O desenvolvimento da pesquisa de hidrocarbonetos exige que se conheça quantitativamente, tanto a evolução geológica como as propriedades petrofísicas em subsuperfície. Entre os métodos indiretos de detecção destes parâmetros, o mais importante é a sísmica de reflexão. Cresce, portanto, a importância das técnicas de inversão sísmica. Neste trabalho utilizou-se os algoritmos genéticos, que são métodos de pesquisa global, baseados na mecânica da seleção natural e de genética. A grande vantagem desta classe de métodos é que eles não são limitados por restrições sobre o universo de pesquisa, tais como, continuidade, existência de derivadas e unimodalidade. Não dependem, tampouco, do ponto de partida, como os métodos lineares. Em contrapartida, são dispendiosos computacionalmente.

O objetivo deste trabalho é a inversão de dados sísmicos sintéticos, com e sem ruídos aleatórios, e de dados sísmicos reais, visando a obtenção da velocidade das ondas P e S, densidade, impedância e razão de poisson. O modelamento direto, através do qual obtém-se os dados calculados que serão comparados aos dados de entrada, assume para subsuperfície um modelo 1D, constituído por camadas plano-paralelas e isotrópicas. Trabalhou-se no domínio t-p, onde os cálculos são mais rápidos.

Além dos operadores genéticos tradicionais, reprodução, cruzamento e mutação, adotou-se as inovações introduzidas por Sen e Stoffa, 1991, que são a probabilidade de renovação e o fator temperatura, extraído do “simulated annealing”, que visam evitar a convergência prematura dos AG’s para um ponto extremo local da função objetivo. Os valores dos operadores foram escolhidos após uma série de testes.

Para a avaliação da performance dos AG’s, empregou-se normas arbitrárias, conforme o proposto por Porsani et al., 1993. De uma maneira geral a norma ½ resultou nas menores diferenças entre os dados de entrada e os dados calculados, no caso dos dados sintéticos. Para os dados reais, onde essa diferença é maior, os resultados foram similares para as normas 1/2, 1 e 2 testadas.

A inversão dos dados sintéticos, sem ruído, foi excelente, apresentando uma identidade quase perfeita entre os dados de entrada e os dados calculados, principalmente para a norma 1/2. Com adição de ruídos aleatórios, a performance não foi tão alta, mas os resultados são satisfatórios.

Os dados sísmicos reais são provenientes da parte do sul do Mar de Barents, na Noruega, e apresentam qualidade excelente. As maiores dificuldades foram a estimativa da assinatura da fonte e a equalização das amplitudes em relação aos dados do modelamento direto. Quando se compara os dados de entrada aos dados calculados pelos AG’s, observa-se que os eventos principais estão presentes nos traços sintéticos e o resultado da Inversão é, portanto, razoável. As principais diferenças deve-se a forma de onda utilizada no modelamento direto e a problemas relacionados à amplitude, que não foram totalmente eliminados.

Nowadays the search for hydrocarbons requires an ever increasing quantitative knowledge about the geologic evolution and the petrophysical properties in the subsurface. In this context, seismic reflection is the most important indirect method of detection, particularly the techniques of seismic inversion.

In this study, genetic algorithms, which are global search methods based on the mechanics of natural selection and genetics were used. The major advantage of this class of methods is that it is not bounded by restriction in search space, such as continuity, derivatives existence and unimodality. It also does not depend on starting point as the linear methods do. On the other hand, this kind of method is computer intensive.

The target of this study is the inversion of synthetic seismic data, with and without randomic noise, and seismic real data, in order to obtain P and S wave, density and poisson ratio. The real seismic data are from the southern Barents Sea, Norway, and they have excellent quality.

The forward modelling was used to obtain calculated data in order to compare with the input data through the GA’s and it assumes a 1D subsurface model, comprising isotropic and plane-parallel layers. The work was done in the t-p domain, because in it, the calculations are faster.

Besides the traditional operators, reproduction crossover and mutation, modifications introduced by Sen and Stoffa (1991) were used as well. These modifications which are update probability and a temperature fector, extracted from the simulated annealing, aim to avoid premature convergence of the GA’s to a local extreme. The operators values were chosen after a series of tests.

To calculate the GA’s fitness, arbitrary norms were used following proposition by Porsani et al. (1993). In general the ½ norm provided the best fit between input and calculated data for the synthetic data. For the real data the fit is lower and the results were the same using the 1/2, 1 and 2 norms.

The inversion of synthetic data, without noise, provided excellent results, exhibiting an almost perfect agreement between input and calculated data, particularly where the ½ norm was used. The addition of randomic noise, although decreasing the degree of fitness, provided satisfactory results as well.

In relation to the real seismic data, the major difficulties found were the estimation of the wavelet and the amplitude normalization in relation to the forward modelling. When the final data calculated by the GA’s, and the input data are compared, it is observed that the real data main events are present also in the synthetic traces, demonstrating that the inversion results are, therefore, reasonable. The major differences can be attributed to the wavelet used in the forward modelling and problems still related to the amplitude, which could not be completely eliminated.