Carlos Henrique dos Santos Barbosa
Resumo
Esta tese apresenta avanços algorítmicos para a técnica de Migração Reversa no Tempo (MRT) e aplicações geofísicas baseadas na equação completa da onda. Tais avanços estão relacionados à introdução de métodos de decimação, compressão e recons-trução do campo de ondas. A inserção de tais métodos tem como objetivo a redução da demanda de armazenamento em disco normalmente exigida pelos algoritmos clássicos de MRT e também, em alguns casos, o tempo de processamento. Além disso, as metodolo-gias de compressão, decimação e reconstrução do campo de ondas são estendidas para a MRT com o método de amostragem Monte Carlo (MC-MRT). A MC-MRT é utilizada para quantificar incertezas de grandezas físicas/geológicas de interesse, tais como vari-ações de amplitude e deslocamento espacial dos refletores sísmicos. Nossa experiência sugere que os avanços algorítmicos podem ser estendidos para qualquer técnica baseada na equação completa da onda, tais como a Full Waveform Inversion, MRT por Mínimos Quadrados e Full Waveform Imaging. Mais que isso, os avanços algorítmicos se bene-ficiam das novas tecnologias com múltiplas CPUs, GPUs e/ou processadores vetoriais (PV). Análises do tempo de execução, demanda de armazenamento em disco, overhead e speedup com base nas ferramentas de perfilagem apontam para a redução da demanda computacional, bem como, expressiva utilização das GPUs e PVs. Estes fatos podem ser observados nas altas taxas de vetorização e utilização da GPU/PV, e também nos baixos valores de cache missing. Os resultados demonstram a viabilidade do desenvolvimento de metodologias de redução de armazenamento em disco e suas respectivas implementações em tecnologias de hardware avançadas para alcançar melhor utilização dos recursos com-putacionais. O desenvolvimento dessas metodologias dão suporte à MRT para alcançar as soluções acuradas em um tempo computacional mais hábil com mínima influência nos re-sultados finais, mesmo para os métodos iterativos, tal como a quantificação de incertezas.
Abstract
This thesis presents algorithm advances for the Reverse Time Migration (RTM) tech-nique and geophysical applications based on two-way wave equations. The advances are related to the introduction of decimation, compression, and wavefield reconstruc-tion methods. Inserting such methods aims to reduce persistent storage usually required by RTM algorithms and, in some cases, processing time reduction. Also, the decima-tion, compression, and wavefield reconstruction methodologies are extended to an RTM wrapped into the Monte Carlo (MC-RTM) sampling method. MC-RTM can be used to quantify uncertainties of physical/geological quantities of interest, such as amplitude vari-ations and/or seismic reflector displacements. Our experiences suggest that the algorithm advances can also be extended to others techniques based on the two-way wave equa-tion like the Full Waveform Inversion, Least-Squares RTM, and Full Waveform Imaging. Furthermore, the RTM algorithm advances are beneficial for emerging heterogeneous ma-chines based on multi-CPUs, multi-GPUs, and multi-VEs (vector engines) technologies. Analysis of the execution time, storage demand, overhead, and speedup based on profiling tools indicates a reduction of the computational requirements and expressive computation device usage. These facts can be observed by looking at the high vectorization, GPU us-age ratios, and extremely low cache miss values. The results demonstrate that it is viable to develop storage reduction methodologies and implement them on advanced machines to achieve better use of the computational resources. These methodologies support the RTM technique aiming to obtain fast solutions without hampering the outcomes, even for many-query problems such as uncertainty quantification.
