations gologiques de type onlap, il se peut que lon dtecte un rflecteur
multi valu en Z. Ainsi, dans certains cas, un mme rflecteur peut tre reprsent plusieurs
fois sur une mme trace. Ceci est illustr la figure 3.11 o les rflecteurs B, C et D sont multi
valus.
Le modle de pile stratigraphique que nous avons adopt, exclut la prsence dinterfaces
sdimentaires multi values. Nous nenvisagerons donc pas ici le traitement des zones de
multi valuation et ce dautant plus que nos structures de donnes sont adaptes au seul
traitement des surfaces projetables dans le plan.
Cependant, cette tape de linterprtation, lorsquune fourche est identifie, signalant
lapparition dune multi valuation, rien ne nous permet de choisir une direction dextension
plutt quune autre. Aussi nous sommes obligs de conserver ces deux directions dextension
jusqu ce que nous puissions oprer un dcoupage en plusieurs rflecteurs chacun non multi
valu. Ce dcoupage est vident en 2 dimensions mais en 3 dimensions, il nest pas possible
de le raliser aisment car les fourches ne sont pas forcment dans le plan et leur dbut pas
forcment identifiable. Par exemple, on ne sait pas a priori comment dcouper le rflecteur
reprsent sur la figure 3.12.
108
Nous verrons par la suite quen se basant sur la connaissance gologique, nous pouvons
approcher au mieux les zones de dcoupe dun rflecteur multivalu mme en 3 dimensions.
Le but est alors de localiser le rflecteur le plus proche de la cellule dans laquelle se trouve le
marqueur. Pour cela, nous testons si la cellule tudie est prsente dans la matrice creuse. Si
oui, nous associons le rflecteur ce marqueur avec une distance de 0 sinon nous
slectionnons lensemble de ses voisins (qui partagent soit une face, soit une arte soit un
109
sommet) et ritrons le mme test sur eux. Si une de ces cellules est dans la matrice creuse,
nous associons le rflecteur qui appartient cette cellule au marqueur avec une distance de 1.
Cette opration est rpte jusqu ce quun rflecteur soit dtect ou jusqu ce que la
distance la cellule initiale soit suprieure une valeur seuil spcifie par lutilisateur.
Ci-dessous un pseudo code non optimis dcrivant lassociation Marqueur/Rflecteur en 2
dimensions.
Procedure MarqueurReflecteur(Marqueur, MatCreuse, SeuilDistance)
extension = 1
Tant que (extension < SeuilDistance)
Pour i = -extension i = extension
Pour j = -extension j = extension
labelReflecteur = MatCreuse(Marqueur.i + i, Marqueur.j + j)
Si labelReflecteur != null alors
Associer (Marqueur, labelReflecteur, extension)
Fin Si
Fin Pour
Fin Pour
extension = extension + 1
Fin Tant que
Fin Procdure
Par exemple, sur la figure 3.13, une relation de distance de 3 entre le marqueur au puits et le
rflecteur rouge serait instancie. Il ny aurait aucune relation avec un marqueur au puits pour
le rflecteur bleu.
Mme si cette association rflecteur-horizon basait sur la proximit est lune de plus sres
dont nous disposons, elle ne garantit pas lappartenance du rflecteur lhorizon marqu.
Dans le but de confirmer au mieux cette association, il faudrait pouvoir disposer en plus des
logs de puits afin de corrler toutes ces informations ensemble. Cependant, comme
linterprtation des logs de puits constitue un travail consquent et que son automatisation
nest pas lheure actuelle possible, nous avons fait le choix de ne baser cette association que
sur la proximit.
2.3.2. Attributs visuels
Elle est value en calculant le nombre de pixels composant chaque rflexion de chaque trace.
Ceci est ralis lors de la phase de seuillage de limage sismique afin de ne pas rpter la
110
lecture de limage. En effet, lire plusieurs gigaoctets requiert un temps trs important en
raison des accs rptitifs au disque dur et aussi bien sr de la quantit dinformations
transfrer.
Lors de la lecture de bas en haut dune trace sismique, un compteur initialis zro est
incrment jusqu observer un changement de signe. Dans ce dernier cas, il est rinitialis
zro. Ce compteur reprsente lpaisseur de chaque rflexion parcourue. Si une des valeurs
damplitude de cette rflexion est suprieure en valeur absolue au seuil damplitude inform
par lutilisateur, lpaisseur calcule sera stock dans la cellule reprsentant cette rflexion au
sein la matrice creuse, sinon ce rsultat sera ignor.
111
2.3.2.3. Paralllisme
Le calcul du paralllisme entre deux rflecteurs est ralis par la comparaison de leurs
directions.
La direction est une information locale relative une fraction du rflecteur observe. En effet,
un rflecteur peut suivre plusieurs directions localement mais une seule direction
globalement. Par exemple, la figure 3.15 montre un rflecteur compos localement par 3
directions diffrentes (en rouge) et globalement par une seule direction (en bleu) elle-mme
diffrente des 3 directions locales.
De plus, il nexiste pas une seule direction pour caractriser une surface en 3 dimensions. Il en
existe une multitude en chaque point car on peut en observer une dans chaque direction et on
peut observer chacune delles diverses chelles (cf. Fig 3.16).
113
La figure 3.18 montre une projection dun rflecteur ainsi que le calcul de la direction du
rflecteur pour une crossline donne, en loccurrence la quatrime crossline. En moyennant
lensemble de ces directions, on observe quon a parcouru environ 21 pixels vers le haut (Les
Z sont croissants avec la profondeur) en parcourant 13 pixels latralement.
2.3.3. Relations chronologiques
2.3.3.1. Graphe chronologique de voisinage
En accord avec le modle de pile stratigraphique qui t adopt et inspires par les travaux de
Marie Christine Cacas [Cacas, 2008], les relations chronologiques entre rflecteurs sont
directement dduites des relations au dessus de et en dessous de entre rflecteurs. Ces
dernires sont elles-mmes dduites des relations de visibilit verticale entre rflecteurs.
Pour chaque rflecteur, nous regardons quels rflecteurs sont directement visibles
respectivement au dessus et en dessous. On en dduit respectivement les rflecteurs plus
rcents et plus anciens.
Cette opration est trs rapide du fait de la structure de matrice creuse choisie. En effet, dans
cette reprsentation, les voxels des rflecteurs sont rangs selon les traces les uns aprs les
autres (voir Figure 3.7). Il suffit donc se placer sur le voxel prcdent dans la mme trace pour
connatre le rflecteur directement visible au dessus et de se placer sur le voxel suivant dans
la mme trace pour connatre le rflecteur directement visible en dessous du rflecteur tudi.
Ainsi par parcours de tous les voxels composant un rflecteur, nous pouvons facilement et
rapidement connatre tous les rflecteurs quils voient dans la dimension verticale. De plus,
par comparaison des clefs des voxels qui reprsentent leur index vertical, on obtient une
information sur la distance qui spare deux rflecteurs.
Grce ces renseignements, on peut reconstruire pour chaque rflecteur un graphe que nous
appelons graphe chronologique de voisinage dont les arcs reprsentent des relations de
visibilit (et donc les relations chronologiques) et dont les nuds reprsentent les rflecteurs
comme il est illustr sur la figure 3.19.
114
La distance moyenne : Cest la somme des distances entre pixels superposs divise
par leur nombre. Il indique la distance moyenne observe entre les 2 rflecteurs.
La distance maximum et la distance minimum qui donnent une indication sur les
variations de distance maximales observables entre 2 rflecteurs.
Un inconvnient notable de cette mthode est quelle nest base que sur les distances
verticales. De ce fait, en cas de forts changements de pendages, la distance entre 2 horizons
parallles peut tre trs diffrente comme lillustre la figure 3.20.
Figure 3.20 : Des distances verticales trs diffrente pour 2 rflecteurs parallles
Ceci peut engendrer des diffrences chronologiques entre rflecteurs appartenant pourtant au
mme horizon. Sur la figure 3.19, cest le cas des rflecteurs A1 et A2 qui appartiennent un
mme horizon et ont pourtant des distances verticales trs diffrentes avec H. Mme si des cas
de changement de pendage aussi brusque que celui observ sur la figure 3.19 narrivent que
rarement, cet algorithme est optimal pour des stratigraphies dont le pendage reste constant.
Plus le pendage de lhorizon varie fortement et moins la caractrisation chronologique dun
rflecteur sera exacte. Par ailleurs, dans le cas de pendages subverticaux, la distance verticale
D est susceptible de subir des variations fortes en consquence de variations minimes voire
erratiques du pendage. Les incertitudes rsultantes impliquent que lapplication de notre
mthode sera dlicate dans ce cas.
Cependant comme le calcul de distances obliquement nest pas du tout adapt la structure de
matrice creuse adopte (elle est ordonne selon les traces sismiques) et surtout comme, dans
les rservoirs, les couches sont trs gnralement peu inclines, nous avons dcid de
privilgier la rapidit dexcution la prise en compte de la totalit des cas et donc de ne
calculer les distances entre rflecteurs que verticalement.
115
Comme nous lavons vu prcdemment (voir paragraphe 2.2.3), certains rflecteurs peuvent
prsenter des multi valuations en Z. Ceci va provoquer des incohrences gologiques au sein
des graphes chronologiques de voisinage. En effet, un rflecteur ne peut pas tre en mme
temps plus vieux et plus rcent quun autre rflecteur et encore moins partager une relation
chronologique avec lui-mme.
Il nous faut donc traiter ces incohrences gologiques. Nous reprenons sur la figure 3.20
lexemple donn la figure 3.11. Nous y voyons une collection de rflecteurs multi valus.
Pour chacun de ces rflecteurs, nous allons tenter de dconnecter les parties multi values
afin de ne garder que des rflecteurs partageant une et une seule relation avec un autre
rflecteur. Par exemple, C partage une double relation chronologique avec D. Nous allons
mettre une nouvelle graine sur C :
Si cette graine voit D en dessous, nous tendons alors un nouveau rflecteur partir de
cette graine passant par les pixels connexes de C qui sont au dessus dun pixel de D,
En rsum, nous ridentifions des nouveaux rflecteurs, partir dun rflecteur prsentant une
incohrence gologique, par la mme mthode utilise auparavant (extension par germe) mais
en rajoutant une condition chronologique relative un autre rflecteur chaque extension de
la graine.
En rptant cette opration sur lensemble des rflecteurs prsentant une incohrence
gochronologique, nous obtenons un ensemble de rflecteurs prsentant des relations
chronologiques cohrentes entre eux (Figure 3.21)
116
Il ne reste alors plus que quelques multi valuations que nous liminons afin dobtenir pour
chaque rflecteur un graphe chronologique de voisinage gologiquement cohrent (Figure
3.22).
117
Concernant la fusion des rflecteurs en horizons, la premire tape qui sera considre
concerne linterprtation des relations de distance entre rflecteurs et marqueurs aux puits.
Cette tape est la premire car les marqueurs aux puits sont les informations les plus prcises
et les plus certaines dont nous disposons. Les fusions ralises cette tape seront donc les
plus certaines et elles constitueront une base fiable pour ltablissement des futures
associations rflecteurs horizons .
Nous avons propos quun rflecteur soit associ un marqueur au puits, ds lors quon
constate que ces deux lments ne sont spars que par une faible distance. La valeur de
faible distance est laisse lapprciation de linterprtateur mais doit, dune manire
gnrale, rester sensiblement infrieure lpaisseur moyenne du rflecteur. Si un marqueur
se positionne, linverse, une distance suprieure lpaisseur moyenne du rflecteur
tudi, les deux lments ne peuvent gnralement pas tre associs. Toutefois, si nous
disposons de plusieurs puits contenant chacun des marqueurs identiques, nous pouvons
associer plusieurs rflecteurs un mme horizon.
Les mises en relation effectues peuvent toutefois induire des incohrences au niveau de
lidentification des rflecteurs. En effet, en raison dune rsolution trop faible de limage ou
de la prsence de bruit, certains rflecteurs peuvent tre tendus des rflexions qui ne leur
correspondent pas. Ce cas se produit majoritairement lors du passage dune faille qui cre du
bruit et qui dcale les rflecteurs. Aussi, on peut observer que des marqueurs diffrents se
retrouvent associs un mme rflecteur (cf. rflecteur C sur Fig 3.24) ou que des multi
valuations sont gnres lors da fusion de deux rflecteurs en un seul et mme horizon (cf .
marqueur Champey sur Fig 3.24).
118
Figure 3.24 : Incohrences mises en vidence par les marqueurs aux puits.
Afin de faire disparatre ces incohrences, nous nous appuyons sur lide que nous avons
utilise pour rsoudre les incohrences chronologiques au paragraphe 2.3.3.2 : nous allons
donc chercher diviser chaque rflecteur incohrent en plusieurs rflecteurs cohrents.
Sur lexemple montr figure 3.24, les incohrences gologiques sont signales par le couple
de rflecteurs C et E ou par le couple C et B dans la mesure o les marqueurs quils portent
sont en contradiction avec leurs gomtries. Nous posons donc arbitrairement une nouvelle
graine sur un de ces rflecteurs et ltendons en respectant la condition que les voxels
connexes conservent la mme relation chronologique avec lautre rflecteur du couple. En
rptant cette opration jusqu ce que le rflecteur soit entirement reparcouru, il est possible
de diviser celui-ci en diffrents rflecteurs plus petits qui permettent que des fusions
cohrentes soient opres en accord avec les marqueurs.
Sur la figure 3.24, le marqueur Champey tait la fois associ C et le marqueur C tait
lui-mme multivalu puisquil tait associ la fois au marqueur Champey et au marqueur
Versoix. En appliquant la mthodologie dcrite ci-dessus, il est possible de diviser le
rflecteur C en 2 rflecteurs F et G (figure 3 .25 gauche) et, une fois cette division effectue,
deffectuer une nouvelle fusion des rflecteurs en un certain nombre dhorizons portant le
nom des marqueurs aux puits (figure 3 .25 droite). Comme on peut le constater, ces oprations
permettent de faire disparatre les incohrences identifies sur la figure 3.24.
119
Ltape de fusion de rflecteurs aux moyens des marqueurs aux puits ne concerne que les
quelques rflecteurs qui correspondent aux horizons les plus importants. Ceci sert de base
pour la fusion des autres rflecteurs en horizons secondaires non marqus.
La fusion des autres rflecteurs se base sur les autres caractristiques visuelles calcules. En
parcourant lensemble des nuds composant le graphe chronologique global, on compare les
caractristiques visuelles des voisins plus rcents et plus anciens que le nud tudi.
Si deux nuds plus anciens ou plus rcents partagent une relation de distance similaire avec le
nud tudie, si ils ont une amplitude et une paisseur similaire, et enfin si leurs deux
pendages selon les dimensions latrales sont galement similaires, alors ces deux nuds sont
fusionns en un seul et mme horizon.
Les premiers nuds qui sont pris en considration cette tape sont ceux qui correspondent
des horizons marqus. On considre ensuite les rflecteurs voisins et on rpte ensuite le
processus jusqu ce quaucune fusion ne soit plus possible.
Figure 3.26 : Vue de 4 caractristiques visuelles du graphe global associ aux rflecteurs identifis
sur limage sismique
La figure 3.26 illustre les 4 caractristiques visuelles associes chaque nud du graphe
chronologique global. De gauche droite, les graphes dcrivent les relations chronologiques,
120
lpaisseur, lamplitude puis la direction de chaque rflecteur. Sur cet exemple, on voit que E
et G partagent des caractristiques similaires : une relation chronologique similaire avec D,
une paisseur, une amplitude enfin une direction similaires. Ainsi, ces 2 nuds vont tre
fusionns en un seul nud qui servira de base son tour pour tudier une possible fusion
entre F et H comme il est illustr sur la figure 3.27.
Les similarits entre les caractristiques visuelles sont valides moyennant un degr de
tolrance. Celui-ci est fix pour chaque caractristique de faon empirique mais il est possible
pour lutilisateur de changer chacun dentre eux sil le souhaite.
Ci-dessous le pseudo code dcrivant les contraintes paramtres testes sur 2 rflecteurs r1 et
r2 possdant une relation de distance avec r3 en vue de les fusionner.
Procdure testFusion(r1,r2, r3, toleranceEpaisseur, toleranceAmplitude, toleranceDirection,
toleranceDistance)
Si r2.epaisseur - toleranceEpaisseur <= r1.epaisseur <=
r2.epaisseur + toleranceEpaisseur
Si r2.amplitude - toleranceAmplitude <= r1.amplitude <=
r2.amplitude + toleranceAmplitude
121
122
normales des triangles par rapport au plan moyen de l'horizon est opre en vue de localiser
les zones de dconnection.
Comme nous allons le voir, le calcul de la normale est effectivement ncessaire mais pas
suffisant notre avis. Nous choisissons dajouter dautres proprits aux dconnections
dhorizons afin damliorer lidentification des failles.
3.1.1. Dconnections des rflecteurs
Comme le montre la figure 3.29, la condition pour que diverses dconnections dtectes sur
des horizons individuels soient lies une mme faille est la co-planarit.
123
Cette relation de coplanarit est aussi soumise une certaine tolrance rgle par dfaut et
modulable par lutilisateur en fonction de ses exigences propres.
3.1.3. Ontologie
Lensemble des relations, attributs et concepts relatifs lidentification des failles est dclar
dans lontologie ddie notre application. Celle-ci est illustre sur la figure 3.30.
124
dconnections 2D sont caractrises par un couple de cases compos dune case crte (la
case la plus haute) et dune case ravin (la case la plus basse).
125
De la mme manire que pour lextension des rflecteurs, lextension des dconnections 3D
peut amener la formation de fourches notamment dans le cas o lon a faire un rseau de
failles (cf. Fig 3.33 gauche). Comme nous lavons fait pour traiter les multivaluations en Z
des rflecteurs, nous allons nous efforcer de dcomposer ces fourches en parties plus petites
gologiquement cohrentes.
En parcourant selon leur direction (inline ou crossline) les dconnections 3D, on dtecte
ventuellement la prsence de plusieurs dconnections 2D lors de la mme itration. Plusieurs
dconnections 2D tmoignent du dpart dune fourche. En supprimant lensemble de ces
dconnection 2D, on dcompose alors la dconnection 3D en parties cohrentes (cf. Fig 3.33
droite).
Figure 3.33 : A gauche, une dconnection 3D vu de dessus avec une fourche. A droite, la suppression
de dconnections 2D provoque la sparation de la dconnection 3D au niveau de la fourche
Dans ce module, lensemble des dconnections 3D est visuellement caractris selon les
proprits dfinies dans lontologie.
Ainsi pour chaque dconnection 2D restante, on calcule le nombre de cases sparant la case
crte de la case ravin afin de renseigner lattribut Heave . On calcule aussi la
diffrence entre la valeur de chaque case afin de dterminer lattribut Throw comme ces
cases sont remplies par la valeur Z du voxel. Enfin, on calcule langle entre le segment
joignant ces deux voxels et la direction de lhorizon afin dindiquer le Dip de la
dconnection.
3.3.2. Les relations visuelles
126
Pour identifier les diffrentes failles, il reste dterminer quelles dconnections 3D sont
situes approximativement dans le mme plan. Pour cela nous parcourons lensemble du bloc
par coupes inlines puis par coupes crosslines afin de comparer chaque dconnection 2D avec
les autres dconnections prsentes dans la coupe courante.
Pour cela, on ne cherche pas vrifier si les dips sont aligns. En effet, le dip apparent sur
limage sismique correspond la dconnection engendre par la faille mais pas la faille ellemme. La faille passe quelque part dans cette zone dincertitude dlimite par le heave et le
throw. Son inclinaison est inconnue. Ce nest quen trouvant un ensemble de dconnections
alignes que nous pourrons dterminer linclinaison de la faille.
Nous cherchons donc une relation de coplanarit entre au moins 3 dconnections 3D proches.
Comme nous travaillons par tude successive de coupes 2D, le but est de trouver 3 cases
crtes ou 3 cases ravins ou 3 cases situes au milieu de cette zone dincertitude qui
puissent tre alignes (cf. Fig 3.34).
Il va de soi, par ailleurs, que ces dconnections dtectes doivent tre assez proches lune de
lautre pour quon puisse affirmer sans ambigut quelles ont t cres par la mme faille.
127
Cependant, comme linformation est trop locale (simplement une coupe du bloc sismique
prise en compte), il est laiss libre lutilisateur de raliser cette fusion en accord avec un
nombre de concordance de ces dconnections 3D sur un nombre plus lev de sections.
A titre dexemple, le tableau ci-dessous illustre les concordances trouves entre 6
dconnections 3D : A, B, C, D, E et F.
Sections
Concordances
A-B-C-D-E
B-C-D
B-C-D
A-B-C-D
A-E-F
A est concordant avec B, C, D et E que sur 2 sections et sur une section avec F.
Enfin E est concordant une seule fois avec B, C, D, F et deux fois avec A.
Failles
obtenues par
fusion
1 faille
constitue de
ABCDE
1 faille
constitue de
1 faille
constitue de
Aucune faille
BCD
BCD
128
En sortie de notre interprtation, les horizons sont basiquement vus comme un nuage de
points 3D. Ces points ont des coordonnes entires car ils proviennent dune matrice creuse.
La premire tape doit donc tre un gorfrencement : il faut appliquer un changement de
repre pour retranscrire ces coordonnes dans le mme systme de coordonnes que le fichier
SEGY dentre.
Au terme de ce changement de repre, les pentes des horizons ont un profil en marche
descalier du fait de la discrtisation de la matrice creuse. Cet effet peut toutefois tre corrig
en utilisant la proprit de profondeur sauvegarde lors de la lecture de limage sismique
(paragraphe 2.2.2.3) qui replace lhorizon dans un espace continu.
4.1.2. Triangulation
Les modules qui, dans la chane de traitement, font suite linterprtation des donnes
sismiques manipulent des surfaces triangules et non des nuages de points. Il faut donc
oprer une triangulation
des
nuages de points reprsentant les horizons. Comme ceux-ci se
prsentent sous la forme de grilles, il est possible dutiliser une triangulation de type Delaunay
trs rapide et trs facile mettre en place.
Lalgorithme ralis cre partir de chaque point du nuage deux triangles connexes
reprsentant le voxel comme lillustre la figure 3.35.
Figure 3.35 : Triangulation de Delaunay (en rouge) dun nuage de points (en bleu)
Cette triangulation a linconvnient de ntre pas assez lisse pour les applications qui suivent.
En effet chaque couple de triangles correspondant un pixel constitue un lment plan
particulier, ce qui induit une rugosit de la surface. Les outils de modlisation ont besoin de
surfaces lisses pour optimiser leurs calculs notamment ceux des intersections. Nous ralisons
donc une opration de lissage sur cette surface triangule grce un oprateur de type
Laplacien.
129
Au terme de ces traitement, la triangulation conserve le dfaut davoir une trop grande
rsolution. Elle possde en effet deux fois plus de triangles que de points reprsentant
lhorizon. Donc la taille mmoire requise pour le stockage et le traitement de cette surface est
gnralement excessive. A ce stade, on peut facilement obtenir en effet des surfaces
comportant plusieurs millions de triangles.
Pour pallier cet inconvnient, nous utilisons un algorithme de dcimation mis au point par
Tran Nam afin de rduire le nombre de triangles des surfaces gologiques [Tran Nam, 2008].
Lapproche de Tram Nam est la combinaison de deux types doprations : un regroupement
de sommets pour les grosses surfaces suivie dans tous les cas dune contraction itrative
d'artes (cf. Fig.3.36). Cette mthode offre un compromis entre qualit, temps de calcul et
place de mmoire. Elle rpond galement au besoin de prserver les zones de crtes de la
surface gologique bordant les zones de failles.
En raison dune rsolution trop basse une trop basse rsolution ou plus simplement de bruit,
les horizons dtects comportent gnralement des zones de trous. Afin didentifier ces
dernires, chaque horizon est projete dans le plan horizontal de limage sismique. Les trous
sont alors identifis comme correspondant aux rgions de ce plan qui ne comportent que des
pixels vides et qui sont fermes.
Nous utilisons alors un autre algorithme mis au point par Tran Nam (2008), qui rebouche les
trous tout en prenant en compte les courbures locales de la surface. Lalgorithme met en
uvre des oprations successives de raffinement-dformation (cf. Fig. 3.37). La dformation
est ralise par minimisation d'une nergie de plaque mince discrte ce qui permet d'viter
l'estimation des normales, des plans tangents et des courbures au voisinage des trous. Cette
approche permet d'obtenir des maillages remplis de bonne qualit, c'est--dire la fois
rguliers et lisses. De plus, elle permet d'obtenir des temps de calcul trs intressants.
130
Profondeur
Profondeur
Profondeur minimale
Dconnection 3D A
Dconnection 3D B
Dconnection 3D C
Profondeur maximale
Inline
Figure 3.38 : A gauche, les piliers crs en violet reprsentant la faille fusionne par 3 dconnections
3D. A droite, les mmes piliers tendus.
Enfin, on triangule le nuage de points dcrit par les piliers tendus de la faille puis on lisse ce
rsultat afin quil convienne au mieux aux applications de go-modlisation.
5. Conclusion
Dans ce chapitre, le principe gnral de la mthode que nous proposons a tout dabord t
expliqu. Nous avons galement donn des dtails sur larchitecture modulaire sous jacente
cette mthode.
131
Ensuite, nous avons illustr cette mthode en nous focalisant sur lidentification de 2 types
dobjets gologiques : les horizons et les failles. Concernant lidentification des horizons,
nous avons expos du dbut jusqu la fin les modalits de linterprtation en dtaillant les
diffrents modules. Un module est tout dabord ddi une dtection brute de rflecteurs
candidats. Un autre module permet la caractrisation visuelle de ces rflecteurs candidats en
rfrence avec les proprits nonces dans lontologie et la mise en relation de ceux-ci avec
des horizons. Linterprtation des failles a permis dexposer un exemple plus compliqu de
dtection dobjet gologique opr selon les mmes principes. Ces 2 illustrations permettent
dimaginer lidentification dautres objets gologiques sur le mme principe dans le cas dune
interprtation sismique plus complte.
Enfin, nous avons examin la question de lexportation des donnes. Nous avons rappel
lintrt de lontologie pour stocker au fil des modules lensemble des rsultats sous leurs
diffrentes reprsentations. Ceci permet un export renseign et donc une meilleure
rutilisation de linterprtation pour les applications qui font suite linterprtation simique
dans la chane de modlisation. De plus, un soin particulier est apport la reprsentation bas
niveau des rsultats afin quils correspondent au mieux aux pr requis des calculs sur les
surfaces qui sont utilises dans la suite de la chane de modlisation.
132
Chapitre 4 : Rsultats
La mthodologie expose au chapitre 3 a t applique divers ensembles de donnes et
notamment un bloc sismique fourni par Total UK et provenant du champ Alwyn (mer du
Nord). Nous exposons ici seulement les rsultats obtenus sur Alwyn, car les autres donnes
que nous avons traites sont soumises des clauses de confidentialit. Cette restriction nest
pas trop grave car le modle Alwyn est suffisamment riche et suffisamment bien tudi pour
permettre de tester la mthodologie de manire significative. Dans ce chapitre, nous
examinons tout dabord les temps dexcution qui ont t ncessaires pour la ralisation dune
interprtation semi automatique. Nous commentons ensuite les rsultats obtenus en les
comparant notamment avec une interprtation manuelle de ce mme bloc ralise par des
tudiants de loption Gophysique de lEcole Nationale Suprieure des Ptroles et Moteurs
(ENSPM) et valide par leurs encadrants qui sont experts en la matire.
Lensemble des rsultats obtenus prsents dans ce chapitre ont t obtenus sur une machine
virtuelle (VMWare Player 2.5) quipe de 1,5 Go de mmoire vive et dun processeur Core 2
Duo (1 seul cur utilis par la machine virtuelle) cadenc 1,5 GHz. Le systme
dexploitation tait Debian stable et la compilation a t ralise au moyen de gcc 4.1.2.
1. Le champ Alwyn
1.1. Histoire gologique
Les donnes Alwyn proviennent dun champ dexploitation de TOTAL UK qui est situ
lest des les Shetland. Les grandes tapes de lhistoire gologique de ce champ, responsables
de la structure actuelle observe, ont t les suivantes :
Au Permo-Trias : extension Ouest-Est affectant les formations dposes antrieurement
133
o Ness 1
o Ness 2
o Tarbert
Au Callovo-Oxfordien et Kimmridgien : intensification de la tectonique
dpt de la formation Heather et des Kimmeridge Clays qui forment elles deux la
formation Humber.
Sen suit une dernire phase de dpt (Formation Cromer) puis une priode drosion faisant
disparatre les parties de Cromer et Humber se trouvant sur les zones de crte ( lest). Cette
rosion est marque par la surface drosion appele BCU (Base Cretaceous Unconfomity).
Puis, de nouveau, au Crtac infrieur et jusquau Turonien infrieur, une nouvelle phase de
dpt se ralise venant draper les formations triassico-jurassiques.
A la suite, les dpts du Shetland Group (Crtac suprieur) et les dpts tertiaires nont pas
dintrt direct du point de vue de la prospection.
Le style structural des terrains situs sous la BCU est caractris par une ensemble de blocs
basculs et rods pendant vers l'ouest. Ces blocs sont aligns du nord au sud paralllement
la principale faille normale qui traverse le champ Alwyn.
La figure 4.1 illustre ces caractristiques gologiques.
Dans ce systme, les failles ainsi que la surface drosion anticlinale BCU constituent les
structures permettant le pigeage des hydrocarbures. Compte tenu de leurs caractristiques de
porosit, 2 formations Brent et Statfjord constituent les roches rservoir.
Par ailleurs, les roches mres (dans lesquelles le ptrole a t gnr) sont principalement les
Kimmeridge Clays et, un moindre degr, le Brent et le Dunlin. Le ptrole a pu profiter du
pendage gnral du systme pour migrer de louest vers lest (et bien entendu des profondeurs
vers la surface).
134
135
Figure 4.2 : Diffrences entre une image sismique dun mme endroit mais de dates diffrentes.
La sismique dont nous disposons est une sismique dont la coordonne verticale a pour unit
les millisecondes (et donc une sismique temps ). Elle possde 1163 inlines, 849 crosslines
et 1001 timelines. Les amplitudes sont codes sur des entiers reprsentant 2 octets et oscillent
donc entre 32768 et -32768. La taille de ce bloc sismique sur le disque est denviron 2
gigaoctets.
Notre programme gre les amplitudes sur des flottants de 4 octets car cette reprsentation est
la plus usuelle de nos jours. De ce fait, en mmoire notre bloc ne reprsente pas 2 Go mais 4.
Cependant, les diffrentes parties du bloc sont dintrt variable. La zone dcrite
prcdemment et qui correspond aux dpts antrieurs au Turonien est la plus tudie dans le
cadre de la recherche des hydrocarbures. Cest l que se trouvent les roches mres, les roches
rservoir et les piges ncessaires laccumulation des hydrocarbures. Aussi, bien que nous
ayons opr notre programme sur lensemble du bloc plusieurs reprises afin de le tester sur
des blocs volumineux (4 gigaoctets), les tests prsents dans ce chapitre concernent
principalement la zone de limage sismique antrieure au Turonien (cf. Fig. 4.3)
Les dimensions du bloc pris en compte sont 1163 inlines, 849 crosslines et les 351 dernires
timelines du bloc initial. Ceci occupe une taille mmoire denviron 1,4 gigaoctets en
reprsentation avec des flottants.
136
Figure 4.3 : Schma dune section complte du bloc sismique Alwyn montrant la partie tudie dans
ce chapitre.
Ce bloc est complt par 6 puits dexploration verticaux avec des marqueurs sur les surfaces
suivantes : BCU, Top Brent, Top Ness 2, Top Ness1, Top Etive, Top Dunlin. Ils sont tous
situs dans la partie centrale du bloc comme le montre la figure 4.3.
137
80000
Nombre de voxels
70000
60000
50000
40000
30000
20000
10000
319
290
261
232
203
174
145
116
87
58
29
-1
-30
-59
-88
-117
-146
-175
-204
-233
-262
-291
-320
Figure 4.4 : Histogramme des amplitudes du bloc Alwyn calculs sur 10 millions de voxels.
Comme on peut le constater sur la figure 4.4, la majeure partie des voxels a une amplitude trs
basse. Ceci dmontre que le seuillage aura un effet trs restrictif ds lors que la valeur
damplitude choisie sera leve.
Le tableau suivant indique le temps et la mmoire ncessaires la cration de diffrentes
matrices creuses. Le temps de lecture pure de ce fichier de 1,4 Go reprsente lui seul
environ 200 secondes pour mettre en mmoire le bloc en utilisant des buffers de 500
mgaoctets pour lire squentiellement le fichier. Ensuite le parcours des voxels ncessaire
pour oprer les calculs est opr directement partir de la mmoire vive.
Le temps de cration de la matrice creuse est fonction du seuil et de la forme de
lhistogramme des amplitudes. Si cet histogramme est aplati, le temps de cration variera
peu prs linairement en fonction du seuil. Au contraire, si le pic central de lhistogramme est
prononc, le temps de cration crotra exponentiellement lorsque la largeur de la zone
slectionne diminuera. Loccupation mmoire suit cette mme loi.
Seuil
25000
200 + 29
9,677
10 000
200 + 45,5
238,232
9 000
200 + 61,5
309,951
8 000
200 + 72
397,194
5000
200 + 132
740,466
Ces matrices sont importables et exportables afin de rduire de manire significative leur
temps de mise disposition dans le cas dune rutilisation.
138
Extraction
Caractrisation
et division
N=
nombre de
rflecteurs
identifis
au dpart
N =
nombre de
rflecteurs
incohrents
(N/N)
*100
Nombre de
rflecteurs
cohrents
obtenus
aprs
division
25000
4,1
3,6
10000
163,7
345
69
16
23
85
9 000
276
644,8
97
31
32
137
8 000
297,1
1134
136
58
43
209
Temps (sec)
Seuil
5000
Sur le tableau ci-dessus, on constate que le nombre de rflecteurs dtects est croissant avec
un seuil damplitude dcroissant. Cependant la proportion de rflecteurs incohrents
augmente avec ce mme seuil dcroissant. Le temps pour rgler ces incohrences
chronologiques est non ngligeable car il faut rtendre et donc reparcourir ces rflecteurs
tout en respectant de nouvelles conditions chronologiques.
139
Les surfaces fournies comme rsultat de linterprtation des tudiants de lENSPM sont au
nombre de 4, soit, de haut en bas (cf. figure 4.5) :
Le top de la formation Brent na pas t pick la main mais est le rsultat dune translation
verticale contrle manuellement du top Dunlin. La surface la plus difficile picker est la
surface drosion BCU car elle disparat de limage sismique en de nombreux endroits o son
inclinaison est forte. Sa moiti EST linverse de sa moiti OUEST na donc pas pu
tre identifie laide dun algorithme de tracking automatique mais a d tre picke
entirement la main par les tudiants. Lensemble de ce travail de pointage dhorizons
reprsente lui seul plusieurs journes de travail.
Une illustration du rsultat final, que nous comparerons la suite nos propres rsultats est
donne sur la figure 4.5.
Le tableau ci-dessous donne des informations sur la fusion des rflecteurs en horizons opre
partir des rflecteurs extraits et caractriss. On a totalis dans la dernire colonne une
approximation du temps cumul de toutes les oprations depuis le dbut de linterprtation.
Les paramtres utiliss pour les fusions sont les suivants :
140
1 marqueur est associ un rflecteur si ce dernier est situ une distance infrieure
lpaisseur moyenne de 2 rflexions dans le bloc.
2 rflecteurs sont situs une mme distance dun autre rflecteur si la diffrence
entre leurs distances est infrieure lpaisseur moyenne dune rflexion dans le bloc.
Seuil
Nombre de
rflecteurs
Temps des
fusions (sec)
Nombre
dhorizons
Temps
cumul (min)
25000
1,35
10000
85
372
54
19
9000
137
557
90
30
8000
209
1860
120
60
Grce ces fusions, le graphe chronologique global reprsentant les relations entre les
diffrents rflecteurs est simplifi en un graphe chronologique global reprsentant les
relations entre les diffrents horizons.
La figure 4.6 illustre cette simplification. Sur la partie haute de la figure, on aperoit gauche
quelques rflecteurs dtects et sur la partie droite les horizons fusionns. Sur la partie basse
de la figure sont illustrs les graphes correspondants ces dtections. Les nuds encadrs en
couleur correspondent aux surfaces de mme couleur affichs sur limage sismique.
Les horizons dduits de ces rflecteurs aprs
fusion
141
Les algorithmes mis en place permettent doprer, comme on le voit, une interprtation
beaucoup plus rapide et comportant un nombre beaucoup plus important dhorizons que
linterprtation manuelle qui nous a t fournie. Comme on peut lapercevoir sur la figure 4.7
qui illustre la dtection des horizons pour un seuil damplitude de 10000, la plateforme
dveloppe arrive dtecter des horizons de multiples endroits de la sismique ce qui procure
lutilisateur une vision plus globale de la structure.
142
On identifie notamment un certain nombre dhorizons entre le Top Brent (en jaune) et le Top
Dunlin (en vert). Le plus voyant tant reprsent en marron au dessus du Top Dunlin. On peut
remarquer que ces horizons intermdiaires identifis au sein de la formation Brent
correspondent des marqueurs au puits bien rpertoris dans les sondages qui nous ont t
fournis.
Dans le cas de la formation Brent comme dans tous les autres cas, lidentification de tels
horizons intermdiaires est essentielle pour une bonne reprsentation de la zone rservoir
du champ ptrolier. Dans le modle final de rservoir utilis pour oprer des simulations
dcoulement de fluide, cette reprsentation sappuie en effet sur des maillages
stratigraphiques. Ces maillages stratigraphiques sont des grilles 3D construites en conformit
avec les couches. Ils seront donc construits avec dautant plus de prcision que les interfaces
intermdiaires sur lesquelles ils sappuieront seront nombreuses.
Cependant, la quantit des surfaces identifies ne saurait tre le seul critre prendre en
considration pour juger de la qualit de linterprtation. Pour juger de celle-ci, nous allons
donc maintenant considrer un un les divers horizons picks manuellement : Top,Dunlin,
Top Brent, BCU et Top Turonien et les comparer avec nos rsultats : .
La surface Top Dunlin est une des surfaces les plus simples picker. Son amplitude est assez
forte et montre un bon contraste sans trop de bruit hormis au niveau de son arrt sur la BCU.
143
De plus, dans la partie centrale de cette surface, on peut conforter son interprtation grce
des marqueurs aux puits. Cependant, la surface Top Dunlin est traverse par plusieurs failles
dont certaines provoquent des dconnections fortes.
Les images ci-dessous rendent comptent des rsultats obtenus selon les diffrents seuillages
choisis par lutilisateur en comparaison avec le point manuel reprsent par la surface verte
sur les diffrentes vues de la figure 4.8. La surface obtenue grce un seuillage de 8000 est
reprsente par le nuage de points rouge, un seuillage de 9000 par le nuage de points en
violet et enfin un seuillage de 10000 par le nuage de points en rose. Ce code de couleur sera
rutilis pour lensemble des figures venir.
Vue de dessus
144
Figure 4.8 : La surface Top Dunlin selon un seuillage de 8000, 9000 et 10000 de haut en bas sous 2
vues diffrentes.
On constate que les surfaces obtenues diffrent les unes des autres selon le seuil choisi par
lutilisateur. Aucune des surfaces nenglobe lensemble des points rsultant du picking
manuel. Cependant, lensemble des surfaces identifies apparaissent trs proches de celui-ci.
Par ailleurs, seule la surface correspondant au seuillage le plus bas (8000) comporte une
erreur. Cette dernire est visible sur la vue des crosslines : la surface ne suit pas la surface
manuellement picke sur la partie droite. Cette partie a t rectifie sur le seuillage 9000 et
ignore sur le seuillage 10000.
Deux pourcentages sont reprsents dans le tableau ci dessous : lun reprsente les points du
nuage confondus avec la surface de rfrence et lautre reprsente ceux qui ne sont pas sur la
surface (ceux qui sont spars verticalement de plus de 7 pixels de la surface de rfrence,
cette valeur tant lpaisseur moyenne dun rflecteur dans ce bloc)
Seuil opr
Pourcentage de la surface de
rfrence o le nuage de
points est confondu
Pourcentage de la surface de
rfrence o le nuage de
points nest pas confondu
8000
60 %
5%
9000
53 %
0%
10000
47 %
0%
Plus le seuil choisi est bas, plus les rflecteurs et donc les horizons sont tendus mais moins la
prcision de lextension et des fusions est assure.
145
La surface Top Brent est bien plus difficile picker. Elle est situe dans une zone beaucoup
plus bruite proximit de la surface drosion BCU. De plus, on ne dispose pas dun rel
moyen de vrification car notre seule rfrence nest pas un picking manuel mais une
translation de la surface top Dunlin picke la main. Sur la figure 4.9, les diffrentes
interprtations que nous avons effectues sont compares avec la translation du Top Dunlin
reprsente par la surface jaune.
Figure 4.9 : La surface Top Brent selon un seuillage de 8000, 9000 et 10000 de gauche droite et de
haut en bas. La surface de rfrence est en jaune.
Les 3 surfaces interprtes sont trs semblables. Simplement quelques points diffrent entre le
seuillage 8000 et le seuillage 9000. Le seuillage 10000 est moins tendu (principalement
en son milieu et sur la partie en haut droite) mais la surface rsultante reste entirement
confondue avec celles obtenues avec un seuillage moins restrictif.
En revanche, comme on peut le voir sur la figure 4.10 prise sous un autre angle de vue, on
remarque trs nettement lcart de nos surfaces avec la surface translate reprsentant
lapproximation propose par les tudiants de lENSPM. .
146
Figure 4.10 : A gauche, une crossline sans inteprtation. A droite, en vert le Top Dunlin pick la
main, en jaune le Top Brent pick la main et en rouge le Top Brent interprt par la plateforme.
La figure 4.10 montre la diffrence obtenue entre la surface translate en jaune et la surface
obtenue avec un seuillage de 8000. Il en aurait t de mme avec les 2 autre seuillages.
Lcart observ est principalement d une diffrence dinterprtation relative une faille. La
plateforme qui fait lobjet de cette thse, na pas dcel de dconnection majeure (miroir de
faille) sur la partie gauche de la surface. En revanche, comme on peut le voir sur la surface
verte, il en existe une pour Top Dunlin ce mme endroit (notre plateforme lavait trouv
aussi). Cette mme dconnection se retrouve bien entendu sur la surface translate
reprsentant lapproximation de la surface Top Brent
Nous ne savons pas si la faille sest attnue cet endroit. Et en labsence de marqueurs dans
cette zone, il est trs difficile dtre sr de notre rsultat. Si la faille sest bien attnue, le
rsultat obtenu est correct. Si la faille ne sest pas attnue, lerreur pourrait alors tre due au
fait de la proximit avec la surface drosion BCU reprsente par une rflexion de trs forte
amplitude juste au dessus de Top Brent. En effet, BCU pourrait alors tre lorigine de
fusions imitant sa gomtrie. Or BCU ntant pas dconnecte par des failles, elle influence
une gomtrie semblable aux horizons qui lui sont proches. Pour rsoudre cette difficult, il
serait ncessaire de disposer de marqueurs de chaque ct de la faille ou bien de pouvoir
suivre la surface en contournant la faille, dans le cas o celle-ci sattnuerait latralement. Ces
2 possibilits sont illustres sur la figure 4.11.
147
En conclusion, il apparat que les fusions des rflecteurs en horizons dans des zones situes
proximit immdiate de surfaces discordantes ne sont pas trs sres. Il conviendrait donc
didentifier en premier lieu les surfaces discordantes afin de ne pas les utiliser lors des
fusions.
La surface drosion BCU est la plus complique picker . En effet, bien que son signal
soit trs fort et trs contrast sur la majeure partie de son tendue, ce mme signal devient trs
bruit l o le pendage de BCU devient important. Ceci est d deux raisons principales:
Les rflexions des ondes sont de moindres qualits sur des pendages importants.
La figure 4.12 illustre ce qui se passe gologiquement sur une coupe sismique dAlwyn : un
grand nombre de surfaces rcentes (en bleu) viennent se terminer horizontalement sur la BCU
(en jaune) l o le pendage de cette dernire est le plus fort.
On peut voir sur la figure 4.13, une inline dAlwyn prise au milieu du bloc.
148
BCU
Dans la partie gauche de la figure 4.13, la BCU correspond, daprs les marqueurs, la forte
rflexion rouge au dessus de la forte rflexion bleue. Cependant, au niveau de la zone don
lap, la BCU devient invisible. Au niveau de la premire terminaison dhorizon plus rcent, la
rflexion rouge suit la surface rcente au lieu de suivre le pendage local de la BCU. Tous les
rflecteurs observs dans la zone entoure viennent pourtant sarrter sur la BCU. On ne voit
pas cette dernire mais on la devine simplement par linterruption des surfaces venant
sarrter son contact, quil sagisse de surfaces plus rcentes (disposition on lap) ou de
surfaces plus anciennes rodes par la BCU.
De la mme manire quune faille, BCU nest pas directement visible mais correspond une
surface que lon place dans une zone dincertitude dans laquelle les horizons sinterrompent.
Ainsi, les critres que nous avons choisis pour caractriser les horizons ne suffisent pas pour
dtecter la BCU., Avec laide de marqueurs aux puits disponibles dans cette zone, nous
aurions pu, tout au plus, limiter lerreur. En accord avec les rgles gologiques que nous
avons adoptes pour linterprtation, la BCU suit la premire surface plus rcente interrompue
qui est rencontre et ce nimporte quel seuil damplitude choisi, comme le montre la figure
4.14. Pour ces diverses raisons, il nous a donc t impossible de caractriser directement la
BCU laide de notre mthodologie, puisque la surface caractrise comme BCU par la
plateforme savre tre diffrente de la BCU relle.
149
Figure 4.14 : La surface drosion BCU selon un seuillage de 8000, 9000 et 10000 de gauche droite
et de haut en bas. La surface de rfrence est en bleue.
Dans le tableau ci-dessous, on retrouve les pourcentages de la surface que reprsentent les
nuages de points obtenus.
Seuil opr
Pourcentage de la surface de
rfrence o le nuage de
points est confondu
Pourcentage de la surface de
rfrence o le nuage de
points nest pas confondu
8000
49 %
41 %
9000
49 %
45 %
10000
46 %
42 %
On constate aussi par les chiffres, la mauvaise extension de nos interprtations de la BCU sur
quasiment la moiti de sa surface.
2.3.6. Comparaison qualitative : Top Turonian
150
La surface Top Turonian peut tre picke aisment. Cependant, comme elle vient draper la
BCU, les deux surfaces sont par endroits totalement confondues. Top Turonian est en fait la
surface la plus rcente (la plus haute) des surfaces rejoignant la BCU.
Ainsi la surface qui a t caractrise par la plateforme comme BCU savre tre dans la
ralit la surface Top Turonian. La plateforme a donc identifi une surface (le top Turonian),
qui a t part erreur labellise comme BCU. Ceci est li au fait que dans la zone centrale
reprsente sur la figure 4.3, les deux surfaces BCU et Top Turonian sont confondues et que
seuls des marqueurs BCU sont prsents dans cette zone. De ce fait, le morceau partag entre
la BCU et le Top Turonian a seulement t vu comme un morceau de BCU et jamais comme
un morceau de Top Turonian.
Ceci remet aussi en cause le fait que le modle gologique que nous avons reprsent dans
lontologie ne supporte pas de surfaces confondues. En effet, dans ce modle, 2 surfaces ne
peuvent avoir le mme ge ce qui gologiquement parlant est exacte. Cependant, la vue de
la rsolution verticale limite dune image sismique, il se peut que deux surfaces soient
confondues.
Figure 4.15 : La surface Top Turonian (en rouge) selon un seuillage de 8000. La surface de rfrence
est en bleue.
Sur la figure 4.15, on constate la bonne association entre la surface interprte et la surface
picke manuellement. 2 zones ne paraissent pas concordantes. En bas droite, la partie bleue
plongeante est une erreur intervenue lors du tracking opr par les lves (gnralement, au
bord dun bloc sismique, les donnes sont de mauvaises qualits). En haut gauche, le petit
morceau bleu non suivi est hors des limites de notre tude et est donc vu comme un trou dans
notre surface.
Le tableau ci-dessous rcapitule les pourcentages de la surface que reprsentent les nuages de
points obtenus.
151
Seuil opr
Pourcentage de la surface de
rfrence o le nuage de
points est confondu
Pourcentage de la surface de
rfrence o le nuage de
points nest pas confondu
8000
90 %
0%
9000
94 %
0%
10000
88 %
0%
On constate que ce tableau est en troite liaison avec le tableau correspondant de la BCU. En
effet les points qui ntaient pas confondus avec la BCU sont dsormais confondus avec Top
Turonian et, de ce fait, sont pris en compte dans le calcul du pourcentage de la surface de
rfrence o le nuage de points est confondu.
2.3.7. Les autres surfaces
152
Seul le rflecteur situ sous la BCU et qui profite aussi dune trs forte amplitude (en bleue
sur les cross sections) ne sest pas termin correctement mais a poursuivi son extension sur
une des surfaces rcentes (cf figure 4.17). Dans la mesure o il nexiste aucun marqueur aux
puits disponible pour cette surface et surtout dans la mesure o aucune incohrence
temporelle na t cre par cette extension errone, cette erreur na pas pu tre dtecte par
notre plateforme.
La majeure partie des terminaisons est correcte malgr le bruit et le grand nombre de fourches
grce aux traitements des multi valuations en Z par division des rflecteurs au niveau des
fourches et grce aux relations de paralllisme. En effet, les orientations sont trs diffrentes
entre les surfaces plus anciennes et plus rcentes que la BCU sauf en ce qui concerne le
rflecteur situ juste en dessous de la BCU, ainsi que nous lavons vu prcdemment. .
Hormis cette zone drosion-onlap, on peut remarquer que les marqueurs aux puits dont nous
disposons se rfrent dautres surfaces que nont pas t pickes par les lves de
lENSPM. Les interprtations que nous avons ralises ont identifi 2 de ces surfaces sur les 3
manquantes : Top Ness 1 et Top Etive. Ces surfaces sont importantes pour raliser une bonne
modlisation entre Top Dunlin et Top Brent. En effet, lors de la construction de la grille entre
Top Dunlin et Top Brent, il sera possible de sappuyer sur Top Etive et Top Ness 1 afin de
dfinir les couches de cette dernire.
Top Etive correspond aux rflecteurs situs juste au dessus de Top Dunlin. Comme Top
Dunlin tait trs simple picker, il vient que les fusions de rflecteurs sont faciles sa
proximit et que Top Etive en bnficie (cf. Fig. 4.18).
153
Figure 4.18 : La surface Top Etive selon un seuillage de 8000, 9000 et 10000 de gauche droite et de
haut en bas.
Top Ness 1 et Top Ness 2 correspondent des rflexions de faible amplitude et donc trs
sujettes au bruit. Mme un seuil de 8000, nous navons pas russi dtecter Top Ness 2
proximit des marqueurs aux puits pour raliser une association. Cependant, cela a t
possible pour Top Ness 1 et est illustr sur la figure 4.19.
154
Figure 4.19 : La surface Top Ness 1 selon un seuillage de 8000 (rouge), 9000 (violet) et
10000 (orange).
Linterprtation de cet horizon est trs intressante car elle diffre beaucoup dun seuillage
un autre et montre les limites de notre mthode dans une zone o les amplitudes sont peu
contrastes et peu intenses.
Les 3 surfaces sont identifies comme Top Ness 1 grce au marqueur aux puits prsent au
centre de limage. Mais, comme les surfaces dappui pour fusionner sont trs diffrentes selon
les niveaux de seuillage cause de cette zone bruite, la solution finale observe montre de
nettes diffrences.
Sans surface de rfrence, il est trs difficile de dire quelle interprtation est le plus proche de
la ralit mais il semblerait, daprs la figure 4.1, que le seuillage le moins strict (8000, en
rouge) donne dans ce cas la solution la plus acceptable. En effet, dans ce cas, avoir plus de
surfaces dappui pour fusionner semble bnfique pour linterprtation finale et ce, mme si
les gomtries sont plus incertaines
155
Sur cette figure, les failles sont reprsentes par des doubles traits quasiment parallles
surligns en vert. Plus ces traits sont spars et plus le rejet de la faille est important. On
constate principalement la prsence de failles majeures Nord-Sud qui se rejoignent les unes
les autres et de quelques failles transverses de rejet moins important.
Le picking manuel de lENSPM a t ralis entirement la main (sans tracking) par points
successifs sur diffrentes cross sections du bloc sismique. Il ny a pas eu de picking ralis
partir des dconnections dhorizons mais seulement partir de limage. Le but fix par les
encadrants tait de satisfaire une cohrence gologique de lensemble des failles pickes
plutt que dassurer des gomtries et localisations exactes pour les failles reconnues. 28
failles au total ont t identifies par les tudiants de lENSPM. Ces failles sont reprsentes
sur la figure 4.21.
156
Figure 4.21 : Les principales failles pickes par les lves de lENSPM
La similarit entre la figure 4.20 et 4.21 est trs discutable mais on retrouve tout de mme les
deux directions principales des failles. Plusieurs failles (reprsentes en noir, rouge et bleu
principalement) ont un direction Nord Sud et on aperoit des failles transverses (en marron,
vert et fuschia principalement) venant les recouper.
Les paramtres que nous utilisons pour la dtection des dconnections dhorizons candidats
sont les suivants :
2 vecteurs sont considrs dans le mme plan si leur angle ne dpasse pas 10 degrs.
Seuil
Temps dextraction
et de caractrisation
(sec)
Nombre de
miroirs de faille
Temps de fusion
des miroirs de
faille (sec)
Nombre de
failles
25000
8,5
40
0,5
157
10000
127
1191
475
44
9000
161,5
1976
1214
101
8000
223,7
4215
5356
287
Le nombre de failles est bien plus lev que celui pick par les tudiants de lENSPM. Mais
comme pour les horizons, la plateforme dveloppe interprte lensemble du bloc alors que
les tudiants se sont concentrs sur la zone rservoir du bloc.
Nous allons comparer les failles se trouvant dans cette zone avec celles pickes par les lves.
3.2.2. Comparaison qualitative : seuillage 10000
17 failles ont t interprtes dans la zone dlimite par Top Dunlin et Top Brent par la
plateforme. Une illustration de ces interprtations est donne sur la figure 4.22.
Figure 4.22 : Les failles dtectes dans la zone rservoir avec un seuillage 10000.
La direction principale Nord Sud a bien t trouve. En plus de cela, quelques failles
transverses ont ponctuellement t dtectes. Cette interprtation correspond la dfinition
basique du rseau des failles prsentes : une direction principale avec quelques failles
transverses.
Regardons maintenant la relation de ces failles avec les horizons quelles dcoupent.
158
Sur la figure 4.23, on voit grce aux ombrages les dconnexions majeures prsentes sur la
surface Top Dunlin pointe manuellement. On constate que les failles pickes par les lves
sont en concordance directe avec les rejets pour les failles transverses mais quil nen est pas
de mme pour la faille principale Nord Sud.
Ceci sexplique par le fait que les 2 interprtations sont ralises indpendamment et quil ny
donc pas de lien cause effet entre les pickings dhorizons et de failles.
Figure 4.24 : Les failles interprtes en association avec la surface Top Dunlin
159
Sur la figure 4.24, on constate que les failles rsultant de notre interprtation sont trs bien
places par rapport aux rejets de la surface Top Dunlin reprsente en vert dans le cas du
picking manuel et en bleu dans le cas de notre interprtation.
On constate aussi que certaines failles transverses nont pu tre dtectes dans la zone en bas
gauche de la surface. Ceci est d au fait que la dconnection observe possde un heave trop
large. Ceci nest alors pas interprt comme le passage dune faille mais plutt comme un
arrt de lhorizon.
3.2.3. Comparaison qualitative : seuillage 9000
45 failles ont t interprtes dans la zone dlimite par Top Dunlin et Top Brent par la
plateforme. Une illustration de ces interprtations est donne sur la figure 4.25.
Figure 4.25 : Les failles dtectes dans la zone rservoir avec un seuillage 9000.
Le seuillage 9000 donne de trs bons rsultats sur les failles principales Nord Sud. En effet,
de grandes failles sont dtectes formant une famille gologiquement cohrente.
En revanche, le rsultat est bien moins bon concernant les failles transverses. Trs peu sont
dtectes. Lune dentre elles a mme disparu par rapport au seuillage 10000 en haut
gauche de la figure 4.25. Cette disparition est due au fait que Top Dunlin ntait pas aussi
tendue en utilisant le seuillage 9000 (cf figure 4.8), ce qui fait quon na pas pu exploiter la
dconnection relative cette faille.
On remarque aussi que de nombreuses petites surfaces de failles sont dtectes. On ne peut
que difficilement donner un avis objectif sur lexistence de ces petites failles. Cependant, il
est certain quen diminuant le seuil damplitude, la dtection est plus sensible au bruit et
trouve un nombre plus grand de dconnections. Il vient quil y a alors plus de possibilit de
160
fusions des dconnections en faille. Le rsultat est un rseau de failles plus complet que celui
obtenu avec un seuil 10000 qui devra faire lobjet dune slection manuelle afin denlever
un certain nombre dartefacts lis au bruit. Un exemple frappant de cette sensibilit de notre
rsultat au bruit est observable en bas de la figure l o de nombreuses failles viennent
sintersecter. Ces multiples intersections provoquent beaucoup de bruit donc des surfaces plus
accidentes et donc plus de dconnections.
Figure 4.26 : Les failles interprtes en association avec la surface Top Dunlin
Encore une fois, on peut constater sur la figure 4.26, la bonne association entre les failles
dtectes et les dconnections de lhorizon Top Dunlin.
3.2.4. Comparaison qualitative : seuillage 8000
64 failles ont t interprtes par la plateforme dans la zone dlimite par Top Dunlin et Top
Brent. Une illustration de ces interprtations est donne sur la figure 4.27.
161
Figure 4.27 : Les failles interprtes pour un seuillage 8000. A gauche sans association et droite
avec Top Dunlin.
On constate que pour un seuillage 8000, on obtient beaucoup plus de failles sans pour autant
avoir beaucoup plus dinformations importantes. On a perdu quelques failles Nord Sud et on a
simplement gagn quelques morceaux de failles transversales.
Au-del dun certain niveau damplitude, les dconnections sont plus relatives au bruit quaux
failles et de trs nombreuses petites failles apparaissent dont lexistence ne nous semble pas
certaine. Il sagira alors pour lutilisateur de faire le tri dans lensemble de ces surfaces.
4. Exportation
4.1. Modlisation
4.1.1. Horizons
Lexportation des horizons ncessite de trianguler les surfaces, de remplir les trous, de lisser
les surfaces rsultantes puis doprer une diminution du nombre de triangles afin quil soit
plus facile deffectuer les traitements ultrieurs.
Pour tout cela nous utilisons les algorithmes dvelopps par Tran Nam dans sa thse [Tran
Nam, 2008]. Nous allons en prsenter une illustration sur nos surfaces.
162
La figure 4.28 expose gauche une portion de la triangulation obtenue partir du nuage de
points de Top Dunlin au voisinage dune faille. A droite, la figure montre le mme morceau
de surface aprs remplissage des trous. De plus, nous avons opr une dcimation sans perte
des courbures afin dobtenir un nombre de triangles suffisamment faible en vue des
traitements ulrieurs.
4.1.2. Failles
Lexportation des failles se base sur les piliers reprsentant les ensembles de dconnections
2D aligns. Ces piliers servent de base pour la triangulation de la surface de faille. Suite
cette triangulation, on opre un lissage de la surface rsultante (cf. Fig. 4.29) afin de la rendre
adapte aux travaux qui font suite notre interprtation.
Figure 4.29 : Lissage Laplacien des failles pour faciliter les travaux ultrieurs..
163
4.2. OWL
Une fois que les donnes sont exportes, nous consacrons la fin de notre travail
dinterprtation documenter les rsultats. Pour cela, nous fournissons lontologie utilise qui
inclut les instances cres par la plateforme au cours de linterprtation.
Comme on peut le voir sur la figure 4.30, chaque horizon est ainsi renseign par son label, son
paisseur moyenne, son amplitude moyenne, ses relations de paralllisme, ses relations avec
un marqueur au puits, ses relations de visibilit verticale avec dautres horizons, par
lalgorithme qui a permis de le gnrer et enfin par les rflecteurs qui le composent.
A leur tour, certaines de ces caractristiques sont renseignes par dautres caractristiques.
Ainsi, lalgorithme gnrant tel ou tel horizon a utilis certains paramtres qui sont leur tour
sauvegards dans lontologie (cf. Fig. 4.31).
164
De mme, chacun des rflecteurs composant un horizon est dfini par les caractristiques
tablies lors de la cration de lontologie qui dcrit les modalits de linterprtation (cf. Fig
4.32).
165
Figure 4.32 : Linstance dun des rflecteurs composant Top Dunlin dans lontologie.
5. Bilan
Les rsultats prsents nous confortent dans lide que la mthodologie labore et la
plateforme dveloppe ont un intrt certain. En effet sur lexemple ancien entach dune
rsolution mdiocre qui a t trait, les rsultats obtenus apparaissent assez proches de
linterprtation manuelle faite par les tudiants de lENSPM. Par ailleurs, dautres rsultats,
qui ne peuvent- pas tre rapports ici, ont t obtenus sur dautres blocs sismiques plus
rcents et ont donne de meilleurs rsultats.
Cependant, ces rsultats pourraient plus tre qualifis dencourageants que de pleinement
satisfaisants. En effet, mme si lensemble des rsultats est tout fait cohrent avec la
connaissance priori stocke au moyen de lontologie, on a pu constater que cette dernire
ntait pas suffisante.
Dans le cas des horizons, des erreurs se produisent au niveau de la surface drosion. Celle-ci
nest pas dtectable directement car notre ontologie se concentre sur la fusion des rflecteurs
166
par dfinition visibles. De plus, le fait que 2 surfaces soient confondues ntant pas pris en
compte dans notre modle a occasionn une erreur de labellisation de surfaces.
Dans le cas des failles, on a pu constater globalement de bons rsultats. Cependant, nous
avons aussi pu observer dassez fortes variations entre les diffrents seuillages. La sensibilit
au bruit saccrot de manire significative lorsquon baisse du seuil damplitude. En outre, il
na pas t possible de dtecter convenablement la plupart des failles transverses. Mme au
niveau de seuil de 9000 qui parat procurer le meilleur rsultat, la limite Nord Ouest de
lhorizon Top Dunlin na pas pu tre interprte comme un passage de faille car aucune rgle
na t pose dans notre ontologie concernant les interruptions dhorizons
Ces quelques remarques nous font prendre conscience que lontologie actuellement dfinie
souffre de manques. En revanche la plateforme adopte prsente des avantages comme la
modularit, lvolutivit, la rapidit dexcution, la gestion de lespace mmoire ou encore la
possibilit de justifier aisment les rsultats.
Ces rsultats donnent donc envie de poursuivre le dveloppement de notre plateforme. Pour
cela, un enrichissement de lontologie dinterprtation sera ncessaire en vue daffiner au
mieux les interprtations. Nous reviendrons en dtail sur ce point dans notre chapitre de
conclusions.
167
168
Perspectives et conclusions
1. Les contributions
1.1. Une plateforme dinterprtation sismique base sur la connaissance
Dans le prsent travail de thse, nous nous sommes efforcs dutiliser les travaux rcents
raliss dans le domaine de la vision cognitive pour tenter dautomatiser au mieux
linterprtation dune image sismique 3D. Trois diffrents niveaux dabstraction constituent
larchitecture globale du systme ralis. Ils sont relis les uns aux autres par la connaissance
quils partagent en commun. Cette dernire est reprsente au sein dune ontologie.
Tout dabord, le niveau le plus bas est charg dextraire directement partir de limage
sismique un grand nombre de candidats susceptibles de constituer tout ou partie dun objet
gologique. Conformment avec les attributs et relations dfinis dans lontologie, le niveau
intermdiaire est en charge de caractriser ces candidats. Le niveau le plus haut ralise le lien
avec la gologie en comparant les candidats caractriss avec un objet gologique dfini de
manire conceptuelle..
Les limitations de la plateforme dinterprtation ralise sont lies la quantit de
connaissance formalise dans lontologie. Elles sont aussi lies la possibilit de construire
des algorithmes capables de traiter cette connaissance chaque niveau. En dautres termes, si
lon cre un concept dans lontologie, il sagit de pouvoir crer un algorithme capable de
gnrer une instance de ce concept.
169
les horizons multivalus en Z ne sont pas pris en compte car nous avons fait
lhypothse quun horizon situ au dessus dun autre est forcment plus rcent.
les images sismiques temps sont considres comme des images sismiques
profondeur .
nous avons fait lhypothse quun horizon nest quune fusion de rflecteurs. Or, on a
pu remarquer quun horizon peut, dans certains cas, tre reprsent par les
interruptions dautres horizons (cas de la surface BCU sur sa partie EST dans le
cas des donnes Alwyn).
170
majoritairement dus un manque de connaissance dans lontologie et non pas une erreur
inhrente la mthodologie.
En outre, ces interprtations apportent des informations supplmentaires que les tudiants de
lENSPM nont pas eu le temps de pointer. Elles contiennent donc un plus grand nombre
dinformations utiles pour la ralisation dun modle structural complet et prcis dans la
mesure o notamment il est possible didentifier des surfaces intermdiaires dans la zone
rservoir.
171
importer un bloc sismique (aide la lecture du format SEGY qui est trs peu standard
dans la pratique),
172
2.5. Implmentation
Il est encore possible doptimiser certains algorithmes et certaines structures de donnes. Par
exemple, au dbut de notre travail, le stockage des surfaces a t pens sous forme de nuages
de points 3D. Il apparat actuellement que ce choix ntait pas le plus adquat : les horizons
seraient bien mieux reprsents dans une grille 2D englobante dont la valeur des cellules
seraient le valeur Z du voxel reprsent. Ceci obligerait nanmoins de garder la limitation
existante de ne pas prendre en considration les surface multivalues en Z. Les failles
seraient bien mieux reprsentes par un ensemble de piliers contenus dans la surface de faille.
Chacun de ces piliers serait reprsent par un tableau de coordonnes 2D et serait associ
une inline ou une crossline. De mme, lalgorithme de dtection des relations chronologiques
entre rflecteurs ne devrait pas oprer uniquement dans la direction verticale mais dans le
direction perpendiculaire au pendage de la surface tudie.
En rsum, larchitecture globale est robuste, la majeure partie des algorithmes est trs
efficace mais une version 2 pourrait encore optimiser certaines parties de notre travail de fin
de thse.
173
de services Web (workflow et sous-workflows). Ces derniers seront des instances des
concepts de lontologie dfinie.
La surface attendue en entre dun modeleur est une surface triangule sur laquelle de
multiples traitements doivent tre effectus. Cette surface doit tre la moins volumineuse
possible pour que les nombreux traitements se fassent rapidement. Ses triangles doivent tre
de trs bonne qualit afin de pouvoir tre intersects aisment. Enfin, la surface ne doit pas
comporter de trous.
Comme nous lavons indiqu au chapitre 3, les solutions apportes dans sa thse par Van Tran
Nam [Tran Nam, 2008] rpondent trs bien ces attentes ds lors quon dispose lorigine
dune surface triangule. Il est ainsi possible de remplir les trous et de diminuer le nombre de
triangles tout en assurant la conservation des courbures.
Cependant, ces solutions peuvent notre avis encore tre amliores en se basant directement
sur la matrice creuse. En effet, le nuage de points correspondant est alors structur selon une
grille et peut donc tre encore plus facilement triangul. De plus, dans la matrice creuse, il est
possible de prendre en considration plusieurs surfaces ensemble. Par exemple, il sera
possible de contraindre un remplissage de trou dune surface en suivant la gomtrie de ses
surfaces voisines et parallles. Nous imaginons aussi pouvoir se baser sur lontologie cre
afin que la modlisation puisse sappuyer sur le maximum dinformations disponibles. Un
travail de thse faisant suite celui de Van Tran Nam va tre initi sur ce sujet au le
laboratoire dInformatique de lESIL de Marseille. La donne dentre sera directement la
matrice creuse dans un premier temps et non plus des surfaces triangules.
A lavenir, grce ces divers travaux, il sera donc possible de construire les surfaces
triangules en optimisant leur conformation aux nuages de points qui rsultent directement de
linterprtation sismique.
174
Nous exportons, lheure actuelle, les mtas donnes directement dans lontologie que nous
utilisons pour dfinir les caractristiques importantes de notre interprtation. Bien que ce
format soit facilement changeable il nest pas pour autant optimal pour un change de
donnes au travers dun grand rseau. Par exemple, le fichier peut se perdre, tre altr ou
spar des donnes.
Pour rpondre ce genre de problmes et fournir de manire rapide et scurise les donnes
associes leurs mtadonnes au travers dun rseau, Laura Mastella propose dans un travail
de thse en voie dachvement lEcole des Mines de Paris, dutiliser une base de donnes
ontologique pour stocker lensemble des donnes lies lexploration ptrolire [Mastella,
2009]..
De ce fait, des requtes de type SQL peuvent tre opres en utilisant le vocabulaire et la
structure dfinie dans les ontologies que la base reprsente. Il est ainsi ais dobtenir la
donne informe (ou annote selon le vocabulaire utilis par Laura Mastella) dune
manire scurise.
Dans les limites que nous avons prcises (horizons en position normale et pas trop inclins
ne correspondant ni des surfaces drosion ni des surfaces on lap), linterprtation des
horizons peut tre juge globalement satisfaisante. Les perspectives concernent
principalement la possibilit de dcrire leurs proprits gologiques de manire plus prcise
afin de pouvoir dduire un plus grand nombre dinformations partir de ces surfaces.
A notre avis, lattribut qui manque le plus dans notre ontologie pour caractriser les horizons
est leur type gologique qui peut tre selon les cas parallle, discordant, onlap ou discordant
175
+ onlap [Perrin, 1998]. Sans cet attribut, il ne nous est pas possible de dfinir correctement la
squence sdimentaire dont fait partie lhorizon. En effet, une squence sdimentaire est
dfinie par un ensemble dhorizons parallles et est dlimite par des surfaces
discordantes en haut et en bas. De plus, savoir que des horizons sont de type onlap ou rosif
pourrait nous pousser les interprter autrement. Ceci aurait notamment t trs utile pour le
cas de la BCU du bloc sismique Alwyn.
Afin de dterminer la valeur de cet attribut, nous pensons nous appuyer sur le type de chaque
face composant un horizon comme il a t expliqu au chapitre 1, paragraphe 4.2.5.1.1.
Chaque face, FTR et FTA, dun horizon est caractrise CONC ou DISC afin de dfinir le
type gologique de ce dernier. Cet attribut de face serait calcul aprs fusion des rflecteurs
en horizons en ayant pris soin davoir sauvegard auparavant les configurations de type
fourche limines pour cause de multi valuations. En sappuyant sur ces dernires et en
ayant interprt dsormais le bon horizon passant par cette fourche, nous pourrions affecter
DISC une des faces comme lillustre la Face To Ancient de lhorizon B sur la figure 5.1.
Un autre attribut des horizons intressant serait celui de la forme de lhorizon. En effet, cette
dernire peut avoir des consquences trs fortes dans la constitution dun pige ptrolier. Par
exemple, un horizon de forme anticlinale est un pige ptrolier trs courant. En plus de cela,
la forme dun horizon peut renseigner sur la prsence dobjets particuliers. Cest le cas
notamment des dmes de sel qui imposent une forme particulire aux horizons. Enfin, en
prsence de chenaux, si lon arrive dtecter les horizons contenus dans ce dernier, ils
suivront automatiquement la gomtrie du chenal et auront donc sa forme caractristique
(allonge et mandriforme).
Une dernire caractristique qui nous parat importante est la description des trous contenus
dans un horizon. En effet, ceux qui ne sont pas lis une dconnection de faille peuvent
fournir une indication importante relativement la prsence de certains objets gologiques.
Un trou peut tre, par exemple, li au passage dun chenal ou encore la prsence dune
chemine (une fuite de gaz dans le sous sol). Nous avons notamment identifi un exemple de
trou significatif dans le bloc Alwyn. Laccumulation dhydrocarbures liquides dans la
formation Brent change en effet les proprits du milieu travers par les ondes et donc
modifie lamplitude de rflexion dans cette zone. La figure 5.2 illustre gauche les
accumulations dhydrocarbures thoriques sur le Top Brent et droite notre interprtation de
ce mme Top Brent. On constate la prsence dun grand trou au centre de limage de droite
qui peut sapparenter laccumulation dhydrocarbure reprsente en vert sur la figure de
gauche.
176
Figure 5.2 : A gauche, limage de rfrence dcrivant les zones daccumulation dhydrocarbures (en
vert et rouge) et droite la surface interprte correspondante avec ses trous.
3.4.2. Failles
Une des caractristiques les plus importantes qui nous semble devoir tre prise en
considration pour linterprtation des failles est la prise en compte des interruptions
dhorizon. Une faille peut en effet dconnecter un horizon au point que les deux parties
rsultantes soient trs loignes lune de lautre. En labsence dun marqueur au puits ou dun
horizon lui-mme dconnect par cette mme faille pouvant servir de surface dappui, il ne
sera pas possible de fusionner les rflecteurs situs des deux cts de la faille en un seul
horizon. Dans ce cas, les horizons associs ces rflecteurs ne montreront aucune
dconnection mais sarrteront tout simplement sur la faille.
Il se peut aussi quun des rflecteurs adjacents la faille ne soit pas visible. Il peut avoir t
dplac par la faille en dehors de limage sismique ou tout simplement souffrir de bruit
lendroit o il a t dplac (cf. Fig. 5.3)
Ces raisons nous amnent penser quun des critres primordiaux de dtection des failles qui
pourrait tre rajout lontologie est linterruption dhorizons.
177
Figure 5.3 : Faille dtecte par succession dinterruptions dhorizon dans le plan.
178
Enfin lontologie gagnerait dcrire des objets gologiques autres que les horizons ou les
failles afin de complter linterprtation sismique. Nous pensons principalement la
possibilit de description de chenaux, ou de chemines et aussi la description de lensemble
des lments caractristiques de la stratigraphie squentielle.
En rajoutant ces objets et leurs caractristiques dans lontologie et en dveloppant en parallle
les algorithmes capables den crer des instances et de les caractriser, nous pourrions aboutir
alors une interprtation des images sismiques sensiblement plus riche que celle prsente
dans le prsent mmoire. Compte tenu de ltat actuel des connaissances en matire
dinterprtation sismique, il nous parat y avoir l une piste pour lavenir qui pourrait se
rvler particulirement intressantes pour les interprtateurs qui oeuvrent dans les
compagnies ptrolires.
179
180
aux connaissances
tacites,
d'un document crit,
d'un
Formalisation :
Formulation prcise et structure selon les formes requises dans un domaine scientifique.
Ingnierie des connaissances :
Lingnierie des connaissances consiste concevoir des systmes dont le fonctionnement
permet de rendre oprationnelles des connaissances portant sur le traitement ou la rsolution
dun problme donn.
Intelligence artificielle :
Discipline scientifique relative au traitement des connaissances et au raisonnement, dans le
but de permettre une machine d'excuter des fonctions normalement associes
l'intelligence humaine : comprhension, raisonnement, dialogue, adaptation, apprentissage,
etc.
181
Modle conceptuel :
Le modle conceptuel a pour but d'crire de faon formelle les donnes qui seront utilises
par le systme d'information. Il s'agit donc d'une reprsentation des donnes, facilement
comprhensible, permettant de dcrire le systme d'information l'aide d'entits.
Moteur d'infrence :
Dsigne un logiciel qui opre les calculs de logique d'un systme en reliant des faits des
rgles.
Ontologie :
Le terme ontologie fait rfrence un modle formel utilis pour dcrire un domaine
particulier du monde rel.
Pilotage de programmes :
Automatisation de la planification et du contrle dexcution de programmes contenus dans
une bibliothque.
Rgle de production :
Une rgle de production est une rgle conditionnelle du type SI condition ALORS action :
lorsqu'une condition est satisfaite, alors excuter une action particulire.
Vision cognitive :
Nouveau domaine de recherche qui a pour but de rendre les systmes de vision plus robustes,
plus flexibles et plus adaptables en leur fournissant des fonctions cognitives.
Web smantique :
Le Web smantique dsigne un ensemble de technologies visant rendre le contenu
des ressources du World Wide Web accessible et utilisable par les programmes et agents
logiciels, grce un systme de mtadonnes formelles, utilisant notamment la famille de
langages dvelopps par le W3C.
182
Bibliographie
[Admasu, 2006] Admasu F., Back S., Toennies K., Autotracking of faults on 3D seismic data,
Geophysics, Vol. 71, No. 6, novembre-dcembre 2006; p. A49A53
[Aussenac, 1989] Aussenac N., Conception d'une mthodologie et d'un outil d'acquisition de
connaissances expertes, Thse de l'universit Paul Sabatier de Toulouse, Octobre 1989.
[Azuaje, 2002] Azuaje V., Aldana M., Escobar I., Improving The Seismic Image By Using
The Multi-line Technique, EGS XXVII General Assembly, abstract #4830, Nice, 21-26 avril
2002
[Bahorich, 1995] Bahorich M., Farmer S., 3-D seismic discontinuity for faults and
stratigraphic features : The coherence cube, The leading edge, 1995, p. 1053-1058
[Barnes, 2006] Barnes A. E., A filter to improve seismic discontinuity data for fault
interpretation, Geophysics, vol. 71, issue 3, 2006, p. P1
[Bates, 1987] Bates R. L., Jackson J. A., Glossary of geology (3rd Edition), American
Geological Institut, Alexandria, Virginia, 1987.
[Belad, 2009] Belad N., At- Ameur Y., Rainaud J. F., SWAPT : Semantic Workflow
Architecture for Petroleum Techniques, Webist: 5th international conference on Web
information systems and technologies, 2009
[Brub, 1991] Brub L., Terminologie de neuropsychologie et de neurologie du
comportement, Montral, Les ditions de la Chenelire Inc., 1991, 176 p.
[Borgos, 2005] Borgos H. G., Skov T., Sonneland L., Automated Structural Interpretation
Through Classification of Seismic Horizons, Mathematical Methods and Modelling in
Hydrocarbon Exploration and Production, Volume 7, 2005, p. 89-106.
[Boucher, 1999] Boucher A., Une approche dcentralise et adaptative de la gestion
dinformations en vision : Application l'interprtation d'images de cellules en mouvement,
Thse d'informatique. Universit Joseph Fourier Grenoble 1, 1999
183
184
[Clark, 1998] Clark D., Seismic interpretation in the 1990s, The Leading Edge, Vol. 17, No.
6, June 1998, p. 793-794
[Clement, 1993] Clement V., Thonnat, M., A knowledge-based approach to integration of
image procedures processing. CVGIP: Image Understanding, 1993, 57(2):166-184.
[Corbel, 1997] Corbel J.C., Mthodologie et retour dexprience : dmarche MEREX de
Renault, Herms, 1997
[Crevier, 1997] Crevier D., Lepage R., Knowledge-Based Image Understanding Systems: A
Survey, Computer Vision and Image Understanding, Vol. 67, No. 2, August 1997, p. 161185
[de Bruin, 2007] de Bruin G., Hemstra N., Pouwel A., Stratigraphic surfaces in the
depositional and chronostratigraphic (Wheeler-transformed) domain, The Leading Edge, Vol.
26, Issue 7, 2007, p. 883-886
[Dorn, 1998] Dorn G. A., Modern 3-D seismic interpretation, The Leading Edge, Vol. 17, No.
9, September 1998, p. 1262-1272
[Draper, 1996] Draper B., Hanson A. R. Knowledge-directed vision: control, learning and
integration. Proceedings of IEEE, 1996, 84(11):1625{1681.
[Ermine, 1996] Ermine J. L., Chaillot M., Bigeon P., Charreton B., Malavieille D., MKSM, a
method for knowledge management. Proc. of the 5th Int. Symposium on the Management of
Industrial and Corporate Knowledge (ISMICK'97), Compigne, France, 1996, p. 288 - 302.
[Fehmers, 2003] Fehmers G., Hcker C., Fast structural interpretation with structure-oriented
filtering, Geophysics, Vol. 68, issue 4, 2003, p. 1286
[Fensel, 2003] Fensel D., Hendeler J., Lieberman H., Wahlster W., Spinning the semantic
web. The MIT Press, Cambridge, Massachusetts, 2003
[Foucault, 2005] Foucault A., Raoult J. F., Dictionnaire de gologie, Masson, 6me edition,
Paris, France, 2005.
[Ganter, 1999] Ganter B., Wille R., Formal Concept Analysis, Springer, Berlin, 1999.
[Garnesson, 1991] Garnesson P., MESSI : un systme d'analyse de scne, application
l'imagerie arienne. Thse de doctorat, Universit de Nice - Sophia Antipolis, France, 1991.
185
[Granger, 1985] Granger C., Reconnaissance d'objets par mise en correspondance en vision
par ordinateur, Robotique et vision, Universit de Nice Sophia Antipolis, France, 1985.
[Groshong, 2006] Groshong R. H. Jr., 3-D Structural Geology Second Edition, Springer, 2006
[Gruber, 1993] Gruber T. R., A translation approach to portable ontology specifications.
Knowledge Acquisition, 5, 1993, p. 199-220.
[Hanson, 1978] Hanson A., Riseman E., VISIONS : A Computer System for Interpreting
Scenes, Acacademic Press, 1978, 303{333.
[Hayes-Roth, 1983] Hayes-Roth F., Waterman D. A., Lenat D. B., An Overview of Expert
Systems, Building Expert Systems, dit par Frederick Hayes-Roth, Donald A. Waterman et
Douglas B. Lenat, Technoledge Series in Knowledge Engineering, 1983.
[Hudelot, 2005] Hudelot C., Towards a Cognitive Vision Platform for Semantic Image
Interpretation; Application to the Recognition of Biological Organisms, Thse d'informatique.
Universit de Nice Sophia Antipolis, France, 2005
[Lando, 2006] Lando P., Conception et dveloppement d'applications informatiques utilisant
des ontologies : application aux EIAH, actes des Premires rencontres jeunes chercheurs en
EIAH (RJC-EIAH'06), vry, France, 11-12 mai 2006.
[Laval, 2003] Laval A., Auxiette G., Echeverria I., 3d geocellular modeling in a complex
structural setting: El furrial giant oil field venezuela, 8th SPE Latin American & Caribbean
Petroleum Engineering Conference, Port of Spain, Trinidad, Avril 2003. SPE-81066, p.7.
[Le Ber, 2006] Le Ber F., Lieber J., Napoli A., Systmes bases de connaissances,
Encyclopdie de l'informatique et des systmes d'information, d. par J. Akoka et I. ComynWattiau, Vuibert, 2006, p. 1197-1208.
[Liner, 2004] Liner C., Li C. F., Gersztenkorn A., Smythe J., SPICE: A new general seismic
attribute: 72nd Annual International Meeting, SEG, Expanded Abstracts, 2004, p. 433436.
[Mallet, 1992] Mallet J. L., Gocad : a computer-aided design program for geological
applications. Three-Dimensional Modeling with Geoscientific Information Systems, 1992,
354:123142.
186
[Malvache, 1993] Malvache P., Prieur P., Mastering corporate experience with the Rex
method., ed. J. P. Barths, Proceeding of ISMICK'93, Compigne, October 1993, p. 33-41.
[Marfurt, 1998] Marfurt K. J., Lynn Kirlinz R., Farmer S.L, Bahorich M. S., 3-D seismic
attributes using a semblance-based coherency algorithm, Geophysics, Vol. 63, No. 4, JuilletAot 1998, p. 11501165
[Marfurt, 2006] Marfurt K. J., Robust estimates of 3D reflector dip and azimuth, Geophysics,
Vol. 71, No. 4, Juillet-Aot 2006, p. P29P40
[Marr, 1982] Marr. D., Vision, W.H. Freeman and Company, New York , 1982
[Mastella, 2007] Mastella L., Perrin M., Abel M., Rainaud J. F., Touari W., Knowledge
management for shared Earth modelling, 69th Annual International Conference and
Exhibition, EAGE, 2007.
[Mastella, 2009] Mastella L., Ait-Ameur Y., Jean S., Perrin M., Rainaud J. F.,
Semantic exploitation of persistent metadata in engineering models: application to geological
models, Proceedings of the IEEE International Conference on Research, Challenges in
Information Science (RCIS 2009), ed. Andr Flory, Martine Collard, Fez, Morocco, April
2009, p. 147-156.
[Matsuyama, 1990] Matsuyama T., Hwang V.. SIGMA: a Knowledge-based Aerial Image
Understanding System. Plenum, 1990.
[Meldhal, 2000] Meldhal P., Heggland R., De Groot P., Bril B., Semi-automated detection of
seismic objects by directive attributes and neutral networks, method and applications, EAGE
62nd Conference and Technical Exhibition, A-04, Glasgow, Scotland, 2000
[Minsky, 1975] Minsky, Marvin: ``A Framework for Representing Knowledge'', in Winston,
Patrick (ed.) The Psychology of Computer Vision, New York, McGraw-Hill, 1975, p. 211277.
[Mitchum, 1977] Michum R. M., Vail P. R., Sangree J. B., Seismic Stratigraphy and Global
Changes of Sea Level, Part 6 : Stratigraphic Interpretation of Seismic Reflection Patterns in
depositional Sequences, AAPG Memoir 26, 1977
[Monnin, 2009] Essai de comparaison des ontologies informatiques et philosophiques. Entre
tre et artefacts. XVImes Rencontres interdisciplinaires sur les systmes complexes naturels
et artificiels de Rochebrune, Ontologie et dynamique des systmes complexes, perspectives
interdisciplinaires., Megve, France, 2009.
187
[Monsen, 2007] Monsen E. M., Borgos H. G., Le Guern P., Sonneland L., Geological Process
Controlled Interpretation Based on 3D Wheeler Diagram Generation, SEG Technical Program
Expanded Abstracts, 2007, p. 885-889.
[Moyen, 2005] Moyen R., Paramtrisation 3D de l'espace en Gologie sdimentaire : Le
modle Geochron. PhD. Thesis, INPL, France, 2005
[Newell, 1982] Newell A., The knowledge level. Artificial Intelligence, 18, 1982, p. 87127.
[Ossola, 1995] Ossola J., Thonnat, M., Cooperation of knowledge based systems for galaxy
classification. 8th International Conference on Image Analysis and Processing, 1995.
[Partyka, 1999] Partyka G., Gridley J., Lopez J., Interpretational applications of spectral
decompositiion in reservoir characterization: The Leading Edge, Vol. 18, 1999, p. 353-360
[Perrin, 1997] Perrin M., Elments de syntaxe gologique en vue de la construction de
modles 3d de terrains, Rapport technique, Ecole Nationale Suprieure des Mines de Paris,
Centre de Gologie de lIngnieur, 1997.
[Perrin, 1998] Perrin M., Geological consistency : an opportunity for safe surface assembly
and quick model exploration, 3D Modeling of Natural Objects, A Challenge for the 2000s,
3(4-5), Juin 1998.
[Randen, 2001] Randen T., Pedersen S. I., Sonneland L. Automatic Extraction of Fault
Surfaces from Three-Dimensional Seismic Data, Annual International Meeting, Society
Exploration Geophycist, Expanded abstract, 2001.
[Roberts, 2001] Roberts A., Curvature attributes and their interpretation to 3D interpreted
horizons: First Break, Vol. 19, 2001, p. 85-100.
[Sandakly 1995] Sandakly F., Contribution la mise en oeuvre d'une architecture base de
connaissances pour l'interprtation de scnes 2D et 3D. Thse de doctorat, Universit de Nice
- Sophia Antipolis, France, Juillet 1995
[Schlumberger
Oilfield
Glossary,
2009]
Schlumberger
Oilfield
http://www.glossary.oilfield.slb.com/default.cfm, accessed July 15th, 2009.
188
Glossary,
190