UFR - Sciences de l’Ingénieur
Université de Thiès
http : //[Link] - Email : ufrsi@[Link] / Tél. +221 33 951 04 51
Chapitre 1 : Inversion de données géophysiques
1. Introduction - rappels
La géophysique réalise une investigation indirecte, non destructive des objets géologiques.
L’investigation se fait en utilisant une signal dans le but de comprendre le système étudié. La
notion d’interaction signal/système peut être utilisée pour comprendre une investigation
géophysique. Une expérimentation ou mesure géophysique typique comporte 3 éléments :
• Une source d’énergie qui peut être naturelle (champ gravitaire, champ magnétique
terrestre, etc.) ou artificielle (vibration par explosion, injection de courant dans le sol,
etc.). La source d’énergie permet de générer un signal d’entrée.
• L’énergie se propage dans l’objet géologique (e.g. le sol) qui est le système à
investiguer. Le système agit comme un filtre capable de modifier le comportement du
signal d’entrée émis par la source. La modification sur le signal d’entrée dépend de la
répartition des propriétés physiques dans les trois dimensions de l’objet géologique
traversé.
• Un enregistrement ou signal de sortie qui rend compte de la modification imprimée
au signal d’entrée par le système (l’objet géologique).
La différence entre le signal d’entrée et le signal de sortie rend compte des propriétés du
système traversé.
Une représentation graphique des mesures obtenues (signal de sortie) permet d’obtenir une
représentation ou modèle de l’objet géologique. Dans la plupart des cas, ce modèle donne des
informations suffisantes sur l’objet géologique. Cependant, cette information peut parfois
s’avérer très insuffisante. A titre d’exemple, la carte d’anomalie magnétique permet de
modéliser la présence d’un corps magnétique en profondeur mais ne livre que peu d’information
sur la forme ou sa profondeur.
L’approche de la géophysique est une approche par modélisation. Le modèle est une
représentation simplifiée de l’objet géologique. Un bon modèle doit fournir l’information
recherchée. Par exemple en modélisant un terrain pour la recherche de cavités, les dimensions
et la résolution du modèle doivent permettre d’identifier la cavité. La taille et la résolution d’un
modèle dépendent de ce fait du problème géotechnique posé.
Deux approches de modélisation sont utilisées en géophysique : la modélisation directe et la
modélisation inverse.
La modélisation directe permet de modéliser un signal de sortie. A partir d’une source
d’énergie, un signal d’entrée est envoyé à travers un objet géologique ; connaissant les lois
physiques qui régissent la propagation du signal d’entrée, il est possible de calculer la réponse
de l’objet géologique en fonction la répartition des propriétés physiques. A titre d’exemple, un
courant d’intensité I est envoyé dans un objet géologique, c’est le signal d’entrée. En utilisant
la loi d’Ohm, on peut calculer les différences de potentiel dV à différents endroits de l’objet en
fonction de la répartition des résistances électriques R, c’est le signal de sortie. Dans la pratique,
Inversion des données géophysiques Page 1 sur 7 Dr M. NDIAYE
la modélisation directe fournit un résultat assimilable à ce qui est obtenu par mesures lors d’une
campagne géophysique.
La modélisation inverse (ou inversion) cherche à modéliser l’objet (ou dans certains cas le
signal d’entrée) à partir du signal de sortie. Si nous reprenons l’exemple du courant électrique,
la modélisation inverse cherche à déterminer les propriétés de courant injectée ou la répartition
des résistivités, à partir des différences de potentiel mesurées.
Figure 1 : Représentation schématique du concept de Signaux (entrée, sortie) et Système
Il faut noter qu’en géophysique d’exploration, nous ne sommes pas forcément intéressés par le
signal d’entrée, mais plutôt par les propriétés du système (objet géologique). De ce fait, en
parlant d’inversion nous ferons plutôt allusion à la modélisation de l’objet géologique à partir
d’un signal de sortie.
En résumé, nous dirons qu’en géophysique d’exploration, la modélisation directe cherche à
modéliser le signal de sortie provenant d’un système traversé par un signal d’entrée. A l’opposé,
la modélisation inverse cherche à modéliser le système connaissant le signal de sortie.
Figure 2 : Exemple de représentation schématique de la modélisation directe. Connaissant la source (champ
magnétique terrestre) et les propriétés physiques de l’objet magnétique, nous pouvons modéliser un signal
de sortie montrant la perturbation magnétique liée à l’objet (Source : Geophysical Inversion Facility, UBC).
Inversion des données géophysiques Page 2 sur 7 Dr M. NDIAYE
Figure 3 : Exemple de représentation schématique de la modélisation inverse. Il s’agit ici de retrouver la
distribution spatiale des propriétés physiques qui a produit l’anomalie magnétique observée. (Source :
Geophysical Inversion Facility, UBC).
2. Le problème inverse : principe et formulation
La relation entre un système, un signal d’entrée et un signal de sortie peut s’écrire :
𝑑(𝑝) = ' 𝐺(𝑝, 𝑠) 𝑚(𝑠)𝑑𝑠
Dans cette équation ou transformation, une fonction de deux variables G(p,s) transforme une
fonction m(s) en une fonction d(p). On parle également de transformation intégrale.
La fonction G(p,s) est également appelée noyau.
A titre d’exemple, la transformation de Fourier est une transformation intégrale
X(𝑓) = ∫ 𝑒 !"#$%& 𝑥(𝑡)𝑑𝑡
𝒅 représente le signal de sortie (les mesures obtenues),
𝒎 représente le système (la répartition des propriétés physiques dans le sol),
𝑮 prend en charge les lois physiques ainsi que toutes les données de la campagne (ou de
l’expérimentation) géophysique.
Dans le cas du problème inverse d(p) et G(p,s) sont connus, mais m(s) est inconnu. Lorsque la
fonction inconnue se trouve à l’intérieur de l’intégrale, on parle dans d’équation intégrale.
G est l’opérateur de modélisation directe. En général G est une intégrale ou un opérateur
différentiel,
La forme discrète de l’équation intégrale est :
𝑑' = 4 𝐺',) 𝑚)
)
On peut également utiliser l’écriture matricielle :
[𝑑] = [𝐺 ][𝑚] ou plus simplement 𝑑 = 𝐺𝑚
D’une façon générale, la modélisation en géophysique peut s’écrire sous la forme suivante :
• Dans le cas de la modélisation directe : 𝑑 = 𝐺𝑚
• Dans le cas de la modélisation inverse : 𝑚 = 𝐺 !* 𝑑
𝑮 peut être une matrice non carrée, donc non inversible, on calcule alors sa pseudo-inverse :
Inversion des données géophysiques Page 3 sur 7 Dr M. NDIAYE
𝑚 = 𝐺 !+ 𝑑
avec 𝐺 !+ = [𝐺 , 𝐺]!* 𝐺 ,
,
[𝐺 𝐺] peut avoir un déterminant nul, pour éviter l’impasse numérique, on le remplace par
[𝐺 , 𝐺 + 𝜀𝐼]
ε est l’erreur sur la mesure, et I est la matrice identité. I peut être pondérée pour devenir W
𝑚 = [𝐺 , 𝐺 + 𝜀𝐼]!* 𝐺 , 𝑑
En résumé, la modélisation en géophysique peut s’écrire :
• Dans le cas de la modélisation directe : 𝑑 = 𝐺𝑚
• Dans le cas de la modélisation inverse : 𝑚 = [𝐺 , 𝐺 + 𝜀𝐼]!* 𝐺 , 𝑑
En mathématiques, un problème est dit bien posé si les données fournies sont suffisantes pour
lui trouver une solution unique.
Une modélisation directe est un problème bien posé, déterminé et comporte une solution
unique.
Le problème inverse vise à retrouver le modèle m qui a produit les mesures d et le bruit ε
associé.
Le problème inverse est beaucoup plus complexe que le problème direct pour plusieurs
raisons :
• Quel que soit le nombre de mesures obtenues, leur nombre reste tout de même fini et
limité à N et sera toujours insuffisant pour représenter correctement les propriétés
physiques à tous les points de l’objet géologique.
• Chaque mesure géophysique dépend de la distribution volumique de la propriété
physique étudiée. Cependant l’information sur cette propriété est mélangée dans la
mesure de façon très complexe avec l’erreur sur la mesure
Il découle de tout cela que le problème inverse en géophysique est mal posé, sous déterminé.
Par conséquent, la solution d’un problème inverse n’est pas unique. Sa résolution consistera
alors à trouver un ensemble de solutions (modèles) qui « satisfont » aux données et choisir le
meilleur candidat. Le choix du meilleur candidat nécessite des informations supplémentaires
sur le problème.
Les données d constituent N contraintes pour ajuster un modèle m. Il existe plusieurs modèles
qu’on peut ajuster de façon acceptable sur les données. Pour pouvoir favoriser une modèle
particulier, il est nécessaire de définir une règle ou une norme afin de choisir le modèle qui
minimise cette norme.
Le problème inverse est résolu par minimisation d’une norme.
3. Méthodes d’inversion linéarisées
Les problèmes inverses ne sont pas toujours linéaires mais peuvent être linéarisées en utilisant
un développement limité (DL) d’ordre 1 de Taylor au voisinage d’une solution estimée.
Le DL d’ordre 1 de Taylor d’une fonction f(x) au voisinage de x0 s’écrit :
𝑓(𝑥) = 𝑓(𝑥- ) + 𝑓′(𝑥- )(𝑥 − 𝑥- )
La forme non linéaire de la modélisation directe est : 𝑑 = 𝑔(𝑚)
Par conséquent, au voisinage de 𝑚./& le DL d’ordre 0 de g(m) peut s’écrire :
Inversion des données géophysiques Page 4 sur 7 Dr M. NDIAYE
𝑔(𝑚) = 𝑔(𝑚./& ) + 𝑔′(𝑚./& )(𝑚 − 𝑚./& )
Etant donné que :
∆𝑑 = 𝑔(𝑚) − 𝑔(𝑚./& )
∆𝑚 = 𝑚 − 𝑚./&
𝐺0 = 𝑔1 (𝑚./& )
𝜕𝑔(𝑚)"
𝐺"' = ?
𝜕𝑚' 2
!"#
Nous pouvons écrire :
𝛥𝑑 = 𝐺0 𝛥𝑚
4. Résolution
Les modèles trouvés sont des fonctions, mais nous avons besoin de discrétiser le problème
pour pouvoir calculer une solution numérique. La raison principale étant que pour beaucoup de
problèmes géophysiques, le problème direct ne peut être résolu par des méthodes
analytique et doit être résolu par des méthodes numériques, d’où la nécessité de discrétiser
le problème.
Il existe plusieurs façons de discrétiser un problème. Une approche courante est de réaliser un
maillage qui divise l’objet géologique en cellules rectangulaires. Ces cellules sont des couches
horizontales dans les problèmes 1D, des bocs rectangulaires dans les problèmes 2D ou des
cubes dans les problèmes 3D.
Figure 4 : Discrétisation d’un problème géophysique en vue de l’inversion. On suppose que les propriétés
physiques sont constantes à l’intérieur de chaque cellule.
Lors de la discrétisation, on admet que les propriétés physiques sont identiques dans chaque
cellule. Le maillage doit être suffisamment fin pour ne pas affecter les résultats de
l’inversion. Pour s’en assurer il faut faire de sorte que le résultat de l’inversion reste inchangé
si on modifie le maillage d’un facteur 2. Si ces conditions sont respectées, les solutions du
problème discret sont sensiblement identiques à celles du problème continu.
Dans les conditions de discrétisation, le modèle direct peut s’écrire 𝐺𝑚 = 𝑑 où G est une
matrice de taille N x M dont les éléments sont :
3$
𝐺') = ' 𝑔" (𝑥)𝑑𝑥
3$%&
Les éléments 𝐺') sont les intégrales du jieme noyau avec la kieme cellule.
La jieme donnée est le produit scalaire de la jieme ligne avec le vecteur modèle, car chaque
donnée est une moyenne pondérée du modèle.
Inversion des données géophysiques Page 5 sur 7 Dr M. NDIAYE
Le système d’équation 𝛥𝑑 = 𝐺0 𝛥𝑚 est sous déterminé si N<M. Donc même si les vecteurs
sont linéairement indépendants, il existe M-N degrés de libertés ce qui fait que le système a un
très grand nombre de solutions.
Pour générer des solutions particulières, nous allons rechercher une solution qui minimise
• la norme L2 du vecteur d’écart entre les données mesurées 𝒅 et les données calculées
𝒈(𝒎). Nous allons noter ce vecteur 𝑞
• la norme L2 du vecteur modification à apporter au modèle. Nous allons noter ce
vecteur 𝑝
En définitive, pour pouvoir résoudre un problème inverse, il est nécessaire de pouvoir
résoudre le problème direct.
Norme L2 du vecteur q (écart entre données mesurées et calculées)
𝑞 = 𝑑 − 𝑔(𝑚) = 𝑑 − 𝑔(𝑚./& ) − 𝑔1 (𝑚./& )(𝑚 − 𝑚./& )
Etant donné que :
∆𝑑 = 𝑔(𝑚) − 𝑔(𝑚./& )
∆𝑚 = 𝑚 − 𝑚./&
𝐺0 = 𝑔1 (𝑚./& )
Nous pouvons alors écrire que :
𝑞 = ∆𝑑 − 𝐺0 ∆𝑚
La norme du vecteur d’écart entre les données mesurées et calculées peut être pondérée par 𝑊4
pour donner plus de poids aux données les plus précises. 𝑊4 est une matrice diagonale. Plus
l’élément 𝑎"" est grand plus la mesure correspondante est fiable.
‖𝑞‖ = 𝑞, 𝑊4 𝑞 = (∆𝑑 − 𝐺∆𝑚), 𝑊4 (∆𝑑 − 𝐺∆𝑚)
Norme L2 du vecteur p (modification à apporter au modèle)
𝑝 = 𝑚 − 𝑚./& = ∆𝑚
La norme du vecteur p peut être pondérée par 𝑊2 pour tenir compte du degré d’information à
priori dont nous disposons. Les éléments du modèle pourront varier avec plus ou moins de
liberté suivant la pondération.
‖𝑝‖ = 𝑝, 𝑊2 𝑝 = ∆𝑚, 𝑊2 ∆𝑚
Nous cherchons à minimiser ‖𝑞‖ sous la contrainte de ‖𝑝‖ minimum.
Cela revient à minimiser la fonction S appelée fonction-objectif ou fonction de cout par la
méthode des multiplicateurs de Lagrange.
𝑆 = ‖𝑞‖ + 𝜆‖𝑝‖
𝜆 est appelé multiplicateur de Lagrange.
Pour résoudre le problème inverse, nous allons minimiser la fonction-objectif S. L’équation
obtenue après minimisation est :
∆𝑚 = [𝐺 , 𝑊4 𝐺 + 𝜆𝑊2 ]!* 𝐺 , 𝑊4 ∆𝑑
Cette équation est communément appelée équation de Gauss-Newton.
Le concept d’ajustement sous-entend qu’il existe une erreur associée aux données. Nous
considérons que l’erreur à une distribution gaussienne, indépendante.
Inversion des données géophysiques Page 6 sur 7 Dr M. NDIAYE
Pour vérifier si le modèle obtenu explique bien les données mesurées, il est nécessaire de fixer
un critère de convergence qui permet d’arrêter le processus d’inversion.
Un des critères ci-dessous peut être utilisée : l’erreur quadratique moyenne (Root mean square
error RMS) ou son taux de variation entre deux itérations.
Cas 1 : on considère qu’il y a convergence lorsque 𝑒567 est de l’ordre de grandeur de l’erreur
de mesure.
L’erreur quadratique moyenne (Root Mean Square – RMS) est donnée par la relation :
H(𝑑 − 𝑔(𝑚./& )), (𝑑 − 𝑔(𝑚./& ))
𝑒567 =
𝑁
Cas 2 : on considère qu’il y a convergence lorsque le taux de variation 𝑒 0 de 𝑒567 entre deux
itérations n et n+1 est faible. Si 𝑒 0 est faible, cela signifie que le processus d’inversion a atteint
une solution numériquement stable. Cette solution peut néanmoins ne pas être acceptable.
0 08*
𝑒567 − 𝑒567
𝑒0 = 0
𝑒567
Inversion des données géophysiques Page 7 sur 7 Dr M. NDIAYE