Carmen Brazon.pdf - Departamento de Ciencias de la Tierra ...

COORDINACIÓN DE INGENIERÍA GEOFÍSICA
PROCESAMIENTO DE UNA LÍNEA SÍSMICA DE PRUEBA DE UN
LEVANTAMIENTO MARINO 2D, HACIENDO ÉNFASIS EN LA ELIMINACIÓN
DEL MÚLTIPLE DEL FONDO MARINO
Por:
CARMEN VICTORIA BRAZÓN VILLARROEL
Sartenejas, abril 2008.

COORDINACIÓN DE INGENIERÍA GEOFÍSICA
PROCESAMIENTO DE UNA LÍNEA SÍSMICA DE PRUEBA DE UN
LEVANTAMIENTO MARINO 2D, HACIENDO ÉNFASIS EN LA ELIMINACIÓN
DEL MÚLTIPLE DEL FONDO MARINO
Por:
CARMEN VICTORIA BRAZÓN VILLARROEL
Realizado con la Asesoría del Prof:
Mario I. Caicedo
INFORME FINAL DE CURSOS EN COOPERACIÓN
Presentado ante la Universidad Simón Bolívar como requisito parcial para optar al título
de Ingeniero Geofísico
Sartenejas, abril de 2008.

Este trabajo ha sido aprobado en nombre de la universidad Simón Bolívar por el
siguiente jurado calificador:
Presidente: Prof. Milagrosa Aldana
Tutor académico: Prof. Mario Caicedo
Tutor industrial: Ing. Hector P. Pastini

A mis padres y hermanas, por su apoyo siempre incondicional…
ii

AGRADECIMIENTOS
A Dios que muchas veces me ayudo a levantarme cuado no quería continuar.
A mis Padres bellos, todo lo que soy se lo debo a ustedes, los amo. Nunca lo hubiese
logrado sin su guía y apoyo, este es un logro de los cinco.
A mis Hermanas bellas, por todo su cariño y apoyo, las quiero mucho!
A mis amigas bellas, gracias por haberme acompañado durante estos cinco años.
Carmen P. y Andre, gracias por ser mis consejeras, mis cómplices, mis hermanas, y hasta
mas. Las quiero muchísimo.
A PDVSA, por haberme dado la oportunidad y haberme brindado todas las
herramientas necesarias para la realización de este trabajo. Gracias las gente del CPG:
Francisco, Johndelcy, Anny, Diego, Luis, Xiomara, Eduardo; por toda su colaboración, y
especialmente a Hector Pastini por toda su paciencia y toda la ayuda que me brindo. A
Elías Roa, Daniel Salas y Hugo Cerquone, simplemente muchas gracias.
A mis compañeros geofísicos, muchas gracias por brindarme siempre su ayuda. Hector,
Tahina, Vero, a todos. Especialmente a ti Alberto, por todos tus consejos.
A mi tutor académico, Mario Caicedo, muchas gracias por toda tu colaboración y apoyo.
Y a todos los profesores del departamento de geofísica por su dedicación en mi
formación académica y en la de muchos geofísicos que egresamos de la Universidad
Simón Bolívar.
A todos los muchachos y team de Subway, y a todos los que me ayudaron a llegar hasta
aquí, Carlitos (gracias por mateVII), los quiero.
iii

RESUMEN
Para la realización de este trabajo se contó con datos sísmicos reales pertenecientes a un
levantamiento marino profundo 2D de PDVSA, de los cuales se utilizo específicamente
una de las líneas de prueba del proyecto. El enfoque de este estudio va desde la
integración de fundamentos teóricos de procesamiento sísmico hasta el manejo de datos
reales de campo, donde el principal objetivo era la remoción del múltiple del fondo
marino, para la posterior obtención de una imagen sísmica de calidad. Después de
evaluar la secuencia de procesamiento apropiada para la remoción de las reflexiones
múltiples presentes en los datos, se decidió implementar una metodología bastante
innovadora en la eliminación del ruido observado en los datos sísmicos (múltiples). Esta
es conocida como la metodología del LIFT y resulta bastante eficiente para eliminar
múltiples sin deteriorar la señal. Otra ventaja importante que presenta esta metodología
y que influyó en el momento de su elección, es que permite conservar las amplitudes
relativas de los datos, lo que es de gran importancia en el momento de ser necesarios
posteriores análisis de AVO. Para atenuar la presencia de los múltiples en los datos
sísmicos, es necesario separar la señal del ruido; en el caso de la metodología utilizada
se aprovechan las diferencias de moveout entre las reflexiones primarias y las múltiples
para hacer dicha separación. La metodología del LIFT trabaja sobre el ruido que ha sido
separado de la señal considerando que éste contiene aún un porcentaje de la misma. Y es
sobre este ruido que se aplican los métodos de remoción de múltiples, y considerando la
variedad de métodos de remoción que existen, fue necesaria la realización de diferentes
pruebas para elegir el método que mostrara mejores resultados para nuestros datos.
Luego de la remoción del múltiple del fondo marino se paso a la etapa final del
procesamiento, la cual se encuentra constituida por la migración y los post procesos;
etapa que contribuyó en gran medida a generar una imagen sísmica de calidad, lo que
resulta de gran importancia en el procesamiento de los datos sísmicos.
iv

INDICE GENERAL
Dedicatoria……………………………………………………………………………..ii
Agradecimientos……………………………………………………………………...iii
Resumen…………………………………………………………………………….....iv
Índice General…….………………………………………………………………...…v
Índice de figuras……………………………………………………………………..vii
Capitulo I: Introducción…………………………………………………….…..…..10
Capitulo II: Geología del área de estudio……………………………….….…….14
2.1. Estratigrafía…………………………………………………….….…….….14
2.2. Evolución tectónica………………………………………….…….……….17
Capitulo III: Los múltiples y su expresión en la sísmica………………..….…..24
3.1. Clasificación de los múltiples…………………….………….……..……...26
3.1.1. Múltiples relacionados con superficies….………….……..………....26
3.1.1.1. Múltiples de la primera capa…….………….…..…………..26
3.1.1.2. Reverberaciones de la capa de agua.……….…....…………26
3.1.1.3. Otros múltiples relacionados con superficies....…………..27
3.1.2. Múltiples internos..................................................................….............27
3.1.3. Múltiples de período largo………………………………....…............28
3.1.4. Múltiples de período corto………………………………....…............29
3.2. Características de los múltiples………………………………….....…….30
3.3. Impacto en la imagen e interpretación sísmica…………………...…….32
3.4. Métodos de remoción de múltiples………………………………..…….32
3.4.1 Métodos de remoción de múltiples basados en diferencias en el
comportamiento espacial de múltiples y primarios……..……………….34
3.4.1.1 Transformada FK………………………………......…………36
3.4.1.2 Transformada Radón parabólica…………………................38
3.4.1.3. Transformada Karhunen‐Loevè………………..…...............42
v

3.4.2 Métodos de remoción de múltiples basados en la periodicidad de los
eventos……………………………....….………………………………………….47
3.4.2.1 Deconvolución predictíva…………………..……..…………47
3.4.2.2 Transformada radón lineal (slantstack)………….…………..49
3.5. LIFT: Metodología para la eliminación de ruido………………..……...50
Capitulo IV: Metodología………………………………………………………..…55
4.1. Carga de datos………………………………………………………..…….56
4.2. Aplicación de la geometría……………………………………….....…….57
4.3. Culminación de la Geometría e inicio del procesamiento de los
datos……………………………………………………………………………………58
4.4. Deconvolución de los datos………………………………………………67
4.5. Cálculo de la función de velocidad……………………………….…...…70
4.6. Apilado Preliminar……………………………………………………...…72
4.7. Interpolación de Trazas………………………………………….…..……75
4.8. Transformada Radón……………………………………………….......…76
4.9. Metodología del LIFT para la eliminación de múltiples………....……76
4.10. Migración………………………………………………………………...…90
Capitulo V: Resultados y Análisis…………………………………………………95
Conclusiones y Recomendaciones………………………………………………..101
Bibliografía…………………………………………………………………..…...…103
vi

ÍNDICE DE FIGURAS
Figura 1: Ubicación de área de estudio……………………………………………….………………...….12
Figura 2: Ubicación de la línea procesada dentro del levantamiento sísmico 2D…………….….…...13
Figura 3: Columna estratigráfica de Cuba Occidental. (López et al., 2001)……………………………15
Figura 4: La configuración actual de México……………………………………………………………...19
Figura 5: Durante el Jurásico Superior (140 m. a.) y el Cretácico Superior (70 m. a.) ………………...19
Figura 6: Durante el Cretácico Superior (70 m. a.) y el Paleoceno (58 m. a.) …………………………..20
Figura 7: Desde el Eoceno Superior (42 m. a.) hasta el Mioceno Inferior (18 m. a.)…………………...20
Figura 8: La antigua dorsal o cordillera oceánica inferida aparentemente fue asimilada por el
continente durante el Oligoceno Medio (30 m. a.)………………………………………………………..21
Figura 9: Durante el Mioceno Medio (13 m. a.) al Plioceno temprano (4.5 m. a.)………………..……21
Figura 10:la porción sur de la actual Península de Baja California se separó del resto del
continente……………………………………………………………………………………………………..22
Figura 11: Durante el Plioceno y el Cuaternario la actual configuración de México………………….22
Figura 12: Diferencia entre la trayectoria de viaje de los primarios (amarillo) y los múltiples
(azul)…………………………………………………………………………………………………………..25
Figura 13: Múltiples relacionados con la superficie, múltiple de la primera capa…………………….26
Figura 14: Múltiples relacionados con la superficie, reverberaciones de la primera capa/Peg‐leg….26
Figura 15: Múltiples relacionados con la superficie, otros múltiples relacionados a la superficie…..27
Figura 16: Múltiple interno ó intra‐capa…………………………………………………….…………..…27
Figura 17: Ejemplo de tipos de múltiples dentro de un apilado………………………………………...28
Figura 18: Tipos de múltiples según la longitud de su período, Múltiple de período largo………....28
Figura 19: Tipos de múltiples según la longitud de su período, Múltiple de período corto…………29
Figura 20: Trayectoria de viaje del múltiple y del primario……………………………………………..34
Figura 21: Transformada FK………………………………………………………………………………..37
Figura 22: La transformada radón parabólica…………………………………………………………….41
Figura 23: (a) aplicación de corrección NMO a los CMP gathers (b) los eventos sobrecorregidos se
verán del lado negativo del plano tau‐p y los eventos subcorregidos estarán en el lado positivo del
plano tau‐p……………………………………………………………………………………………....……42
Figura 24: Metodología de remoción de múltiples usando la transformada K‐L…………………......43
Figura 25: Data modelo, donde se observa la interferencia entre múltiple y primarios....…………...44
Figura 26: Data modelo que contiene sólo primarios y sus peg‐legs…….…………………..…………..45
vii

Figura 27: Ejemplo de una secuencia de eliminación de ruido convencional…………………...…….52
Figura 28: Ejemplo de una secuencia de eliminación de ruido utilizando la metodología LIFT…….53
Figura 29: Parámetros y configuración de adquisición de datos………………………………………..55
Figura 30: Esquema de carga de datos……………………………………………………………………..57
Figura 31: Primer esquema de asignación de geometría y construcción de la hoja de cálculo……....57
Figura 32: Segundo esquema de asignación de geometría……………………………………….……..59
Figura 33: Aplicación de filtro pasa‐alto (3‐6 Hz) datos antes y después de la aplicación del filtro...60
Figura 34: Espectro de frecuencias de los shots de campo…………..………………………………..…61
Figura 35: Comparación entre la ondícula del campo lejano y la ondícula equivalente………….......62
Figura 36: Datos antes y después de la aplicación del filtro para el ruido por fantasma y firma de la
fuente………………………………………………………………………………………………………….63
Figura 37: Espectros de frecuencia antes y después de la aplicación del filtro del fantasma de la
fuente………………………………………………………………………………………………………….64
Figura 38: Fórmula de divergencia esférica……………………………………………………………….65
Figura 39: Gather antes y después de la aplicación de una ganancia por divergencia esférica……...66
Figura 40: Análisis de ganancia, antes de la corrección por divergencia esférica y después de la
corrección…………………………………………………………………………………………………..…67
Figura 41: Esquema de corrección de la profundidad del par fuente‐receptor y la deconvolución de
los datos………………………………….………………………………………………………………....…68
Figura 42: Entrada y salida de los datos en el flujo de trabajo mostrado en la figura 40…………..…69
Figura 43: Esquema para el cálculo de la función de velocidad………………………………………..70
Figura 44: Análisis de velocidad………………………………………………………………………...…71
Figura 45: Esquema para el apilado preliminar de los datos…………………………………………...72
Figura 46: Pruebas de deconvolución impulsiva para operadores de 120, 160, 200 y 240 ms de
longitud………………………………………………………………………………………………….....…73
Figura 47: Apilado Preliminar…………………………………………………………….……………..…74
Figura 48: Espectro de frecuencia de los datos, donde se observa la presencia de aliassing
espacial………………………………………………………………………………………………………..75
Figura 49: Espectro de frecuencia después de la interpolación de trazas………………..……...…..…76
Figura 50: CDP gather (interpolado) que se utilizará como dato de entrada para la metodología del
LIFT…………...………………………………………………………………………………………………77
Figura 51: Representación esquemática de la metodología del LIFT…………………………………..78
Figura 52: Gathers antes (izquierda) y después (derecha) del balanceo del espectro……………..…..80
viii

Figura 53: Espectros de frecuencia donde se observa como actúa el balanceo del espectral………...81
Figura 54: Gather antes y después de la aplicación del filtro en el dominio f‐x,……………….……...82
Figura 55: Antes y después de la aplicación del enmudecimieto por ángulos de incidencia………..84
Figura 56: Ejemplo de enmudecimiento interno a los Gathers y reconstrucción de los primarios….87
Figura 57: Ejemplo de separación entre el ruido y la señal utilizando la metodología del LIFT….....88
Figura 58: Ejemplo de la metodología del LIFT para el estimado de ruido que se regresa a la
señal…………………………………………………………………………………………………………...89
Figura 59: Funciones de velocidad calculadas por el programa………………………………………...92
Figura 60: Gather en tiempo migrado y primeras funciones de residuo………………………………..93
Figura 61: Gather en tiempo migrado y últimas funciones de residuo………………………………....94
Figura 62: Gathers después de la aplicación de la metodología del LIFT, acercamiento en la parte
superior…………………………………………………………………………………………………….…96
Figura 63: Gathers después de la aplicación de la metodología del LIFT, acercamiento en la parte
inferior..……………………………………………………………………………………………………….97
Figura 64: Apilados correspondientes a los métodos de remoción de múltiples aplicados,
acercamiento.....................................................................................................................................................98
Figura 65: Migración Pre‐apilamiento en tiempo con post‐procesos, acercamiento…………….......100
ix

CAPITULO I: INTRODUCCIÓN
La etapa del procesamiento de los datos sísmicos es de gran importancia para el
desempeño de otras fases dentro de la exploración y producción petrolera. Esto debido a
lo indispensable que resulta la generación de imágenes de calidad que faciliten la
interpretación de los datos sísmicos que obtenemos de la adquisición en campo. Durante
el procesamiento de estos datos se presentan muchos obstáculos que dificultan la
visualización de las señal de interés, en nuestro caso específico, por tratarse de datos
marinos, el principal obstáculo fue la presencia del múltiple del fondo marino, que por
su gran amplitud opacaba en gran medida la señal de interés.
PLANTEAMIENTO DEL PROBLEMA
Este proyecto consiste en el procesamiento de datos sísmicos marinos 2D de PDVSA,
localizado al Sureste del Golfo de México. El objetivo del presente estudio es evaluar a
través del análisis comparativo las respuestas de diferentes métodos de eliminación de
múltiples en datos marinos 2D para el área de estudio, de forma de poder definir una
metodología eficiente que permita obtener imágenes sísmicas de mejor calidad que las
obtenidas por métodos convencionales.
JUSTIFICACIÓN
La metodología seguida en este trabajo representa una estrategia de gran importancia
dentro del área de procesamiento, ya que la obtención de imágenes sísmicas de alta
calidad en la fase de exploración permiten reducir la incertidumbre en la interpretación
geológica de este tipo de datos, pudiéndose así generar localizaciones de nuevos
prospectos de perforación con mayor confiabilidad.
10

11
OBJETIVO GENERAL
El principal objetivo planteado en el presente trabajo de grado fue realizar el
procesamiento de datos sísmicos marinos 2D de PDVSA, con énfasis en evaluación de
diferentes metodologías de eliminación de múltiples de fondo marino.
OBJETIVOS ESPECÍFICOS
Los objetivos específicos correspondientes al presente informe se pueden enumerar de la
siguiente manera:
1. Ubicar y cargar los datos.
2. Aplicar secuencia de procesamiento para datos marinos 2D
3. Evaluar y comparar respuestas de métodos de remoción de múltiples para datos
marinos disponibles en el programa FOCUS (plataforma Paradigm), a fin de
encontrar el método más efectivo.
4. Obtener imágenes sísmicas apiladas en tiempo y migradas pre‐apilamiento en
tiempo.
5. Generar informe de metodología y resultados de la evaluación.

México
12
UBICACIÓN GEOGRÁFICA
Golfo de México
Yucatán
EE.UU.
Florida
Cuba
Figura 1: Ubicación de área de estudio.
Bahamas
Mar Caribe
Venezuela

Línea 12
Golfo de México
13
Mar Caribe
Cuba
Figura 2: Ubicación de la línea procesada dentro del levantamiento sísmico 2D
Este levantamiento sísmico fue realizado al Sureste del Golfo de México, en las
cercanías a la península de Yucatán (Figuras 1 y 2).
El levantamiento limita al Este con Cuba; al Oeste con la península de Yucatán, México;
al Sur con el Mar caribe, y al Norte con el Golfo de México.
Software:
HERRAMIENTAS UTILIZADAS
• FOCUS versión 5.4 de Paradigm Geophysical.
• GEODEPTH versión 8.2 de Paradigm Geophysical.

2.1. ESTRATIGRAFÍA
CAPITULO II: GEOLOGÍA DEL ÁREA DE ESTUDIO
La columna estratigráfica presente en el Sureste del Golfo de México comprende un
basamento metamórfico del Paleozoico Superior, rocas del Jurásico Tardío–Cretácico
Inferior que representan fundamentalmente a las rocas madres y reservorios, depósitos
del Cretácico Medio y Superior, que constituyen principalmente rocas reservorios y los
depósitos del Terciario de edad Paleoceno‐Eoceno, que son básicamente las secuencias
sellantes (Figura. 3). 1
1 INFORME DE LA FACTIBILIDAD EXPLORATORIA. PDVSA-CVP
14

Sedimentos arcillosos
y arcillosos terrígenos.
Sedimentos carbonatados de
ambientes somero a profundo
Material arcilloso sobre
brechas y carbonatos
15
Sedimentos carbonatados,
brechas y turbiditas
Sedimentos carbonatados y
brechas.
Depósitos clásticos
Figura 3: Columna estratigráfica de Cuba Occidental. (López et al., 2001).

16
En la zona se han identificado 4 sistemas tectonoestratigráficos depositados sobre el
basamento Paleozoico 1 :
1. Depósitos de Ruptura (syn‐rift), Jurásico Temprano‐Medio a Tardío: El proceso de
ruptura iniciado por las placas tectónicas, durante el Jurásico Temprano y Medio a
Tardío, está representado por dos Formaciones: San Cayetano (Haczewski., 1976) y
Constancia (Pszczolkowski, 1986). La primera es descrita como una secuencia
monótona bien estratificada, de arcillas carbonosas micáceas y cuarzosas, arcilla
arenosa, limolitas y areniscas de diferente granulometría. Y la segunda es la
Formación Constancia, la cual está constituida por sedimentos transgresivos
cuarcíferos que varían de sedimentación de ambiente deltáico a marino nerítico
medio. Suprayacentes a estos sedimentos existen en el Norte de Cuba depósitos
salinos que produjeron los diapiros de sal de Punta Alegre, Turiguanó y Loma
Cunagua (Sánchez‐Arango et al., 2002).
2. Depósitos Post Ruptura (post‐rift) o Deriva, Jurásico Tardío al Cretácico Tardío: Esta
secuencia se extendió desde el Oxfordiano Medio al Cretácico Tardío y está
relacionado a la subsidencia térmica, posterior al evento de ruptura (rifting), que
generó sedimentos carbonatados de ambientes someros a profundos. En la zona de
Cuba Occidental se encuentran las Formaciones Jagua, San Vicente, El Ameriano,
Tumbadero, Tumbitas, Pons, Artemisa, Sumidero, Pinalilla, Sierra Azul, Carmita,
Santa Teresa, Polier, Martin‐Mesa y el Grupo Esperanza (Sánchez‐Arango et al.,
op.cit).
3. Depósitos sin‐orogénicos (Cretácico Superior Tardío ‐ Eoceno): La secuencia cretácica se
originó a partir de la colisión de la Placa Tectónica del Caribe, generando brechas y
turbiditas que constituyen reservorios (Formación Cacarajícara), la que también se

17
ha considerado producto del impacto terrestre de un meteorito caído en Chijchulub,
México, dando lugar al yacimiento petrolífero de Cantarell. El relleno terrígeno de la
Cuenca Antepaís frente a las zonas de corrimientos (depósitos tipo flysch) se
representa por las Formaciones Manacas, Vega‐Alta y Vega (Sánchez‐Arango et al.,
op.cit).
4. Depósitos post‐orogénicos desde el Eoceno Medio al Reciente: Este intervalo de depósitos
clásticos y carbonatados se extendió desde el Eoceno Medio al Mioceno (Fms. Loma
Candela, Jabaco, Guanajay, Paso Real, Jaruco, Husillo, Cojímar, Güines y
Cangrejeras) gradando a arcillas‐arenas y conglomerados (Fms. Vedado, Guevara y
Guane). Los depósitos post‐orogénicos están cubiertos por depósitos marinos,
aluviales y palustres (Fms. Playa Santa Fé y Cayo‐Piedra) (Sánchez‐Arango et al.,
op.cit).
2.2. EVOLUCIÓN TECTÓNICA
La evolución tectónica del Golfo de México es el resultado de la interacción de la Placa
Tectónica del Caribe con el margen continental de la Placa Tectónica Norteamericana,
durante el Mesozoico y el Cenozoico (Figura. 4). Se consideran las siguientes fases
(Aguayo, 1996):
1. Iniciación de la ruptura (rift) de edad Jurásico Temprano y Medio (Figura 5), y,
posteriormente, la deriva (subsidencia térmica) en un contexto del margen
continental de la Placa Norteamericana, durante el Jurásico Tardío–Cretácico Medio,
en la cual se desarrollan importantes estructuras de plataforma carbonatada y de
carbonatos pelágicos (Aguayo, 1996).

18
2. Discontinuidad eustática regional durante el Cretácico post‐Cenomanience (MCU,
Discordancia del Cretácico Medio, conocida últimamente como MCSB o Límite de
Secuencia del Cretácico Medio), seguida de un importante hundimiento de la
plataforma (Figura 5) (Aguayo, 1996) .
3. Compresión que abarca desde el Cretácico Tardío hasta el Terciario (Eoceno Medio)
fundamentalmente, la cual se inicia con el choque entre la Placa Tectónica del Caribe
y el margen continental de la Placa Norteamericana y, posteriormente, la obducción
de la primera sobre la segunda. Dicho proceso es responsable del desarrollo del
cinturón de plegamientos y cabalgamientos de Cuba con la formación de estructuras
dúplexes y retrocabalgamientos y de una estrecha y poco potente Cuenca Antepaís,
adyacente al frente de cabalgamientos para ese momento (Figura 6 y 7) (Aguayo,
1996) .
4. Condiciones post‐orogénicas a partir del Eoceno Medio –Tardío, con el desarrollo de
movimientos verticales y horizontales de bloques causados por fallas transcurrentes,
lo cual provocó la erosión de espesores considerables de sedimentos orogénicos,
(resultantes de procesos de cabalgamiento y apilamiento tectónico en los bloques o
sectores relativamente elevados) y el relleno pasivo de la cuenca antepaís al Norte. Se
produce, además, el solapamiento progresivo de la paleogeografía y la
estructuración heredada de los dispositivos cretácicos de plataforma, de la cuenca y
de un sistema de depocentros del Eoceno Medio – Tardío sobre la Placa Caribe y sus
cuencas a cuestas “Piggy Back” en la mitad sur del Archipiélago Cubano (Figura 7)
(Aguayo, 1996).

19
Imágenes de la evolución tectónica del Golfo de México:
Figura 4: La configuración actual de México se debe al movimiento simultáneo de las cuatro placas
tectónicas: a) la de Norteamérica, con desplazamiento hacia el Suroeste; b) la del Pacífico oriental, hacia el
Noroeste; c) la de Cocos, hacia el Noreste, y d) la del Caribe, hacia el Este franco (Tomado de: Aguayo,
1996).
Figura 5: Durante el Jurásico Superior (140 m. a.) y el Cretácico Superior (70 m. a.) el continente asimiló la
placa oceánica de Farallón, generándose así el Arco Volcánico Marginal en el borde occidental de México
y del Noroeste de Sudamérica; la corteza oceánica del antiguo Océano Pacífico también estaba en colisión
con el fondo oceánico del ancestral Océano Atlántico, y en su unión se formaron los arcos volcánicos
insulares de la región caribeña (Tomado de: Aguayo, 1996).

20
Figura 6: Durante el Cretácico Superior (70 m. a.) y el Paleoceno (58 m. a.) la placa continental estaba
próxima a asimilar una cordillera oceánica, y el arco volcánico marginal migraba hacia el interior del
continente en México. En la porción sur del país se iniciaba un rompimiento y su desplazamiento hacia el
Noreste (Tomado de: Aguayo, 1996).
Figura 7: Desde el Eoceno Superior (42 m. a.) hasta el Mioceno Inferior (18 m. a.), el arco magmático
marginal continental de México iniciaba su retroceso hacia el Pacífico. La porción Sur del continente se
siguió desplazando hacia el Noreste y la Península de Yucatán giraba en el sentido del movimiento de las
manecillas del reloj (Tomado de: Aguayo, 1996).

21
Figura 8: La antigua dorsal o cordillera oceánica inferida aparentemente fue asimilada por el continente
durante el Oligoceno Medio (30 m. a.), y quedan como testigos las fracturas que inciden en el borde
continental del Pacífico. El arco volcánico siguió en retroceso desde el interior del continente hacia el
Oeste, y la Dorsal o Cordillera del Pacífico oriental estaba próxima al continente (Tomado de: Aguayo,
1996).
Figura 9: Durante el Mioceno Medio (13 m. a.) al Plioceno temprano (4.5 m. a.) el borde Noroeste de
México traslapó a la Dorsal o Cordillera del Pacífico oriental, asimilando a la vez a la trinchera oceánica en
esa porción. Hacia el Sur, la trinchera siguió activa, lo que se manifestó por el Arco Volcánico Marginal
(Tomado de: Aguayo, 1996).

22
Figura 10: En una etapa tectónica posterior, la porción sur de la actual Península de Baja California se
separó del resto del continente y las aguas oceánicas del Pacífico inundaron esa porción. La parte
meridional del país se levantaba y se fracturaba, facilitándose así la formación de la Cadena Volcánica
Transversal, desde el Océano Pacífico hasta el Golfo de México. En el Pacífico se formó otra cordillera o
dorsal conocida como Galápagos, que se unió con la del Pacífico oriental y dio límites a la Placa de Cocos
(Tomado de: Aguayo, 1996).
Figura 11: Durante el Plioceno y el Cuaternario la actual configuración de México siguió gobernada por
los desplazamientos continuos del continente y de las placas oceánicas. La Península de Baja California se
mueve hacia el Noroeste, gobernada por las fallas del Sistema San Andrés; los márgenes meridional y sur
del continente, en el Pacífico, asimilan la corteza oceánica de la Placa de Cocos. La Península de Yucatán
se desplaza en sentido de las manecillas del reloj y el Cinturón Volcánico Transmexicano, sigue en
actividad desde el Pacífico hasta el Golfo de México (Tomado de: Aguayo, 1996).

23
Resumiendo, en la parte Sureste del Golfo de México se destacan con mucha claridad
tres zonas diferentes:
El Cinturón de Plegamientos y Cabalgamientos, que en su parte meridional se puede
clasificar en dos áreas: la parte Sur, de carácter más complejo y la parte Norte o frontal,
en la que se detectan y destacan los pliegues escamas (duplex) que conforman las
secuencias carbonatadas del Jurásico Superior y terrígenas del Terciario Temprano que
las recubren. En su parte media la Cuenca Antepaís del Cretácico Tardío–Eoceno
Temprano a Medio que recubren las estructuras formadas y heredadas del margen
continental. En su parte septentrional la presencia de la Plataforma de Yucatán, donde
se destacan: su zona de talud y pie de talud hacia el Sur, la zona del borde de plataforma
y la parte más interna de dicha plataforma (Aguayo, 1996).

CAPITULO III: LOS MÚLTIPLES Y SU EXPRESIÓN EN LA SÍSMICA
En el ambiente marino, es posible adquirir data sísmica utilizando dos métodos
fundamentalmente diferentes. El primero involucra líneas de arrastre marino (streamer),
que son remolcadas por buques en la superficie del océano. Los hidrófonos dentro de la
línea de arrastre marino están capacitados para adquirir únicamente data de ondas
compresionales (onda‐P) ya que las ondas de corte (ondas‐S) no pueden viajar a través de
líquidos como las columnas de agua en el océano (Verschuur, 2006).
Si se quiere obtener data sísmica de onda completa (multicomponente), incluyendo
ondas de corte, se debe utilizar el segundo método de adquisición que involucra poner
los sensores sísmicos (hidrófonos) directamente en el fondo del océano (OBC). En nuestro
caso de estudio la adquisición sísmica fue realizada a partir de líneas de arrastre marino
(Verschuur, 2006).
El objetivo de los algoritmos de imagen sísmica es enfocar en la superficie, la energía tras
los puntos de reflexión, creando así una imagen de las propiedades de reflexión de la
tierra. La mayoría de estos algoritmos de imagen asumen que toda la energía dispersada
fue reflejada en el subsuelo una sola vez. En la práctica, sin embargo, cada reflector u
objeto de dispersión en el subsuelo no diferencia si las ondas viajan hacia abajo o hacia
arriba (presenta un salto hacia abajo o hacia arriba), por lo que no diferencian si la onda
se ha reflejado más de una vez (Verschuur, 2006).
Un múltiple es una reflexión secundaria que llega a los receptores luego de reflejarse
varias veces en uno o varios horizontes (en el fondo marino o la superficie del agua, en el
caso de adquisiciones marinas). Es decir, las reflexiones en las que se encuentran
involucradas más de una interfaz, en conjunto se conocen como múltiples (Verschuur,
2006).
24

25
Figura 12: Diferencia entre la trayectoria de viaje de los primarios (amarillo) y los múltiples (azul).
(Modificado de Verschuur, 2006)
Para interfaces bastante someras, se puede asumir que las trayectorias de viaje son
verticales. La distancia de viaje adicional a lo largo de la trayectoria de estos rayos
múltiples causa entonces un retraso de tiempo el cual será constante e independiente del
offset del receptor (Verschuur, 2006).
La expresión de los múltiples en la sísmica dependerá del tipo de propagación en
cuestión. Estos pueden ser distinguidos por su periodicidad (período largo o período
corto), según la diferencias de moveout y pendientes entre el reflector y el múltiple (ver
figura 25), o por la diferencia entre el contenido del múltiple y el reflector primario
(Verschuur, 2006).
Fuente Receptor
V1
V2
Múltiples
Primarios
V3
V4
Con:
V1 < V2 < V3 < V4

26
3.1. CLASIFICACIÓN DE LOS MÚLTIPLES
Una forma de clasificar los múltiples es según la interface donde presentan su salto hacia
abajo (Verschuur, 2006):
3.1.1. Múltiples relacionados con superficies (ver fig. 17)
3.1.1.1. Múltiples de la primera capa (de la capa de agua o del fondo marino): Son
múltiples cuya energía se propaga dentro de la capa de agua sin viajar nunca a
la capa subyacente al fondo marino (fig. 13) (Verschuur, 2006).
Fuente Receptor
Va
V1
V2
Con:
Va ≈ 1500 m/s
Va < V1 < V2
Figura 13: Múltiples relacionados con la superficie, múltiple de la primera capa. (Modificado de Verschuur,
2006)
3.1.1.2. Reverberaciones de la capa de agua: Son múltiples que se reflejan una vez
debajo del fondo marino, y una o varias veces en la capa de agua. Estas
reverberaciones pueden ocurrir del lado de la fuente, del lado del receptor, o
de ambos lados. También son conocidos como Peg‐legs (fig. 14) (Verschuur,
2006).
Va
V1
V2
Con:
Va ≈ 1500 m/s
Va < V1 < V2
Figura 14: Múltiples relacionados con la superficie, reverberaciones de la primera capa/Peg-leg. (Modificado
de Verschuur, 2006)

27
3.1.1.3. Otros múltiples relacionados con la superficie: Son múltiples que sufren
dos o más reflexiones por debajo del fondo marino. Pueden ser importantes en
el caso de presentarse una a más estructuras de reflexión fuerte subyacentes al
fondo marino, como es el caso de las capas de sal (fig. 15) (Verschuur, 2006).
Va
V1
V2
Con:
Va ≈ 1500 m/s
Va < V1 < V2
Figura 15: Múltiples relacionados con la superficie, otros múltiples relacionados a la superficie. (Modificado
de Verschuur, 2006)
Los múltiples con dos o más reflexiones por debajo del fondo marino y con una o más
reverberaciones adicionales en la primera capa pueden entrar en ambas categorías,
tanto en reverberaciones de la capa de agua o dentro de otros múltiples relacionados
con la superficie. Por consistencia, se hará referencia a estos, como reverberaciones,
como es la parte más somera de tales múltiples relacionados con la superficie
(Verschuur, 2006).
3.1.2. Múltiples internos: Son múltiples que no presentan salto hacia abajo
respecto a la superficie (fig. 16 y 17).
Va
V1
V2
Con:
Va ≈ 1500 m/s
Va < V1 < V2
Figura 16: Múltiple interno ó intra‐capa. (Modificado de Verschuur, 2006)

28
Múltiples
internos
Múltiples
relaciona
dos con la
superficie
Figura 17: Ejemplo de tipos de múltiples dentro de un apilado, las flechas azules corresponden a los
múltiples internos y las verdes a los múltiples relacionados con la superficie. (Modificado de
Verschuur, 2006)
También es posible clasificar los múltiples con base en su periodicidad, como se
presentan a continuación (Verschuur, 2006):
3.1.3. Múltiples de período largo: Son eventos que pueden ser descompuestos en
trayectorias de rayos primarias, ver figura 18, las cuales tienen tiempos de doble
viaje que son observados como diferentes llegadas en los datos sísmicos. En
otras palabras, los múltiples de período largo pueden reconocerse en la sísmica
como eventos separados, ya que tienen un comportamiento más determinístico
(Verschuur, 2006).
Va
V1
V2
Con:
Va ≈ 1500 m/s
Va < V1 < V2
Figura 18: Tipos de múltiples según la longitud de su período, Múltiple de período largo. (Modificado
de Verschuur, 2006)

29
3.1.4. Múltiples de período corto: estos ocurren cuando están presentes capas de
poco espesor y que representan altos contrastes de impedancia acústica entre
base y tope, y debido a su poco espesor, las reflexiones se repiten en períodos
de tiempo muy cortos. Estos se observarían en la serie de reflectividad como
reflectores periódicos (de período corto) en las interfaces por debajo de la capa
donde se producen las reverberaciones, por lo tanto, a tiempos mayores a los
tiempos de las reflexiones primarias. Estos tienen un efecto más estadístico y no
pueden ser observados como eventos separados. Ver figura 19 (Verschuur,
2006).
En una situación de capas delgadas, todos los múltiples internos junto con el evento
original primario resultan en una reflexión efectiva, donde la ondícula observada es
diferente a la ondícula original. Actualmente, los múltiples contribuyen en gran parte
a la energía finalmente transmitida, pero también genera efectos de dispersión y un
retraso en general de la energía acústica. Este efecto a menudo es llamado filtrado
estratigráfico. Los múltiples internos en una situación de capas delgadas representan
la parte principal de la energía de transmisión (Verschuur, 2006).
Va
V1
V3
V2
Con:
Va ≈ 1500 m/s
Va < V1 < V2 < V3
Figura 19: Tipos de múltiples según la longitud de su período, Múltiple de período corto (Modificado
de Verschuur, 2006).
Por supuesto, una clara distinción entre los múltiples de período corto y los de
período largo no ha sido definida. Hay un área gris donde los múltiples caen en ambas

30
categorías. Por regla general, para la separación de estos dos tipos de múltiples nos
basaremos en la longitud de la ondícula fuente: Los múltiples cuyo período sea más
corto que el de la ondícula fuente los llamaremos múltiples de período corto, y los que
tengan un período mayor que el de la ondícula fuente serán llamados múltiples de
período largo (Verschuur, 2006).
Tomaremos en cuenta solo los múltiples de período largo ya que los de período corto
se encuentran incluidos en la firma de la fuente, y son removidos normalmente a
partir de la deconvolución con filtros de la firma de la fuente, así como por
deconvolución impulsiva ó fase mínima. Además, el efecto acumulativo de los
múltiples de período corto se manifiesta dentro de las capas delgadas como una
absorción efectiva. Esto afecta la firma de la fuente por una atenuación total y el efecto
de dispersión, que puede ser corregido por un filtro Q‐inverso (Verschuur, 2006).
3.2. CARACTERÍSTICAS DE LOS MÚLTIPLES
Antes de remover los múltiples, es necesario reconocer los efectos que estos tienen sobre
los datos sísmicos. Cuando analizamos una sección sísmica (desde una sección apilada
hasta una sección migrada), podemos observar que los múltiples tienen las siguientes
características:
• Repetición periódica de los eventos de reflexión: si ciertos eventos se repiten en
intervalos regulares y su amplitud disminuye o aumenta de manera regular, la
posibilidad de que estos sean múltiples es alta. Especialmente los múltiples del
fondo marino son fáciles de reconocer. Los múltiples del fondo marino aparecen
como acontecimientos casi horizontales en una secuencia regular con amplitudes
que decaen con el orden de cada múltiple (Verschuur, 2006).
• Aumento de las pendientes a medida que aumenta el orden de los múltiples
(conflicto con las pendientes de los primarios): A menudo los múltiples se

31
caracterizan por tener pendientes distintas a las de las reflexiones primarias que
los generan (Verschuur, 2006).
• Efectos de enfoque y desenfoque debido a pequeños efectos estructurales en las
capas que generan los múltiples: Pequeñas variaciones en los reflectores que
generan múltiples, como anticlinales o sinclinales locales, tienen un efecto en el
evento de reflexión en términos del tiempo de viaje y amplitud, este efecto es
mayor a medida que aumenta el orden del múltiple respecto al reflector
(Verschuur, 2006).
• Efectos de magnificación de amplitud para múltiples de órdenes altos: Los lados
de las superficies de impacto así como las variaciones laterales de amplitud de los
reflectores generadores de múltiples se magnifican con respecto al orden de cada
múltiple. En la práctica, los efectos estructurales y de amplitud de los reflectores
generadores de múltiples en el campo de ondas sísmicas están combinados y
pueden generar bandas verticales de energía de alta y baja frecuencia a lo largo de
la sección sísmica (Verschuur, 2006).
• Efectos de interferencia entre múltiples y primarios o entre diferentes múltiples:
en la práctica, todas estas características pueden ser combinadas si muchos tipos
de múltiples interfieren unos con otros. Ya no pueden reconocerse cada tipo de
múltiples individualmente, pero estos crean complejos patrones de interferencia
(Verschuur, 2006).

3.3. IMPACTO EN LA IMAGEN E INTERPRETACIÓN SÍSMICA
32
La presencia de múltiples comúnmente tiene un efecto de oscurecimiento para la
interpretación de las reflexiones primarias en la sección sísmica, especialmente para los
pequeños cambios estratigráficos a lo largo de reservas potenciales, que pueden ser
bastante perturbados por la presencia de reflexiones múltiples (Verschuur, 2006).
Cuando se presenta interferencia entre múltiples y áreas de interés, se complica la
interpretación, por lo que esta se hace más viable luego de la supresión de múltiples
relacionados con la superficie. El impacto de los múltiples internos es menor que el de los
múltiples relacionados con la superficie (Verschuur, 2006).
En los casos donde las reflexiones múltiples no pueden ser reconocidas fácilmente en la
presencia de conflictos de pendientes, los múltiples pueden ser confundidos con
reflexiones primarias, lo cual puede modificar totalmente la interpretación de una
sección sísmica. Por lo tanto, se hace necesaria una supresión apropiada cuando se toman
decisiones de perforación (Verschuur, 2006).
3.4. MÉTODOS DE REMOCIÓN DE MÚLTIPLES
Los métodos de remoción de múltiples se pueden clasificar en dos categorías principales
(Verschuur, 2006):
1. Métodos basados en diferencias en el comportamiento espacial de primarios y
múltiples.
2. Métodos basados en la periodicidad y la predictibilidad.
Los métodos en la primera categoría explotan el hecho de que los múltiples viajan a lo
largo de diferentes trayectorias en la tierra, y así se han visto diferentes velocidades

33
sísmicas y/o diferentes estructuras de reflexión. Así las técnicas de filtrado se aplican
para separar los múltiples de los primarios, basadas en un conocimiento previo y en la
interpretación del usuario. Estos son por definición filtros multicanales. Estas técnicas de
filtrado pueden ser aplicadas en el dominio pre‐apilamiento, por ejemplo, por diferencia
de moveout (tiempo) en el dominio de los CDP‐offset (distancia), ó en el dominio post‐
apilamiento, a partir de diferencias de pendientes entre múltiples y primarios
(Verschuur, 2006).
En la segunda categoría, se explota el hecho de que los primarios y los múltiples tienen
una relación inherente. En su forma más simple, los múltiples están definidos como
eventos que aparecen estrictamente en un patrón repetitivo. Por estáticas asumidas, este
patrón de repetición es suprimido. En una forma más compleja, el uso implícito o
explícito de la ecuación de ondas permite relacionar los primarios y los múltiples
(Verschuur, 2006).
En general estas técnicas contienen un paso de predicción y uno de supresión. Primero se
predice el múltiple a partir del primario del cual se deriva y luego este se sustrae de los
datos sísmicos de entrada. Estas técnicas se sitúan en un principio en el dominio del pre‐
apilamiento, pero bajo consideraciones adicionales, puede ser aplicados al dominio del
post‐apilamiento y en la etapa de post‐migración (Verschuur, 2006).

3.4.1. MÉTODOS DE REMOCIÓN DE MÚLTIPLES BASADOS EN
34
DIFERENCIAS EN EL COMPORTAMIENTO ESPACIAL DE PRIMARIOS Y
MÚLTIPLES
A partir de la implementación de mediciones multi‐offset se observó que los múltiples
pueden ser distinguidos en los datos sísmicos por su comportamiento en función del
offset y del tiempo. Si consideramos dos eventos de reflexión sísmica que llegan
aproximadamente al mismo tiempo, tendremos que el múltiple viaja en las capas más
someras de la tierra, mientras que el primario viaja en capas más profundas (figura 20)
(Verschuur, 2006).
Fuente Receptor
V1
V2
V3
V4
Con:
V1 < V2 < V
Múltiples
Primarios
Figura 20: Trayectoria de viaje del múltiple (rojo, capas más someras) y del primario (amarillo, capa más
profunda). (Modificado de Verschuur, 2006)
Si se asume que las velocidades de propagación aumentan a medida que aumenta la
profundidad (debido a la compactación por ejemplo), entonces el primario alcanzará
velocidades de propagación mayores en comparación con el múltiple. Por lo tanto el
primario llegara con un ángulo menor al receptor. Cuando se considera un grupo de
3 < V4

35
trazas adyacentes entre sí con un aumento del offset, el resultado será una diferencia en la
pendiente tiempo‐offset o de moveout entre ambos eventos (Verschuur, 2006).
Este efecto puede ser mejorado visualmente con la aplicación de una corrección de
moveout aproximada al CMP gather con una velocidad NMO entre múltiples y primarios
(Verschuur, 2006).
La remoción de múltiples basada en la discriminación de velocidades emplea primero un
proceso para transformar los datos a un nuevo dominio donde los múltiples y los
primarios son mapeados en diferentes regiones. En este dominio la energía del múltiple
es eliminada o blanqueada y los datos resultantes por ejemplo el primario estimado, es
antitransformado y regresado al dominio tiempo‐offset original. Para que este
procedimiento sea exitoso es necesario conocer dos criterios (Verschuur, 2006):
1. El dominio de la transformada debe ser escogido de manera tal que los
primarios y los múltiples puedan ser mapeados en diferentes regiones con un
solapamiento mínimo.
2. La transformada debe poderse devolver, de manera que después de separar
los primarios de los múltiples estos puedan ser antitransformados o regresados a su
dominio original tiempo‐offset sin ninguna distorsión.
De forma alternativa también es posible, en el dominio de la transformada blanquear el
área con primarios y antitransfromar los múltiples al dominio tiempo‐offset, y luego se
sustraen de los datos originales. Esta modalidad puede funcionar mucho mejor en caso
de que el criterio 2 no sea completamente conocido y si la transformada inversa añade
artefactos extra a los datos (Verschuur, 2006).
Entre los métodos de eliminación de múltiple utilizados en este caso se tienen las
siguientes transformadas:

3.4.1.1. TRANFORMADA FK
36
La Transformada de Fourier es extensamente utilizada en el procesamiento de los
datos sísmicos. Esta se encarga de descomponer la señal en funciones exponenciales
(como senos y cosenos) con diferentes frecuencias. Para funciones de dos coordenadas,
como el tiempo y offset para un CMP gather por ejemplo, la transformada FK hace una
doble transformada de Fourier sobre ambas coordenadas. Primero, los datos d(x,t)
son transformados al dominio tiempo‐frecuencia (Verschuur, 2006):
D(
x,
f )
+∞
− j2πft = ∫ d(
x,
t)
e dt
−∞
luego es aplicada una nueva transformada de Fourier sobre la coordenada espacial, la
cual esta definida como:
D(
k , f )
x
+∞
+ j2πk
xx
= ∫ D(
x,
f ) e dx
−∞
Donde f es la frecuencia temporal y kx es el número de onda horizontal, el cual puede
ser considerado como frecuencia espacial.
Se hace referencia a esta doble transformada de Fourier como transformada FK, y
puede ser considerada como la descomposición de onda plana de los datos sísmicos.
Un punto en el dominio de la transformada FK describe una onda plana
monocromática en el dominio espacio‐tiempo. La relación entre el tiempo y el espacio
esta constituida por la velocidad de propagación sísmica c y el ángulo de propagación
f
de la onda plana α: k x = senα
, (Verschuur, 2006).
c
Donde se puede observar que la información relacionada a una onda plana de banda
ancha esta localizada realmente a lo largo de una línea recta en el dominio FK. Por lo
tanto, una llegada sísmica con una ondícula de banda ancha y una forma hiperbólica,
puede ser pensada como una composición de ondas planas con diferentes ángulos,

Tiempo (s)
0
0.2
0.4
0.6
0.8
37
que en el dominio FK estará concentrada en un área triangular (ver figura 21)
(Verschuur, 2006).
Distancia (m)
‐1000 ‐500 0 500
d(x,t)
1000
Frecuencia (Hz)
0
60
40
20
‐0.4
D(Kx,f)
0.0 0 ‐0.02
Número de onda (1/m)
Figura 21: Transformada FK. A la izquierda se observa una reflexión sísmica sintética de forma
hiperbólica, que puede ser descompuesta en planos de onda de muchos ángulos, los cuales están
delimitados por las asíntotas de la hipérbola. En el dominio número de onda‐frecuencia (derecha) este
evento llena un área triangular (modificado de Verschuur, 2006).
Para llevar los datos del dominio número de onda‐frecuencia a su dominio original se
procede de forma similar, llevando por una parte el dominio del número de onda al de
la frecuencia (Verschuur, 2006):
D(
x,
f )
+∞
− j2πk
xx
= ∫ D(
k x , f ) e dx
−∞
Y por otra parte se lleva la frecuencia temporal al dominio del tiempo:

d(
x,
t)
38
+∞
+ j2πft = ∫ D(
x,
f ) e df
−∞
3.4.1.2. TRANSFORMADA RADÓN
La transformada radón transforma los datos al dominio tau‐p, donde el coeficiente τ
corresponde al tiempo de intersección y el coeficiente p corresponde a la curvatura de
las curvas parabólicas de los eventos corregidos por NMO en los conjuntos de entrada.
La transformada y su inversa vienen dadas por las siguientes ecuaciones (Verschuur,
2006):
+∞
∫
−∞
2
( x,
t = + px )
m(
p,
τ ) = d τ dx
M
+∞
2
− j2πfpx
= ∫ e dx
−∞
( p,
f ) D(
x,
f )
mientras la transformada discretizada viene dada por:
r r
m = Ld
con L como la matriz de transformación, cuyos elementos son:
L
ij
= e
2
i x
− j2πfp
j
donde p es el parámetro de curvatura y x el offset. La transformada inversa esta
descrita por la matriz compleja conjugada y transpuesta de L, denotada por LH :
r
H r
d = L m
Se puede ejecutar la trasformada por mínimos cuadrados. La transformada seguida
de su inversa sin ningún tipo de filtro de por medio proporciona una aproximación de
mínimos cuadrados del conjunto de datos de entrada. La transformada y su inversa
son realizadas en el dominio de las frecuencias, por separado para cada frecuencia. La
solución por mínimos cuadrados viene dada por (Verschuur, 2006):
r H −1
r
m =
LL L
( ) d

39
la cual es estabilizada para ser invertida con la adición de una constante a la diagonal
principal de la matriz:
H 2 −
( LL + I ) Ld
r 1
m = λ
2
Donde el factor de estabilización λ es escogido como una fracción del valor máximo
en la matriz LL H (Verschuur, 2006).
Han sido desarrollados dos esquemas de inversión para la transformación por
mínimos cuadrados. Asumiendo tanto los parámetros en el espacio modelo como el
ruido en el espacio de los datos, se tienen distribuciones Gaussianas que conducen a
un esquema de inversión lineal por mínimos cuadrados denotado como inversión
Toeplitz. Llamada así porque la matriz operador en este esquema de inversión tiene
una estructura Toeplitz. Por lo tanto, tiene que ser formada sólo una columna de la
matriz y el sistema de ecuaciones lineales puede ser solucionado con un algoritmo
rápido recurrente Levinson para los parámetros del espacio modelo. La inversión
Toeplitz es realizada por separado para cada frecuencia (Verschuur, 2006).
El ruido asumido en el espacio de los datos tiene una distribución Gaussiana y los
parámetros del espacio modelo tienen una distribución Cauchy produciendo un
esquema de inversión por mínimos cuadrados iterativo no lineal. Este esquema de
inversión es capaz de producir un panel tau‐p donde las energías de los eventos
parabólicos son mejor enfocadas, menos deterioradas, comparadas con el panel tau‐p
obtenido por la inversión Toeplitz. Este esquema de inversión es denotado como la
inversión escasa y es capaz de producir una Transformada Radón Parabólica de alta
resolución (Hampson, 1986).
Como el esquema de inversión escaso requiere el conocimiento de los parámetros del
espacio modelo que es lo que estamos buscando, esto es un problema de inversión no
lineal. La inversión no lineal tiene que ser puesta en práctica como un problema de
inversión iterativo lineal. Dentro de cada iteración, los parámetros del espacio modelo
r

40
obtenidos de la iteración anterior son usados como conjetura de los parámetros de
modelo verdadero. La inversión utiliza la transpuesta directa o adjunta de la
transformada Radón parabólica como conjetura inicial de los parámetros del espacio
modelo en la primera iteración. Es usada una función de costo para detener las
iteraciones en su mínimo local. Esta inversión no lineal también es realizada para cada
frecuencia por separado (Verschuur, 2006).
La inversión escasa puede producir un panel tau‐p de alta resolución. Con la
transformada de alta resolución, el colapso de acontecimientos parabólicos en el
dominio tau‐p puede hacer que las energías primarias y múltiples estén mejor
separadas, lo cual favorece la eliminación de múltiples y la preservación de eventos
primarios (Sacchi, 1999).
Ya que la inversión escasa es puesta en práctica iterativamente, es notablemente más
lenta que la inversión Toeplitz (Zhou, 1994).
El procedimiento de tratamiento de los datos de entrada incluye estos pasos:
• La Transformada – esta descompone los datos sísmicos corregidos por NMO en una
suma de eventos parabólicos. Los eventos primarios pueden diferenciarse de otras
energías coherentes, como múltiples y ground roll (conos de ruido), por la curvatura
(moveout) de las parábolas (Beylkin, 1987).
• Filtrado – el programa diseña y aplica un filtro a los datos transformados al dominio
tau‐p para reconstruir una parte seleccionada de los datos. El rango de curvatura p es
el que rige la sección de los datos que se desea filtrar. En la práctica, la región
ocupada por la energía del primario en el dominio de la transformada es por lo
general la que se remueve, dejando así sólo la energía no primaria. Los eventos no
primarios serán modelados en la transformada inversa (Beylkin, 1987).

41
• Transformada inversa – esta transforma los datos del dominio tau‐p de vuelta al
dominio x‐t original. Los nuevos datos contienen reflexiones primarias o múltiples,
según los datos especificados en el filtro. Estos datos pueden entonces sustituir a los
datos originales o ser restados de ellos (Beylkin, 1987).
La trasformada Radón parabólica separa los eventos de reflexión basándose en
diferencias de moveout (fig. 22). Después de una corrección de normal moveout con la
velocidad RMS sacada de los eventos primarios, se espera que los mismos sean
horizontalizados, y los múltiples tengan un moveout residual. Los primarios y los
múltiples pueden ser distinguidos y separados a partir de sus diferencias de moveout
(fig. 23). Después de la corrección y la transformación de los datos, se hace cero una
zona específica donde se estima se encuentre encerrada la energía de los primarios, se
realiza una transformada inversa en la energía remanente de los múltiples, y el
resultado es substraído del gather original. Otra manera es hacer cero la zona que se
estima esta compuesta por la energía de los múltiples, se realiza la transformada
inversa en la energía remanente correspondiente a los primarios, y se reemplaza con
esta la data original (Zhou, 1994).
x
τ
t
(a) (b)
Figura 22: Usando la transformada radón parabólica, eventos parabólicos en el dominio espacio‐tiempo
(a) se verán como puntos en el dominio tau‐p (b) (modificado de Verschuur, 2006).
p

x
42
τ
t
(a) (b)
Figura 23: (a) Por la aplicación de una corrección NMO aproximada a las reflexiones en el CMP gather,
se obtiene una mejor aproximación del move‐out residual descrita por las parábolas. (b) los eventos
cóncavos o sobrecorregidos se verán del lado negativo del plano tau‐p y los eventos convexos o
subcorregidos estarán en el lado positivo del plano tau‐p (modificado de Verschuur, 2006).
3.4.1.3. TRANSFORMADA KARHUNEN‐LOEVÈ (K‐L)
Esta transformada es utilizada para la remoción de múltiples, para lo que es necesario
separar los múltiples de las reflexiones primarias corrigiendo el múltiple por NMO.
Los múltiples serán horizontalizados y los primarios sobrecorregidos, asumiendo
curvas de velocidad NMO diferentes para múltiples y primarios. Una vez que los
múltiples estén horizontalizados, se eliminan los eventos planos utilizando la
transformada K‐L, seguida de la remoción de la corrección NMO aplicada
previamente, y de esta manera obtener gathers que contenga solo la energía de las
reflexiones primarias (Jones, 1987).
La transformada Karhunen‐Loewe construye una matriz de covarianza a partir del
producto punto de todos los pares de trazas en el gather. Luego esta calcula los
autovalores y autovectores para esta matriz. Después se puede reconstruir el conjunto
de datos entero, utilizando todos los autovectores escalados por sus autovalores para
regresar al campo de datos original (Jiao, 1999).
El éxito de este método depende de la separación entre las funciones de velocidad
NMO de los primarios y los múltiples. Por otra parte, en los offsets cercanos las curvas
de energía de los múltiples y los primarios están bastante cerca una de la otra, por lo
tanto la energía de los primarios en los offsets cercanos puede ser filtrada también por
este método (Jiao, 1999).
p

43
Este método deteriora menos los datos que el método de remoción de múltiples por
filtro F‐K (Jiao, 1999).
c
a b
Primario
Múltiple
Múltiples
d
Primarios
Figura 24: Metodología de remoción de múltiples usando la transformada K‐L (Modelo esquemático).
(a)Datos de entrada corregidos por NMO, Múltiples (Negro) y Primarios (Azul). (b)Después de la
transformación los múltiples horizontalizados son concentrados en el primer autovector, mientras que
los primarios no horizontalizados atraviesan muchos autovectores. (c) Después de enmudecer los
primarios, una transformada K‐L inversa produce un estimado de los múltiples. (d) Primarios estimados
después de restar (c) de (a). (Modificado de: Jiao, 1999).
La transformada K‐L descompone una imagen en sus componentes principales, los
cuales están ordenados respecto a su correlación espacial (Oppenheim 1978). En

44
general todos los usos de esta transformada en el procesamiento de datos sísmicos, se
resumen en la reconstrucción de los datos de un subconjunto de las componentes
principales. Los componentes que no están correlacionados espacialmente son
ignorados, dejando así una imagen clara y coherente (Zhang et al., 1998).
Primarios y múltiples Primaros después de la
atenuación
Figura 25: Modelo esquemático. Data modelo, donde los eventos primarios (Negros) y múltiples (Azules)
del fondo marino interfieren unos con otros. Antes (izquierda) y después (derecha) de la atenuación de
múltiples localizados. (Modificado de: Jiao, 1999).

Primarios
Peg‐legs
45
Figura 26: Data modelo que contiene sólo primarios (negros) y sus peg‐legs (azules). Antes (izquierda) y
después (derecha) de la atenuación de múltiples puntualizados (targeted multiple). (Modificado de: Jiao,
1999).
Asumiendo que se tiene un conjunto de señales reales xi(t), i=1,2,…,n. Se define un
conjunto transformado φj y una matriz de transformación A (Jiao, 1999), tal que:
φ
j
n
() t a x () t ; j = 1,
K, nKKK(
a)
= ∑
i=
1
a ( t)
ij
i
Donde ij son los elementos de A. Las señales φ j son escogidas de manera que estas
formen una base ortogonal, de modo que cada señal xi(t) pueda ser expresado
exactamente como (Jiao, 1999):
x
i
n
= ∑
j=
1
() t b φ () t ; i = 1,
K,
nKKK(
b)
ij
j
Primarios

46
Donde bij son los elementos de B. Las ecuaciones (a) y (b) constituyen la
transformación y antitransformación de Karhunen‐Loewe. Las matrices de
transformación A y B son dependientes de la data. Sus filas corresponden a los
autovectores normalizados de la matriz de covarianza de los datos Γ, cuyos elementos
son (Jiao, 1999):
γ ij
=
Τ
∫
0
() t x () t
xi j
El tamaño de un autovalor es una medida de la cantidad de energía coherente
presente en su autovector asociado. En este contexto, coherente está referido a los
acontecimientos que son horizontalmente similares en sentido traza a traza (Jiao,
1999).
Como en muchos procesos de supresión de múltiples, la transformada K‐L proyecta
los datos en un espacio de parámetro modelo, donde los eventos que se cruzan de
múltiples y primarios, son mejor separados. Los eventos múltiples son representados
en el espacio de parámetro modelo y son reconstruidos en el espacio de la data
original a través de la transformada K‐L inversa. De manera que los múltiples son
modelados y restados a los datos originales, permitiendo así obtener un gather solo
con eventos primarios (Jiao, 1999).
Cuando el propósito es la supresión de múltiples, se utiliza la energía propia de la
transformada. La idea es segregar la energía asociada con los múltiples en algunos
autovectores. Con el enmudecimiento (mute) de dichos autovectores, la reconstrucción
de los datos puede estar libre de múltiples (Jiao, 1999).
dt

3.4.2. MÉTODOS DE REMOCIÓN DE MÚLTIPLES BASADOS EN LA
47
PERIODOCIDAD DE LOS EVENTOS
3.4.2.1. DECONVOLUCIÓN PREDICTIVA
El modelo convolucional de la traza sísmica modela a ésta como la superposición de
convoluciones sucesivas de la ondícula sísmica con los coeficientes de reflexión en el
subsuelo. El modelo convolucional se basa en las siguientes premisas (Yilmaz, 1987):
• La tierra está conformada de capas horizontales de velocidades constantes y la
fuente genera frentes de ondas planas compresionales, que inciden verticalmente
sobre estas capas.
• La ondícula es estacionaria, es decir, su forma no cambia a medida que la onda se
propaga en el subsuelo.
• La componente de ruido n(t) es cero.
• La serie de reflectividad del subsuelo es un proceso aleatorio.
• La ondícula sísmica es conocida (fuente vibroseis) o de fase mínima (fuente impulsiva).
La Deconvolución es un paso integral en el procesamiento de los datos sísmicos para
mejorar la resolución temporal de los datos mediante la compresión de la ondícula
sísmica básica. Esta función es comúnmente aplicada en diferentes etapas del
procesamiento, es decir, se puede aplicar durante el pre‐apilamiento, y también puede
ser utilizado en la sección apilada (Yilmaz, 1987).
La Deconvolución tiene la tarea de remover las reverberaciones de los datos, ya que el
carácter reverberante limita la resolución sísmica de manera considerable. Esta función
también debería eliminar una parte sustancial de los múltiples de los datos e
idealmente dejar solo los reflectores de la tierra en la traza sísmica (Yilmaz, 1987).

48
Los parámetros a considerar durante el proceso de deconvolución son (Yilmaz, 1987):
• Ventana de aplicación: Es una poligonal en tiempo donde se aplica el proceso de
deconvolución.
• Ventana de diseño: Es una poligonal en el dominio del tiempo, dentro de la cual
se calcula la autocorrelación de las trazas sísmicas para la determinación de otros
parámetros.
• Distancia predictiva: Con esta se intenta predecir cuanto, de la ondícula sísmica
producida por la fuente y sus reverberaciones, podrá extraerse de los datos por la
deconvolución.
• Longitud del operador: Es el intervalo de tiempo empleado para el cálculo del
operador. Para esto se seleccionan varios registros en los que se procede a obtener
la autocorrelación de cada traza y analizar de esta manera la energía reverberante
y los posibles múltiples. En la práctica es usual tomar como longitud del operador
el intervalo de tiempo correspondiente al primer ciclo de la autocorrelación. Es
posible relacional la longitud de operador con su efectividad, pero es necesario
tomar en cuenta el tiempo de cómputo.
• Ruido blanco: Es una cantidad de ruido artificial que se añade a la traza para
evitar inestabilidades numéricas que puedan surgir al realizar la inversión en el
cálculo del espectro de amplitud del operador de deconvolución. Los porcentajes
de ruido blanco que se utilizan normalmente oscilan entre 0.1 y 1%.
La Deconvolución predictiva esta basada en el filtro óptimo de Wiener y usualmente
trabaja con una ventana temporal de predicción (prediction lag) que corresponde a la
primera o segunda intersección en cero (cero crossing) de la función de
autocorrelación. El operador de Deconvolución esta diseñado en esta ventana de
tiempo y posteriormente el operador es convolucionado con la data. Los parámetros

49
clásicos de una deconvolución predictiva son la distancia de predicción y la longitud
del operador. Este proceso ensancha el espectro de los datos sísmicos y aumenta las
altas y bajas frecuencias de la señal y el ruido. Por lo que frecuentemente los datos
necesitan ser filtrados después de la Deconvolución (Yilmaz, 1987).
La deconvolución post‐apilamiento puede ser usada en un esfuerzo por tomar ventaja
de la reducción de ruidos internos en el proceso de apilamiento (Yilmaz, 1987).
3.4.2.2. TRANSFORMADA RADON LINEAL (SLANT STACK)
La transformada Radón lineal (slant stacking) va seguida de la inversión por mínimos
cuadrados para condicionar la sección tau‐p tal que su inverso resultara en la menor
parte de la energía. Esta transformada tiene la característica de separar los eventos
lineales que intervienen con las reflexiones en el gather de entrada mapeandolos como
puntos en el dominio tau‐p. Entonces, un enmudecimiento (mute) simple y la
transformada inversa eliminaría los eventos lineales. La transformada lineal también
puede ser usada para hacer periódicos los múltiples en el gather pre‐apiliado. Se sabe
que los múltiples son periódicos en la dirección radial de la traza en un gather de
disparo común (common shot gather), lo cual hacer inútil la deconvolución predictiva.
Por la transformación de los datos de entrada al dominio tau‐p, los múltiples se hacen
periódicos en la dirección de tau, así haciendo posible su eliminación con operadores
predictivos simples. La ecuación de la transformada viene dada por (Verschuur,
2006):
+∞
m( px
, τ ) ∫ d(
x,
t = τ + px
−∞
= x)
dx
donde px es el parámetro de rayo horizontal y corresponde a:
y la ecuación inversa será:
p x
∂t(
x)
=
∂x

M ( p , f ) =
x
50
+∞
∫
−∞
m(
p , τ ) e
x
− j2πfτ
3.5. LIFT: METODOLOGÍA PARA LA ELIMINACIÓN DE RUIDO.
Los métodos de supresión de múltiples descritos hasta el momento se limitan en
transformar los datos de entrada a un dominio donde la señal pueda ser separada del
ruido. Una vez hecha esta discriminación, se elimina la parte del dato que contiene el
ruido y finalmente se vuelven a transformar los datos a su dominio original tiempo‐offset.
Otra modalidad de los métodos convencionales, es la siguiente, después de separar la
señal del ruido en un dominio conveniente, diferente al t‐x, antitransformamos sólo el
ruido, para así restarlo de los datos de entrada (ver figura 27). Algunos de estos métodos
son un poco más elaborados al añadir a la señal un porcentaje de los datos originales con
el fin de obtener gathers menos sintéticos (Choo, 2003)
El LIFT es una metodología de supresión de ruido y mejoramiento de la señal. Con este
método se trata de alterar lo menos posible la señal, por lo que se puede decir que esta
orientado a la preservación de las amplitudes relativas. El LIFT funciona de la siguiente
manera, del dato de entrada se separa la señal y el ruido por algún método de supresión
de ruido, a partir de aquí vamos a llamar a la señal ‘modelo de señal’ y al ruido ‘modelo
de ruido’. Aunque en general esto no se logra completamente, y así la parte que
suponemos que es solo ruido tiene una componente de la señal, entonces estamos en
condiciones de poder seguir tratando de recuperar el contenido de señal que se
encuentra en el modelo de ruido. (Choo, 2003)
La innovación que ofrece esta metodología para la de supresión de ruido es que incluye,
en el modelo de señal construido, un porcentaje del ruido removido (add‐back) durante el
proceso de modelado (ver figura 28). Esto se hace porque se sabe que la estimación de la
señal no es completamente correcta, y regresando un porcentaje del ruido removido
dτ

51
[porcentaje x (señal + ruido)] se compensa el hecho de que el modelado no contiene el
total de la señal. Este método también sirve para disminuir los efectos de borde, deterioro
espacial y otros artefactos generados por las suposiciones del modelo matemático. En la
práctica, añadir un porcentaje del ruido al modelo de la señal permite obtener resultados
más realistas y menos sintéticos (Rebec, 2005). El método funciona para atenuar cualquier
clase de ruido incluyendo múltiples, preservando las amplitudes relativas de los datos
para posibles trabajos de AVO (amplitud vs offset) en un futuro. El LIFT es un método
flexible ya que se puede incorporar en este una variedad de dominios de aplicación,
herramientas de filtrado, y formas de modelado de datos. (Choo, 2003)
De las figuras 27 y 28 se puede concluir que aunque con la metodología del LIFT se tiene
una menor relación señal ruido (relación señal/ruido para el método convencional:
140/55, LIFT: 95/52.5), esta presenta la ventaja de que la señal no se ve casi alterada.
Permitiendo poder calcular atributos de las propiedades de las rocas mucho más
confiables. (Choo, 2003)

A
Señal de entrada
Señal: 100
Ruido: 100
D
Señal para regresar
50% x señal de entrada
Señal: 50
Ruido: 50
52
(B + D)
Salida de programa de
atenuación de ruido
Señal: 140
Ruido: 55
B
Modelo de señal
Señal: 90
Ruido: 5
Suponiendo una
efectividad del
filtro de 90%
C
Ruido
(C=A‐B)
Señal: 10
Ruido: 95
Figura 27: Ejemplo de una secuencia de eliminación de ruido convencional, suponiendo un
filtro con efectividad del 90%. Modificado de Choo, 2003.

A
Señal de entrada
Señal: 100
Ruido: 100
53
B
Modelo de señal
Señal: 90
Ruido: 5
(B + D)
Salida de programa de
atenuación de ruido
Señal: 95
Ruido: 52.5
Suponiendo una
efectividad del
filtro de 90%
C
Ruido
(C=A‐B)
Señal: 10
Ruido: 95
D
Señal para regresar
50% x ruido
Señal: 5
Ruido: 47.5
Figura 28: Ejemplo de una secuencia de eliminación de ruido utilizando la metodología LIFT,
suponiendo un filtro con efectividad del 90%. Modificado de Choo, 2003.

54
Para la eliminación de múltiples es necesario iniciar la secuencia de trabajo con la
aplicación de un método convencional de supresión de este tipo de ruido, por ejemplo
una transformada Radón, a fin de separar el ruido de la señal y mejorar la relación señal‐
ruido, aplicando posteriormente la metodología del LIFT para realzar la señal y lograr
una mayor atenuación de los múltiples. La señal puede ser modelada de muchas
maneras, por ejemplo, un método de inversión AVO 2 .
2 AVO: amplitud versus offset

11
Esta aproximación al modelado de la señal se basa en las suposiciones de las ecuaciones
de Zoeppritz: las ondas planas y la reflexión entre dos semi‐espacios. Debido a estas
suposiciones, la amplitud tiene que variar con el offset de una manera suave, pero cuando
un múltiple interfiere con un primario, la amplitud no varía suavemente. Una inversión
AVO, realizada mediante las aproximaciones lineales de las ecuaciones de Zoeppritz
considerará los múltiples y las ondas convertidas en ruido y los excluirá en la
reconstrucción de la señal, añadiendo luego a esta un porcentaje de la señal removida
durante el modelado. Esta técnica para la supresión de múltiples trabaja bien tanto para
datos de tierra como para datos marinos. (Rebec, 2005)
Este esquema de atenuación de múltiples conserva las difracciones para una óptima
migración pre‐apilamiento, a posteriori. De hecho, se tiene que en principio el ruido se
encuentra en la parte superior de las difracciones, haciéndolas difíciles de identificar.
Pero posterior a la aplicación de la secuencia es posible observar dichas difracciones de
manera más clara. El LIFT también funciona para la atenuación de la energía de los
múltiples en offsets cercanos. (Rebec, 2005)

CAPITULO IV: METODOLOGÍA
A continuación se describen los pasos seguidos en la ejecución de los distintos procesos
de la secuencia de procesamiento establecida, así como también los flujos de trabajo
utilizados hasta la obtención del apilado preliminar, etapa que constituye el actual
avance. Los datos provenientes de adquisiciones sísmicas son grabados en medios
magnéticos (cintas 3480, 3590, 8mm, CDs, DVDs) o electrónicos (discos duros portátiles)
con formato SEG‐D 3 , los cuales constituyen el recurso de almacenamiento temporal
antes de ser llevados al centro de procesamiento y ser cargados a los respectivos
software de procesamiento.
Las principales características que debe poseer el medio de almacenaje son durabilidad,
protección y capacidad. Para el caso que compete al presente proyecto, la línea trabajada
fue grabada en una cinta tipo 3590, las cuales son resistentes, confiables y rápidas para
leer, y esto resulta de gran importancia al momento de trasladar los datos de campo a
cualquier centro de procesamiento, ya que tienen menos riesgo de sufrir daños
perdiendo así la información. Estas tienen una capacidad de 10 GB, lo que les da un
nivel de almacenamiento aceptable para una línea 2D.
Características de los datos:
Longitud del registro: 8192 ms
Tasa de muestreo: 2 ms
Distancia entre disparos: 25 m
Distancia entre estaciones: 12,5 m
Número de canales por disparo: 640
Cobertura: 160
Offset mínimo: 162,5 m
Offset máximo: 8150 m
55

56
Figura 29: Parámetros y configuración de adquisición de datos.
Un Job es un flujo de trabajo construido para el procesamiento de los datos sísmicos,
este nombre se utilizará de aquí en adelante para referirnos a dichas secuencias, esto
para ser consistentes con el lenguaje del área de trabajo. A continuación se describen los
flujos de trabajo utilizados durante el procesamiento de los datos y obtención del
apilado preliminar, constituyendo así el primer avance de este proyecto.
4.1. Carga de datos: Los datos de adquisiciones marinas son grabados en medios
magnéticos o cintas con formato SEG‐D.
Esta secuencia de trabajo se encarga de leer los datos de la cinta y transformarlos al
formato interno del programa (figura 30) con el cual se este trabajando. Estos datos
crudos o sin procesar son guardados en el disco con el nombre de shots de campo y
generalmente son almacenados en 32 bytes. Estos se observan en la figura 33 (izquierda).
3 SEGD: Formato estándar de la Society Exploration Geophysic para la grabación de datos sísmicos en campo.

57
Hasta este punto los datos almacenados en el disco solo cuentan con información del
FFID 4 y el número de canal (CHAN). Para poder realizar el procesamiento de dichos
datos es necesario que estos tengan mayor información, como: número de canales,
distancia entre canales, número de estacas y disparos, intervalo de disparos, entre otros.
Para cubrir esta necesidad y realizar el procesamiento se le asigna la geometría a
estos datos de campo, proceso que se dividirá en dos partes: la primera parte se observa
en la figura 31 y la segunda en la figura 32, ambos esquemas resumen el proceso de
asignación de geometría.
Archivo 1 (shots de campo)
Cinta 3590
SEG‐D
Formato interno del programa
Figura 30: Esquema de carga de datos
4.2. Aplicación de la Geometría: este es un paso preliminar y primordial para la
aplicación de la geometría a los datos sísmicos considerados en este proyecto.
Carga y control de calidad de la
geometría en la base de datos
Figura 31: Primer esquema de asignación de geometría y construcción de la hoja de cálculo
(spreadsheet)
4 FFID (field file identification): identificación de los archivos de campo.

58
Este flujo de trabajo se encarga de construir una hoja de cálculo (spreadsheet) donde los
datos se ubican de acuerdo al número de canales, distancia entre canales, número de
estacas o disparos, longitud de la línea, intervalo de disparos, etc., y es guardada en la
base de datos del programa.
El programa utilizado para este procesamiento (FOCUS) cuenta con un módulo
(MARINE) que es exclusivo para datos marinos, y funciona tomando en cuenta la
posición de la fuente y construyendo la hoja de cálculo antes mencionada (spreadsheet)
para las estaciones receptoras, los disparos y CDP, considerando un tendido unilateral
alineado con la fuente.
Los parámetros que maneja dicho módulo son: número de disparos en la línea, número
de canales en la línea, número del canal más cercano al disparo, offset 5 de la traza más
cercana, intervalo de grupo o canales receptores, e intervalo de disparos.
4.3. Culminación de la Geometría e inicio del procesamiento de los datos: con esta
parte finalizamos la etapa de las geometrías, que es volcar la información que tenemos
es las hojas de cálculo, en los encabezados de las trazas.
También se realizan las correcciones necesarias, como eliminación del ruido de baja
frecuencia que traían los datos de campo (figura 33 izquierda), la remoción del fantasma
y firma de la fuente y la eliminación del ruido de oleaje tipo swell, así como también se
recobran amplitudes a través de una corrección por divergencia esférica, lo cual resulta
necesario, por a la perdida de energía que sufre la onda en su viaje a través de la tierra.
Todos estos pasos se encuentran resumidos en el esquema que se presenta a
continuación (figura 32).

59
Archivo 1 (shots de campo)
Asignación de geometría
Filtro pasa‐alto (3‐6 Hz)
Filtro de firma de la fuente
Corrección por divergencia esférica
Filtro para ruido swell
Archivo 2 ordenado CDP (Datos con geometría)
Figura 32: Segundo esquema de asignación de geometría
Con fin de concluir el proceso de asignación de geometría se incluyó un módulo del
programa (PROFILE) que se encarga de buscar la palabra shot en los encabezados de los
datos cargados de la cinta, luego busca la misma palabra en las hojas de calculo y las
vincula, descargando así toda la información en los encabezados de las trazas. En la
figura 33 (izquierda) se observa la presencia de un ruido de baja frecuencia (ver figura
34) como ya se había mencionado, el cual abarca todos los datos. La función del primer
filtro de la figura 32 es remover dicho ruido, para lo que se realiza un cambio de
dominio, aplicando un filtro de frecuencia paso‐altos (high‐pass) cuyos parámetros de
entrada contempla una pendiente entre 3 y 6 Hz.
5 Offset: distancia fuente receptor.

60
Figura 33: Aplicación de filtro pasa‐alto (3‐6 Hz) datos antes (izquierda) y después (centro) de la aplicación del filtro, y la diferencia para
visualizar lo que fue filtrado (derecha).

61
Figura 34: Espectro de frecuencias de los shots de campo donde se observa un pico muy alto (pico rojo)
de frecuencias por debajo de 1 Hz. El espectro correspondiente a los datos luego de la aplicación del
filtro pasa‐alto es el mismo de la figura 19‐a.
Luego de remover el ruido de baja frecuencia de los gathers, es posible identificar la
presencia de reflexiones múltiples del fondo marino, aproximadamente a 5000 y a 7500
mseg (ver figura 36). La eliminación de estos múltiples es el principal objetivo durante el
procesamiento de esta línea de prueba.
Otro tipo de ruido que también afecta nuestros datos es el debido al fantasma y firma de
la fuente 6 , ambos son característicos de datos marinos, y el primero es considerado un
tipo de múltiple. Para la remoción de este ruido es necesario contar con la información
de la ondícula del campo lejano (signature), con esta información creamos un filtro
equivalente de fase cero, de tal manera que aplicando este al dato se elimine el efecto de

62
la firma de la fuente y el fantasma. En la siguiente figura (figura 35) se compara la
ondícula del campo lejano (arriba) y la ondícula equivalente (arriba).
Figura 35: Comparación entre la ondícula del campo lejano (arriba) y la ondícula equivalente de fase
cero (abajo) calculada a partir de la primera, la cual se almacenará en la base de datos del programa
como filtro equivalente.
En la figura 36 se observan los datos antes (izquierda) y después (derecha) de la
remoción del ruido debido al fantasma y firma de la fuente; en los datos sísmicos no es
notoria la diferencia entre la entrada y la salida de este módulo, pero en el dominio de
la frecuencia los espectros si difieren entre sí (Figura 37‐a y 37‐b respectivamente).
6 El Fantasma y Firma de la fuente: el primero corresponde a la reflexión que llega al hidrófono luego de rebotar en
la superficie del agua. Y la firma de la fuente corresponde a una información adicional que depende de la fuente
utilizada.

63
Figura 36: Datos sísmicos antes (izquierda) y después (derecha) de la aplicación del filtro para la remoción del ruido debido al
fantasma y firma de la fuente.

64
(a)
(b)
Figura 37: Espectro de frecuencia antes de la aplicación del filtro para la eliminación del fantasma de la
fuente (a) y después de su aplicación (b).

65
Luego se hace una corrección por divergencia esférica, ya que los datos requieren la
aplicación de una ganancia debido a la disminución de la energía con la profundidad.
Para la realización de esta corrección se aplica un módulo del programa (GAIN) cuyo
propósito fue recuperar parte de las amplitudes perdidas y mejorar la visualización de
los datos. Para la utilización del módulo de corrección por divergencia esférica es
necesaria una función de velocidad (ver figura 38, donde se observa la dependencia de
la divergencia esférica con la velocidad) la cual se obtiene de los shots de campo a partir
de un análisis de velocidades y es incluida en los parámetros de entrada del modulo de
ganancia.
Un análisis de ganancia permite observar una mejora respecto a la ecualización de las
amplitudes de la señal, ver figura 40. Es posible observar que los datos después de la
aplicación de la corrección por divergencia esférica están mejor ecualizados (Figura 40
derecha) ya que la diferencia entre las amplitudes en decibeles son menores que las de
los datos de entrada (Figura 40 izquierda).
vopción
Vrms(
t)
T
Escalar(
t)
=
V SCmáx
Donde: Vrms = Velocidad RMS a un tiempo t
T = tiempo de la muestra
Vo = Velocidad RMS a tiempo cero
Vopción = Valor de poder para la velocidad
Topción = valor de poder para el tiempo
Scmáx = 1/Escalar (Tmáx)
0
Topción
Figura 38: Fórmula de divergencia esférica.

66
Figura 39: Gather antes (izquierda) y después (derecha) de la aplicación de una ganancia por divergencia esférica.

67
Figura 40: Análisis de ganancia, antes de la corrección por divergencia esférica (izquierda) y después de
la corrección (derecha).
Los datos de campo también presentan un ruido debido al constante movimiento de los
hidrófonos producto del oleaje, este se conoce como ruido tipo swell, y es importante
tomarlo en cuenta ya que es una particularidad de los datos marinos. Para remover este
ruido se realizó una deconvolución predictiva en el dominio del tiempo y el espacio,
para intentar predecir un modelo del ruido y proceder así a removerlo, esto es válido ya
que este tipo de ruido presenta una característica aleatoria. Los datos de salida que
resultaron al final del flujo de trabajo fueron denominados Datos con Geometría.
4.4. Deconvolución de los datos: hasta este punto ya se le han aplicado a los datos
prácticamente todas las correcciones pertinentes, pero para poder pasar a la próxima
etapa, que involucra la corrección NMO, es necesario calcular una función de velocidad
apropiada para horizontalizar o corregir la forma hiperbólica de los datos. Pero surge
otra tarea que es deconvolucionar los datos, ya que de esta manera se consigue mejorar

68
la resolución de los mismos, facilitando así la determinación de la función de velocidad.
Esta es la finalidad del flujo de trabajo que se muestra en este apartado (Figura 41).
Archivo 2 (Datos con geometría)
Corrección debido a la profundidad de la fuente y el receptor
Deconvolución
Archivo 3 (datos deconvolucionados)
Figura 41: Esquema para la corrección por profundidad del par fuente receptor y la deconvolución de
los datos.
El flujo construido en el programa trabaja de la siguiente manera, toma el archivo Datos
con geometría y le aplica un módulo (HEADPUT: modificación del encabezado de las
trazas) que busca la palabra shot para identificar todas las trazas donde se hará la
modificación, y se guarda en sus encabezados la palabra delay a la cual le corresponderá
el valor 8 ms. Esto se hace con el fin de hacer la corrección del retraso de tiempo debido
a la profundidad de la fuente y los hidrófonos (6 m), y asumiendo que la columna de
agua tiene una velocidad de 1500m/s (agua salada a 15°C), esta corrección sería de 8 ms
en tiempo doble de viaje. Finalmente se aplica el delay guardado en el encabezado de las
trazas (utilizando el modulo STATIC de FOCUS).
La deconvolución a realizar en este flujo de trabajo tendrá como objetivo solo la
obtención de una función de velocidad, así que los parámetros utilizados en esta pueden
variar más adelante. La figura que se muestra a continuación compara el archivo de
entrada (Datos con geometría) con el archivo de salida (Datos deconvolucionados).

Datos con geometría Datos deconvolucionados
Disparo
69
Tiempo (s)
Figura 42: Entrada (izquierda) y salida (derecha) de los datos en el flujo de trabajo mostrado en la figura 41

70
4.5. Cálculo de la función de velocidad: para poder determinar cual va a ser el
procesamiento adecuado es necesario la realización de un apilado preliminar, para lo
que se requiere una función de velocidad a fin de realizar la corrección NMO
correspondiente. El cálculo de dicha función es el objetivo del siguiente flujo de trabajo
(Figura 43).
Archivo 3 (Datos deconvolucionados)
Aplicación de ganancia
Filtro pasa‐banda
Cálculo de función de velocidad
Figura 43: Esquema para el cálculo de la función de velocidad.
En esta secuencia de trabajo se aplica una ganancia (AGC) y un filtro que permitan una
mejor visualización de los datos con el fin de facilitar el análisis de velocidad. La
longitud de la ventana AGC es de 500ms y el filtro utilizado es un paso‐banda cuyos
parámetros son los siguientes de 5, 10 Hz y 45, 60 Hz.
El análisis de velocidad se realiza en el programa con un módulo llamado VELDEF, el
cual esta diseñado para el cálculo de funciones de velocidad, el cual se hizo cada 1 Km.
Para la realización de este análisis se construyó un súper grupo de trazas (supergather)
(ver figura 44) formado por la suma de 9 gathers 7 , este contiene mayor cantidad de datos
y favorece el análisis de velocidades.
7 Un gather es un conjunto de trazas.

Tiempo (s)
71
La función de velocidad obtenida fue guardada en la base de datos, y esta se
definió siguiendo los valores máximos de semblanza sin tomar en cuenta los máximos
correspondientes a los múltiples.
Cálculo de las funciones de velocidad a partir del análisis de semblanza
supergather Apilado
Figura 44: Análisis de velocidad.
Análisis de semblaza

72
4.6. Apilado preliminar: el objetivo del siguiente flujo de trabajo es la construcción de
un apilado preliminar (brute‐stack) que sirva como orientación en procesamiento de los
datos.
La primera parte de este fue explicada previamente, ya que, hace lo mismo que el flujo
de Deconvolución, sólo que en este caso se hace cuidadosamente la selección de los
parámetros de la deconvolución (tipo de deconvolución: impulsiva, longitud de
operador: 80 ms) (ver figura 46).
Archivo 2 (Datos con geometría)
Corrección debido a la profundidad de la fuente y el receptor
Deconvolución
Corrección NMO
Enmudecimiento
Apilado
Archivo 4 (Apilado Preliminar)
Figura 45: Esquema para el apilado preliminar de los datos.
La corrección NMO es realizada con la función de velocidad previamente obtenida
(Figura 43), y se calculo una función de enmudecimiento manualmente apropiada para
este conjunto de datos. Por ultimo se realiza el apilamiento el cual se llevo a cabo
sumando de las trazas de un mismo CDP 8 logrando así una sección sísmica (ver figura
47).
8 CDP (common mid point): punto medio común.

Apilado preliminar variando la longitud del operador de deconvolución para determinar el operador con el que se observan mejores
resultados
Tiempo (s)
73
Figura 46: Pruebas de deconvolución impulsiva para operadores de 120, 160, 200 y 240 ms de longitud.

74
Tiempo (s)
Figura 47: Apilado Preliminar. El óvalo amarillo señala el primario y los óvalos rojos los múltiples del fondo marino.

75
4.7. Interpolación de los datos: En el apilado preliminar es posible observar la
presencia de los múltiples del fondo marino, aproximadamente a 5000 y a 7500 mseg.
También se observa la presencia de Aliassing espacial (ver fig. 47) entre los CDP 1855‐
2509 y entre los 6000‐7500 mseg., por lo que se transformaron los datos al dominio
frecuencia‐número de onda donde se evidencio la existencia de Aliassing (figura 48).
Espectro de frecuencias del Apilado Preliminar
Número de onda
Frecuencia (Hz)
Figura 48: Espectro FK del apilado Preliminar, en el cual se evidencia la existencia de aliassing espacial.
En el espectro FK se evidencia la existencia de aliassing espacial a partir de los 65 Hz
aproximadamente, por lo que se realizó una interpolación de trazas en el dominio de los
disparos con el fin de eliminar este efecto (ver figura 49). Estas trazas interpoladas serán
mantenidas durante el proceso de eliminación de múltiples y se eliminaran al momento
de realizar un nuevo apilado.

76
Espectro de frecuencias después de la interpolación
Número de onda
Frecuencia (Hz)
Figura 49: Espectro FK de los datos después de la interpolación de trazas, en el cual se puede observar
que el se removió el aliassing espacial.
4.8. Transformada Radon
Los gathers con trazas interpoladas fueron ordenados por CDP (Figura 50) y se les aplico
una transformada Radón para preparar los datos para entrar a la metodología del LIFT
donde se procederá a la eliminación de los múltiples que fueron identificados.
4.9. Metodología del LIFT para la eliminación de múltiples en datos marinos 2D
La metodología del LIFT fue la herramienta utilizada en el presente trabajo de pasantía
para cumplir con los objetivos generales plateados en la misma. Estos comprenden la
evaluación de los métodos de eliminación de múltiples y la determinación del método
que resultó más eficiente en este respecto.

CDP
Tiempo (s)
77
CDP Gtaher
Figura 50: CDP gather (interpolado) que se utilizará como dato de entrada para la metodología del LIFT
En este caso, esta metodología fue utilizada principalmente para eliminar el múltiple del
fondo marino. Y la secuencia se construyó de la siguiente manera:

Entrada
Pre‐acondicionamiento
Aplicación de velmultiple
Eliminación de múltiples
Remoción de velmultiple y
Aplicación de velprimario
Mute interno
Regresión AVO
78
Aplicación de velprimario
Datos
Modelo de señal ‐
Ruido
Remoción de velprimario y
Aplicación de velmúltiple
Eliminación de múltiples
Remoción de velmultiple y
Aplicación de velprimario
+ Add-Back
Acondicionamiento
Salida
Velmultiple: velocidad del múltiple.
Velprimario: velocidad del primario
Figura 51: Representación esquemática de la metodología del LIFT, utilizada en este trabajo para la
eliminación de múltiples

79
En primer lugar se tienen los cdp gathers interpolados y corregidos por NMO con la
velocidad de los primarios (velprimario), los cuales serán los datos de entrada a la
metodología del LIFT. Antes de la determinación del modelo de señal fue necesario pre‐
acondicionar estos gathers para mejorar un poco más la relación señal‐ruido. Este pre‐
acondicionamiento comprendió un balanceo espectral, una atenuación de amplitudes
anómalas, una supresión de ruido en el dominio tiempo‐frecuencia y un
enmudecimiento basado en los ángulos de incidencia.
Con el balanceo espectral intentamos que todas las frecuencias tengan el mismo valor de
amplitud, para ello se transforma el dato al dominio de la frecuencia con FFT
(Transformada rápida de Fourier), se filtra en bandas de frecuencias seleccionadas por el
usuario, se determina un escalar por banda de frecuencias, el cual es calculado de
acuerdo a los valores de amplitud y frecuencia suministrados por el programa. Cada
banda de frecuencias es trasformada al dominio del tiempo con IFFT (transformada
rápida de Fourier inversa). Estas bandas posteriormente se suman haciendo así el
balanceo del espectro, pero se presenta el problema de que de esta manera no se estarían
conservando las amplitudes. Una manera prácticas para preservar las amplitudes
relativas es la siguiente, anterior al balanceo del espectro se aplica un AGC pero con la
salvedad de que los escalares aplicados a las trazas son guardados en los encabezados
de las mismas, con la aplicación del balanceo de espectro se ecualizan las amplitudes del
espectro con un AGC con una longitud de ventana igual a la del aplicado anteriormente,
posterior a esto se remueven los escalares aplicados. Finalmente las bandas son sumadas
y se forma la salida. El objetivo de aplicar un balanceo del espectro es mejorar el
contenido de frecuencias, como así también eliminar ruidos relacionados con la fuente, y
aplicado de esta manera se logra conservar las amplitudes relativas.

80
Figura 52: Gathers antes (izquierda) y después (derecha) del balanceo del espectro.

81
En la figura anterior se puede observar como mejora la calidad de los datos luego de la
realización del balanceo del espectro, esto también se evidencia en el espectro de
frecuencias (figura 53).
Figura 53: Espectros de frecuencia donde se observa como actúa el balanceo del espectral
La atenuación de amplitudes anómalas fue realizada por medio de un módulo de
escalamiento de amplitudes disponible en el programa, el cual analiza los datos a través
de pequeñas ventanas temporales y espaciales en las que se calcula un promedio de las
amplitudes, y así podemos comparar el valor promedio de las amplitudes con el valor
de amplitud de la muestra del centro de la ventana, de esta manera es posible llevar la
amplitud de dicha muestra, en el caso de que sea anómala, al valor promedio de las
amplitudes, o menor a este, según la elección del usuario.

Gathers antes y después de la aplicación del filtro en el dominio f-x
Antes Después Diferencia
82
Figura 54: Gathers antes (izquierda) y después (centro) de la aplicación del filtro en el dominio f‐x, y su
diferencia (derecha) para visualizar el ruido que este esta removiendo.

83
La supresión de ruido en el dominio tiempo‐frecuencia se hace a partir de la eliminación
de frecuencias anómalas en las trazas (ver figura 54). Esto se logra transformando todas
las trazas de un gather al dominio t‐f, en el que es posible dividirlas en pequeñas sub‐
bandas de frecuencias. Luego es calculada la mediana de las amplitudes de cada sub‐
banda de frecuencias, a partir de un grupo de trazas determinadas por el usuario, y se
define un umbral de ruido como el promedio de las medianas de las sub‐banda de
frecuencias del mismo grupo de trazas. Si la mediana de la sub‐banda de frecuencia
evaluada es mayor que el umbral de ruido entonces esta es eliminada.
Enmudecimiento basado en los ángulos de incidencia (ver figura 55): este procedimiento
nos permite calcular, por medio de un trazado de rayos, el ángulo de incidencia de los
datos de un gather, a partir de las velocidades de apilamiento y utilizando la fórmula de
Dix para determinar las velocidades interválicas, con las cuales se pueda construir un
modelo de capas y trayectoria de rayos a partir del cual sea posible el cálculo de los
ángulos de incidencia. Una vez hecho esto es posible eliminar lo ángulos que no
contribuyan a la inversión AVO, y también es una manera de evitar el estiramiento de
las trazas.

Antes (izquierda) y después (derecha) de la aplicación del enmudecimiento por ángulos de incidencia
84
Figura 55: Antes (izquierda) y después (derecha) de la aplicación del enmudecimiento por ángulos de
incidencia
Tiempo (s)

85
Los gathers que entraran al LIFT son almacenados en el encabezado de las trazas con el
nombre de ‘datos originales’. Esto se hace para poder utilizarlos en distintas operaciones
cuando sea necesario.
Se remueve la corrección NMO que tienen los gathers, correspondiente a la velocidad de
los primarios (velprimario), y se realiza una nueva corrección con la velocidad de los
múltiples (velmultiple), con el objeto de horizontalizar las mismas. Posterior a esto se
aplica el método de eliminación de múltiples seleccionado, se remueve la velocidad de
los múltiples y es aplicada nuevamente la velocidad de los primarios.
Un paso importante dentro de la metodología del LIFT es la aplicación a los gathers de
un enmudecimiento interno, el cual sirve para remover el efecto de la energía de los
múltiples en los offsets cercanos, ya que en estos, tanto los múltiples como los primarios
tienen la misma pendiente y resulta muy difícil eliminar este ruido. Luego se realiza un
análisis AVO, que consiste en una aproximación lineal con base en los atributos de
incidencia normal y gradiente [R(θ) = I + G * sen 2 (θ)], para la reconstrucción de los
primarios eliminados con el enmudecimiento interno aplicado a los gathers (ver figura
56).
Se aplico un enmudecimiento externo para evitar que la regresión se haga más allá de
los límites del dato. Y luego se guardan estos gathers en los encabezados de las trazas
bajo el nombre de ‘modelo de señal’.
A partir del modelo de señal estimado y los datos originales es posible calcular un
modelo de ruido, el cual aún contiene un porcentaje de la señal (figura 57):
RUIDO (SEÑAL + RUIDO) = DATOS ORIGINALES – MODELO DE SEÑAL

86
Ahora se trabaja sobre el modelo de ruido construido, removiendo antes la corrección
NMO realizada con la velocidad de los primarios y aplicando una corrección utilizando
la velocidad de los múltiples. Luego de esto se procede a la remoción de ruido o
supresión de múltiples por el método previamente elegido, y se regresan las
correcciones NMO, de modo que los gathers que salgan estén corregidos con la
velocidad de los primarios. Finalmente estos gathers son guardados en el encabezado de
las trazas como el porcentaje de ruido (%(ruido+señal)) que se regresará a la señal (add‐
back) (figura 58).
Es necesario hacer una limpieza de los encabezados de las trazas: todo lo que se
almaceno en los encabezados de las trazas debe ser borrado ya que ocupa un espacio
innecesario en el disco y retarda el proceso de cómputo.
Por último se construyen los gathers de salida del LIFT regresando un porcentaje del
ruido estimado a la señal modelada (figura 58):
GATHERS DE SALIDA = SEÑAL MODELADA + (%(RUIDO + SEÑAL))

Gather después de la aplicación del
enmudecimiento interno
87
Después de la regresión lineal para la
reconstrucción de los primarios
Figura 56: Ejemplo de la aplicación de un enmudecimiento interno a los Gathers (izquierda) y de la
reconstrucción de los primarios a partir de una regresión lineal (derecha)
Tiempo (s)

Modelo de Ruido
=
Modelo de señal
-
inales
Datos Orig
88
Tiempo (s)
Figura 57: Ejemplo de separación entre el ruido y la señal utilizando la metodología del LIFT: Modelo de Ruido (señal + ruido) = Datos originales –
Modelo de Señal

Salida del LIFT
=
Modelo de Señal
+
Addback
Modelo de ruido
89
Tiempo (s)
Figura 58: Ejemplo de la metodología del LIFT para el estimado de ruido que se regresa a la señal (%(ruido+señal))

4.10. Migración
90
Luego de todo el proceso de remoción los múltiples se realiza el apilado final para
observar las mejoras que evidencian los datos, y se procede al siguiente paso dentro de
un esquema de procesamiento, la migración de los datos. En nuestro caso particular se
realizo una migración pre‐apilamiento en tiempo. El objetivo de esta es mover los
reflectores con buzamiento a su posición correcta, colapsar difracciones y lograr mejores
detalles en ciertos eventos, como planos de fallas. Para esto se utilizó el software
Geodepth, de Paradigm, el cual esta diseñado para realizar distintos topos de
migraciones. Desde el cual es posible cargar las velocidades de apilamiento con las que
se ha venido trabajando, estas son suavizadas, y luego utilizadas para crear una sección
de velocidades RMS, que servirá como entrada para la migración.
Con la sección de velocidades (fig. 59) y los CDP gathers sin corrección NMO, se
procede a realizar la migración pre‐apilamiento en tiempo, utilizando el algoritmo de
Kirchhoff basado en la teoría de rayos y cálculo de tiempos de viaje. De este proceso
resultan unos gathers en tiempo migrado y una sección migrada, en la cual se observa
que es necesario hacer un ajuste de los parámetros de migración y de la sección de
velocidades. Primero vamos a enfocarnos en mejorar nuestra sección de velocidades,
para ello se calcularon funciones de residuos (figura 60). Un residuo es un valor en
milisegundos que se le debe aplicar a los reflectores en los gathers para horizontalizar los
que se encuentran sobrecorregidos o subcorregidos. Con estos residuos se calcula una
sección que nos va a permitir construir una nueva sección de velocidades mejorada, con
la cual migraremos nuevamente. De ser necesario se calculan nuevos residuos a partir
de esta ultima sección migrada. Este proceso se repite tantas veces sea necesario hasta
que los valores de los residuos sean tan pequeños que no provoquen variaciones
significativas en los gathers (figura 61).

91
Una vez hecho esto se debe realizar pruebas de los parámetros de migración, para de
esta manera poder determinar cuales son los más adecuados para nuestros datos. Las
pruebas realizadas se basaron en los siguientes parámetros: apertura de migración, tipo
y tamaño del filtro antialias, y porcentaje de estiramiento de las trazas.
Para hacer la elección de los distintos parámetros se comenzó probando la apertura de
migración, este parámetro se vario desde 1800m hasta 3000m, eligiendo la apertura de
1800m por generar esta la imagen más adecuada, y generaba la menor cantidad de ruido
en los datos, ya que a mayor apertura mayor es la cantidad de ruido que genera la
migración.
El siguiente parámetro a probar fue el filtro antialias, que de acuerdo al espaciamiento
entre trazas se podría estar generando aliassing espacial. Se contaba con dos tipos de
filtros, uno por bandas de frecuencia y otro triangular, de estos el más eficiente es el
triangular, aunque los tiempos de cálculos son un poco más lentos. Además cada filtro
contaba con cinco niveles, los cuales permiten determinan cuan fuerte será la aplicación
del filtro. Por tratarse de una línea 2D, las diferencias entre los tiempos cálculo de cada
filtro son mínimas, por lo que se eligió el filtro triangular, con un nivel 5, el cual es el
más fuerte de los niveles disponibles.
Por ultimo se realizaron las pruebas para el enmudecimiento de los gathers, ya que al ser
corregidos por alguna velocidad las trazas presentan estiramiento, este parámetro fue
variado entre 20, 40 y 60%, eligiendo finalmente el de 60%, lo que significa que se
enmudecieron lar partes de las trazas que sufrieron un estiramiento mayor a un 60% de
su longitud original. Luego de hacer las comparaciones entre el efecto de los diferentes
parámetros en la sección resultante, y haber escogido los que produjeron una mejor
imagen, es decir los más adecuados a nuestros datos; se procede a realizar la migración
(figura 65).
Es necesario a aplicación de un enmudecimiento y de ciertos procesos que mejoren un
poco más la imagen, estos serán llamados post‐procesos y están comprendidos por: un

92
enmudecimiento, balance espectral, eliminación de ruido aleatorio, etc.). El resultado de
este último paso será la sección migrada con post‐procesos (ver figura 65), la cual
constituye el producto final del presente informe de pasantía.
Velocidad de Apilamiento‐Velocidad RMS‐Velocidad Interválica‐Gradiente‐Velocidad Promedio‐Profundidad vs. Tiempo
Figura 59: Funciones de velocidad. La velocidad de apilamiento es cargada al programa de migración y
este se encarga de calcular el resto de las velocidades.
Tiempo (s)

93
Figura 60: Gathers en tiempo migrado y primeras funciones de residuos calculadas.

94
Figura 61: Gathers en tiempo migrado y últimas funciones de residuos calculadas.

CAPITULO V: RESULTADOS Y ANÁLISIS
Como se dijo anteriormente el problema con que nos enfrentamos en este procesamiento
la forma más eficiente de eliminar el múltiple del fondo marino. Para ello se utilizaron
tres métodos de atenuación de múltiples: la transformada KL, transformada Radón
parabólica, y transformada FK o remoción de múltiples por pendientes. Para evaluar
cual de los tres métodos fue el más eficaz, sen evaluaron los gathers en primer lugar. En
las siguientes figuras se puede ver el mismo gather con los tres métodos de eliminación
aplicados. Al hacer nuestra elección, nos inclinamos por la transformada KL, ya que la
transformada radón parabólica crea mucho ruido tipo hiperbólico, mientras que la
transformada FK horizontalizaba muchos eventos y eliminaba buena parte de la señal
(Figuras 62 y 63).
95

96
Figura 62: Gathers después de la aplicación de la metodología del LIFT, en un acercamiento a la parte
superior del gather, donde se debe observar la presencia de los primarios.

97
Figura 63: Gathers después de la aplicación de la metodología del LIFT, en un acercamiento al la zona
del múltiple del fondo marino, donde se puede observar que el método más conveniente resulto el
correspondiente a la Transformada KL.
Este análisis preliminar, no es suficiente para hacer la elección del método más
apropiado para eliminar el múltiple del fondo marino, por lo que es importante evaluar

Tiempo (s)
98
los diferentes métodos a nivel de apilamiento. Como muestra se tienen las siguientes
figuras de los apilados correspondientes a cada método aplicado (Figura 64).
Apilados después del LIFT
Transformada Radón parabólica Transformada KL Remoción de múltiple por pendientes
Difracciones
El múltiple del fondo
marino fue removido
Figura 64: Apilados correspondientes a los métodos de remoción de múltiples aplicados, en un
acercamiento donde se puede observar que el múltiple tiene una presencia mucho más débil.

99
Nuevamente se pudo observar que el resultados de la transformada KL, nos da una
mejor imagen del apilado (ver figura 64), pudiéndose ver que el múltiple del fondo
marino es eliminada casi en su totalidad. Cabe mencionar que la aplicación de estos tres
métodos fue hecha dentro de la metodología del LIFT.
No encontramos ninguna justificación teórica mostró mejores resultados, ya que en
otros proyectos las transformada Radon parabólica dio excelentes resultados. Con lo que
podemos decir que en este caso la elección del métodos esta netamente relacionada con
el dato procesado.
Es importante mencionar que los resultados fueron bastante satisfactorios, en el caso de
la aplicación de la transformada KL dentro de la metodología del LIFT, lo que no resulto
de la misma manera al aplicarla individualmente o por separado de la metodología
mencionada. Esto se puede atribuir a que la metodología del LIFT intenta preservar la
mayor parte de la señal.
Una vez realizado todo el proceso de remoción de múltiples, se cuentan con unos gathers
ordenados por CDP y con una sección de velocidades, a partir de los cuales se realizó la
migración preapilamiento en tiempo de los datos, ver figura 65, el procedimiento
seguido para la obtención de la misma ya fue explicado en la metodología.

Migración Pre‐apilamiento en tiempo con post‐procesos
100
Tiempo (s)
Figura 65: Migración Pre‐apilamiento en tiempo con post‐procesos, acercamiento.

CONCLUSIONES Y RECOMENDACIONES
Se pudo observar que en todas las etapas del procesamiento realizado, hemos mejorado
paulatinamente la relación señal‐ruido.
El primer problema que se encontró fue la existencia de aliassing espacial, que se
resolvió llevando a cabo una interpolación de las trazas en el dominio de los disparos;
técnica que por cierto resulta computacionalmente muy costosa. A pesar de esta
dificultad se prefirió utilizar dicha técnica en lugar de un tradicional filtro FK ya que
este suele alterar las amplitudes relativas, y también porque los datos utilizados
corresponden a una sola línea del levantamiento 2D en cuestión.
El uso de un balanceo del espectro mejoró notablemente la resolución de los datos,
pudiéndose visualizar en la sísmica mayor cantidad de eventos, vale destacar que en
general todo el procesamiento estuvo orientado a la preservación de las amplitudes, por
lo que es posible hacer estudios posteriores que requieran la preservación de las
mismas. Cabe destacar que la preservación de las amplitudes relativas es más sencilla de
lograr en datos marinos que en datos terrestres. En contraposición a estos es mucho más
fácil lograr una mejor imagen si no preservamos las amplitudes, ya que las amplitudes
anómalas en las trazas producen ruidos en cualquier etapa del procesamiento.
En un primer momento quisimos determinar los tipos de múltiples presentes en los
datos, y se observó que el múltiple del fondo marino se destaca notablemente. El estudio
de la semblanza sugiere la existencia de otro tipo de múltiples, pero dichos diagramas
no nos permitieron distinguirlos. Otra manera de identificar múltiples, es a través de
datos de pozo, pero en este proyecto no se contaba con información de pozos, por lo que
el trabajo fue enfocado a la eliminación del múltiple del fondo marino.
101

102
Indudablemente la metodología del LIFT dio excelentes resultados al ser combinada con
el método de atenuación de múltiples elegido.
Una recomendación para futuros trabajos es incluir dentro de la metodología del LIFT,
el método de remoción de múltiples relacionados con la superficie (SRME), que el
presente trabajo no pudo ser incluido.
Queremos acotar que una migración postapilamiento en tiempo no hubiese mostrado
una imagen muy diferente a la obtenida con la migración preapilamiento en tiempo, y a
un menor costo computacional, ya que el campo de velocidades de la zona de estudio
era bastante suave, lo que sugiere que no se encontraba relacionada a estructuras
complejas. Por otra parte, si el caso fuera una zona con un campo de velocidades con
variaciones laterales importantes recomendaríamos una migración preapilamiento en
profundidad, para lograr de esta manera una mejor imagen del dato.

BIBLIOGRAFÍA
ALVAREZ, G., 1995, A comparison of moveout‐based approaches to the suppression of
ground‐roll and multiples: M.S. thesis, Colorado School of Mines.
BERKHOUT, A. J. and D. J. Verschuur, 1997, Estimation of multiple scattering by
iterative inversion, part I: theoretical considerations: Geophysics, 62, 1586–1595.
BERRYHILL, J. R. and Y. C. Kim, 1986, Deep‐water peg legs and multiples: Emulation
and suppression: Geophysics, 51, 2177–2184.
BEYLKIN, G., 1987, The discrete Radon transform: IEEE Transactions of Acoustic,
Speech, and Signal Processing, 35, 162–172.
CHEN, J., E. Baysal, and O. Yilmaz, 2004, Weighted subtraction for diffracted multiple
attenuation: 74th Ann. Internat. Mtg., SEG, Expanded Abstracts, 1329–1332, Soc.
Expl. Geophys., Expanded abstracts.
COATES, R. T. and A. B. Weglein, 1996, Internal multiple attenuation using inverse
scattering: Results from prestack 1 and 2‐D acoustic and elastic synthetics: 66th
Ann. Internat. Mtg., SEG, Expanded Abstracts, 1522–1525, Soc. Expl. Geophys.,
Expanded abstracts.
DRAGOSET, B., 1999, A practical approach to surface multiple attenuation: The Leading
Edge, 18, No. 1, 104–108.
EVANS, B. J., 1997, a handbook for seismic data acquisition in exploration: Society of
Exploration Geophysicists, 305 p.
FOSTER, D., and Mosher C., 1992, Suppression of multiple reflections using the Radon
transform: Geophysics, 57, 386–395.
HAMPSON, D., 1986, Inverse velocity stacking for multiple elimination: Journal of the
Canadian Society of Exploration Geophysicists, 22, 44–55.
HARGREAVES, N. D., VerWest, B.J., Wombell, R., Trad, D., 2003, Multiple attenuation
using an apex‐shifted Radon transform, 73rd SEG International Ann. Mtg., SP 2.6
103

104
HARLAN, W. S., Claerbout, J. F., and Rocca, F., 1984, Signal/noise separation and
velocity estimation: Geophysics, 49, 1869–1880.
HEMON, C. H. and Mace, D., 1978, Use of the Karhunen‐Loeve transformation in
seismic data processing: Geophysical Prospecting 26, 600‐626.
HERRMANN, F. J., U. Boeniger, and D.‐J. E. Verschuur, 2007, Nonlinear pimary‐
multiple separation with directional curvelet frames: Geoph. J. Int. To appear.
HERRMANN, P., Mojesky, T., Magesan, M., and Hugonnet, P., 2000, Dealiased, high‐
resolution Radon transforms: 70th Annual International Meeting, Society of
Exploration Geophysicists, Expanded Abstracts, 1953–1956.
HINDS, R., Anderson, N.L., and Kuzmiski, R., 1996, VSP Interpretative Processing:
Theory and Practice: Society of Exploration Geophysicists, 205 p.
HUGONNET, P., and Canadas, G., 1995, Aliasing in the parabolic Radon transform:
65th Annual International Meeting, Society of Exploration Geophysicists,
Expanded Abstracts, 1366–1369.
IKELLE, L., G. Roberts, and A.Weglein, 1997, Source signature estimation based on the
removal of first‐order multiples: Geophysics, 62, 1904–1920.
IKELLE, L. T. and S. Yoo, 2000, An analysis of 2D and 3D inverse scattering multiple
attenuation: 70th Ann. Internat. Mtg., SEG, Expanded Abstracts, 1973–1976, Soc.
Expl. Geophys., Expanded abstracts.
JONES, I. F. and Levy, S., 1987, Signal‐to‐noise ratio enhancement in multichannel
seismic data via the Karhunen‐Loeve transform: Geophysical Prospecting 35, 12‐32.
KABIR, M., and Marfurt, K., 1999, Toward true amplitude multiple removal: The
Leading Edge, 18, 66–73.
KABIR, M. M. N., 2003, Weighted subtraction for diffracted multiple attenuation: 73rd
Ann. Internat. Mtg., SEG, Expanded Abstracts, 1941–1944, Soc. Expl. Geophys.,
Expanded abstracts.

105
LARNER, K., Chambers, R., Yang, M., Lynn, W. and Wai, W., 1983, Coherent noise in
marine seismic data: Geophysics, Soc. of Expl. Geophys., 48, 854‐886.
LOKSHTANOV, D., 1999, Multiple suppression by data‐consistent deconvolution: The
Leading Edge, 18, 115–119.
LUMLEY, D. E., Nichols, D., and Rekdal, T., 1995, Amplitudepreserved multiple
suppression: 65th Annual International Meeting Society of Exploration
Geophysicists, Expanded Abstracts, 1460–1463.
OPPENHEIM, A. V., 1978, Applications of Digital Signal Processing. Prentice‐Hall, Inc.
ROSS, W. S., 1997, Multiple suppression: beyond 2‐D. part I: theory: 67th Ann. Internat.
Mtg., Expanded Abstracts, 1387–1390, Soc. Expl. Geophys., Expanded abstracts.
ROSS, W. S., Y. Yu, and F. A. Gasparotto, 1997, Multiple suppression: beyond 2‐D. part
II: application to subsalt multiples: 67 th Ann. Internat. Mtg., Expanded Abstracts,
1391–1394, Soc. Expl. Geophys., Expanded abstracts.
SACCHI, M., and Ulrych, T., 1995, High‐resolution velocity gathers and offset space
reconstruction: Geophysics, 60, 1169–1177.
SHERIFF, R. E., 1991, Encyclopedic Dictionary of Exploration Geophysics, Third Edition:
Society of Exploration Geophysicists, 376 p.
SCHOENBERGER, M., 1996, Optimum weighted stack for multiple suppression:
Geophysics 61, 891–901.
SCHONEWILLE, M., and Duijndam, J., 2001, Parabolic Radon transform, sampling and
efficieny: Geophysics 66, 667–678.
VERSCHUUR, D. J., 2006, Seismic multiple removal techniques: past, present and
future: EAGE publications b.v. edition.
VERSCHUUR, D., Berkhout, A., and Kelamis, P., 1995, Estimation of multiple scattering
by iterative inversion—Part II: Examples on marine and land data: 65th Annual
International Meeting, Society of Exploration Geophysicists, Expanded Abstracts,
1470–1473.

106
VERSCHUUR, D. J., A. J. Berkhout, and C. P. A. Wapenaar, 1992, Adaptive surface‐
related multiple elimination: Geophysics, 57, 1166–1177.
VERSCHUUR, D., and Kelamis, P., 1997, Surface‐related multiple elimination on 3D
land data: 67th Annual International Meeting, Society of Exploration
Geophysicists, Expanded Abstracts, 1383–1386.
VERWEST, B.J., 2002, Suppressing Peg‐Leg Multiples with Parabolic Radon Demultiple,
64th Mtg.: Eur. Assn. Geosci. Eng., F036.
WEGLEIN, A., Gasparotto, F., Carvalho, P., and Stolt, R. H., 1997, An inverse scattering
method for attenuating multiples in seismic reflection data: Geophysics, 62, 1975–
1989.
YILMAZ, O., 1987, Seismic data processing: Society of Exploration Geophysicists, 526 p.
ZHANG, G., Yin, X., and Wu, G., 1998, An approach to suppress noise by partial K‐L
transform in wavelet domain: 65th Annual Internat. Mtg., Soc. Expl. Geophys.,
Expanded Abstracts, 987‐990.