• curve di dispersione
• EFWI
• Full waveform inversion
• FWI
• onde di Rayleigh
• onde di superficie

L’inversione delle onde superficiali è un utile strumento per la stima dei parametri elastici della sottosuperficie e nello specifico il principale parametro che può esse-re stimato è la velocità delle onde di taglio.
Esistono diversi metodi per la ricostruzione dell’andamento delle Vs nel terreno che sfruttano proprio le onde di superficie, più precisamente le onde di Rayleigh. Nel mio lavoro di tesi mi sono occupato di analizzare il metodo classico di inversione delle curve di dispersione e il più recente metodo di full waveform inversion con ottimizzazione locale.
Il metodo classico è ormai in uso da diversi decenni, esso però si basa su approssimazioni fisiche come considerare il terreno una pila di strati paralleli con eterogeneità sulla sola verticale. I risultati di questi esperimenti, effettuati su modelli sintetici che puntano a ricreare situazioni geologiche complesse, hanno messo in luce i limiti del metodo che risiedono principalmente nell’introduzione di errori nel modello predetto in presenza di eterogeneità laterali e nella soggettività del picking delle curve di dispersione. È stata inoltre studiata l’influenza delle informazioni a priori sulla predizione del risultato dell’inversione, mostrando un miglioramento di quest’ultimo all’aumentare delle informazioni.
Gli stessi modelli sono stati sottoposti ad esperimenti di full waveform inversion elastica con metodo dei gradienti coniugati precondizionato come strumento di ottimizzazione locale. Uno degli aspetti più importanti su cui si è focalizzato il mio lavoro e di cui tener conto ogni qual volta ci si approcci all’uso di FWI è la scelta dei modelli iniziali e il loro effetto sulla convergenza dell’algoritmo verso una corretta soluzione. Per questo motivo ho eseguito per ogni modello due inversioni con differenti modelli di partenza dei parametri Vp (velocità delle onde di compressione), Vs (velocità delle onde di taglio) e densità. Una prima inversione è stata effettuata usando modelli iniziali costanti, ottenuti da una media aritmetica dei valori di ognuno dei tre parametri osservati sul modello reale, caratterizzati quindi da un basso contenuto di informazioni. Una seconda inversione è stata effettuata con modelli di partenza generati da precedenti esperimenti di full waveform inversion globale attraverso l’uso di algoritmi genetici. Da questo secondo set di inversioni è emerso come la FWI locale sia in grado di predire risultati con dettagli ad alta risoluzione, quando i modelli di partenza sono a loro volta predizioni ottenute da FWI con algoritmi genetici. Le strutture a grande lunghezza d’onda individuate dagli algoritmi genetici vengono ulteriormente perfezionate da FWI con ottimizzazione locale. Infine è stato eseguito un test preliminare su dati sismici reali con lo scopo di applicare quanto visto e sperimentato sui dati sintetici anche a dati di campo.

Surface waves inversion is a useful tool to estimate the elastic parameters of the subsurface and, in particular, of the shear wave velocity (Vs). There are several methods trying to reconstruct the Vs structure in subsurface that exploit surface waves, precisely Rayleigh waves. In this work, I analyzed the classic inversion method of the dispersion curves and the most recent full waveform inversion method with local optimization.
The classic method has been in use for several decades, but it is based on physical approximations such as considering the ground as a stack of horizontal layers with no lateral variations. The results of these experiments were carried out on synthetic models in order to recreate realistic geological situations, revealing the limitations of the method; the latter mainly consist in the introduction of errors when lateral heterogeneities are present and in the subjectivity of the picking of the dispersion curves. It was also studied the influence of adding a priori information on the prediction of the inversion result, showing an improvement as the information increases.
The same models were subjected to full waveform inversion elastic experiments using preconditioned conjugate gradients as a local optimization tool. One of the most important aspects on which my work focused is the choice of the initial models and evaluating its effects on the convergence of the algorithm to a correct solution. For this reason, I performed for each model two
inversions with different starting models of Vp, Vs and density parameters. The first inversion was performed using constant initial models obtained from the arithmetic mean of the values of each of the three parameters observed on the real model, thus introducing little a priori information. The second inversion was performed with starting models generated from previous full waveform inversion experiments with genetic algorithms as the optimization tool. This second set of inversions revealed that local FWI is able to predict results with high-resolution details, when the starting models are predictions of previous genetic algorithms full waveform inversion. The large wavelength structures detected by genetic algorithms are further enhanced by FWI with local optimization.