Inversion sismique par un algorithme hybride algorithme génétique / gradient conjugué (AG/GC) application pour l'estimation des corrections statiques résiduelles - simulation et application sur des données réelles de sud Algérien

Abstract

Cette thèse propose une nouvelle approche d'optimisation hybride combinant un Algorithme Génétique (AG) et la méthode du Gradient Conjugué (GC) pour la résolution du problème des corrections statiques résiduelles dans le traitement des données sismiques. L'objectif est d'améliorer la cohérence des événements réfléchis dans les stacks sismiques en compensant les décalages temporels induits par les hétérogénéités proches de la surface. Contrairement aux méthodes classiques, souvent limitées par la non-linéarité et la nature multimodale de la fonction objectif, la méthode proposée (HGAGC) exploite la capacité de recherche globale de l'AG et la performance de convergence locale du GC. Une particularité majeure de cette approche est qu'elle repose sur une matrice de corrélation croisée (crosscorrelation table) sans recours à une trace pilote pour le calcul de la corrélation, ce qui renforce sa robustesse face aux conditions sismiques complexes. Elle s'avère particulièrement efficace dans les contextes de forte topographie et en présence de bruit. Le comportement de l'algorithme HGAGC est évalué sur des données synthétiques et réelles, démontrant une convergence plus stable, une énergie de stack plus élevée et une meilleure correction des décalages que les méthodes d'optimisation classiques. Ce travail met en lumière l'intérêt des techniques métaheuristiques hybrides pour l'optimisation géophysique et propose un cadre robuste pour le traitement avancé des données sismiques