Description complète

Le monitoring de la sismicité induite est la seule méthode permettant de suivre l’évolution de la fracturation au sein d’un réservoir. Bien que les sites soient de plus en plus instrumentés, la relation entre la fracturation et la sismicité n’est pas bien comprise. Afin de progresser dans la compréhension des phénomènes mis en jeu, il est primordial de localiser précisément les événements sismiques et de quantifier les incertitudes pour bien contraindre la géométrie des fractures. De même, les mécanismes au foyer estimés doivent être fiables pour contraindre le mode de rupture de la fracture. D’un point de vue théorique, la procédure de traitement de données microsismiques et la localisation des évènements sont bien établies depuis de nombreuses années. La réalité est tout autre, la précision ou l’incertitude de la position d’un évènement sismique dépend de plusieurs facteurs : la géométrie du réseau d’acquisition, de l’incertitude sur les temps pointés, et de l’incertitude sur le modèle de vitesse (e.g. Stabile et. al., 2013). De manière usuelle, les évènements sont localisés en tenant compte de la géométrie du réseau d’acquisition et de l’incertitude sur le pointé, mais l’incertitude de localisation due à l’incertitude sur le modèle de vitesse est en général négligée. Il est primordial de proposer de nouvelles approches qui permettent de mieux contraindre le modèle de vitesse et surtout de quantifier les incertitudes sur ce modèle, incertitudes qui peuvent alors être propagées aux incertitudes de localisation des séismes (Gesret et. al., 2015). L’objectif de cette thèse sera d’adapter un algorithme existant de tomographie stochastique (qui permet d’estimer les incertitudes du modèle de vitesse) au cas de la microsismicité où les positions des sources sismiques ne sont pas connues. Cela permettra d’améliorer le modèle de vitesse, et de quantifier les incertitudes associées à ce modèle de vitesse ainsi que les incertitudes de localisation.

Dans un premier temps, un état de l’art des différentes méthodes de localisation existantes sera rédigé avant de comparer deux approches : la localisation absolue et la localisation relative. Des tests synthétiques seront menés pour deux types de réseaux : stations déployées en profondeur et stations déployées en surface. Ces exemples devront permettre de valider la robustesse des localisations absolues et relatives quand le modèle de vitesse est incertain.

L’approche de tomographie stochastique, qui consiste à quantifier l’information apportée par les données sur la connaissance a priori du modèle de vitesse, nécessite une réflexion sur la paramétrisation du modèle de vitesse ; en effet le nombre de paramètres doit être raisonnable afin de limiter le temps de calcul. Nous proposons ici d’utiliser comme information a priori les résultats issus des autres méthodes de prospection géophysique. Cette intégration de l’information a priori issue des autres méthodes devrait permettre de proposer une paramétrisation physique du modèle de vitesse et d’obtenir un modèle de vitesse plus précis que par tomographie classique. L’algorithme de tomographie stochastique sera adapté aux données de sismique passive avec une inversion simultanée de la position des séismes et du modèle de vitesse. L’approche sera d’abord testée sur les données de sismicité de l’expérimentateur de Vauvert, si elles sont disponibles. Dans un second temps, la tomographie stochastique des microséismes sera appliquée à la sismicité locale enregistrée dans la région de Vieux Habitants et enfin à la sismicité générée par l’injection. Si le nombre de séismes est suffisamment dense en temps et en espace, une inversion 4D sera réalisée (tomographie réalisée à plusieurs pas de temps). Une fois les incertitudes de localisation estimées de manière fiable, la méthodologie pour propager les incertitudes du modèle de vitesse à la détermination des mécanismes au foyer pourra être développée.

Ces méthodologies devraient permettre de participer au dimensionnement du réseau de stations en sub-surface afin de disposer les capteurs de manière à diminuer les incertitudes. En effet, un algorithme de planification de réseau pourrait être développé afin de déterminer la configuration optimale des capteurs pour atteindre les objectifs fixés en termes de sensibilité de détection, de précision de localisation des événements microsismiques et de détermination des mécanismes au foyer. Cet outil de planification se baserait sur des algorithmes de modélisation 3D très peu coûteux en temps de calcul (Noble et. al., 2014) qui permettent de tester et d’évaluer de nombreuses configurations de réseau.