Curvelet-Regularized SPDE Inversion on Piecewise-Planar Fractures with Trace-Graph Coupling

Resumen Técnico: Inversión de EDP con Regularización de Curvelets en Fracturas Planas por Tramos con Acoplamiento de Grafo de Traza

Planteamiento del Problema
Los métodos geoestadísticos clásicos, como el kriging y los modelos de Campos Aleatorios Gaussianos (GRF), suelen asumir que la correlación es una función de la distancia euclidiana. Esta suposición falla en medios fracturados, donde el transporte y el flujo se propagan preferencialmente a lo largo de redes de fracturas conectadas en lugar de a través de la roca intacta. En consecuencia, puntos cercanos en el espacio euclidiano pueden estar débilmente acoplados, mientras que puntos distantes conectados por un corredor de fractura pueden estar fuertemente acoplados. Además, los campos controlados por fracturas suelen exhibir características anisotrópicas, curvilíneas y multiescala (p. ej., crestas, frentes, canales) que son pobremente representadas por prioris de suavidad isotrópica por sí solas. El artículo aborda el desafío de reconstruir un campo escalar latente (p. ej., log-transmisividad, grado geoquímico) en superficies de fractura dadas mediciones puntuales dispersas y polilíneas de trazas de fractura en 3D.

Metodología
El marco propuesto opera en dos etapas principales: inferencia geométrica y reconstrucción de disperso a denso.

1. Inferencia Geométrica (Trazas 3D a Mapas de Planos):

   • Ajuste de Planos: Las polilíneas de traza 3D se ajustan a planos utilizando PCA/SVD. Las trazas degeneradas (casi colineales) se marcan y excluyen o se asignan post-hoc.
   • Agrupamiento (Clustering): Las hipótesis de planos se agrupan utilizando una métrica combinada de desviación del vector normal y error de desfase (estilo DBSCAN) para identificar planos de fractura dominantes.
   • Coordenadas Locales: Para cada plano dominante, se establece una base ortonormal local $(u, v)$. Las muestras 3D se proyectan sobre estos mapas locales y se construye una rejilla 2D para discretizar el campo latente $z_p(u, v)$.

2. Modelos de Reconstrucción:

   • Línea Base (Gaussiano/EDP): Se formula un estimador MAP Gaussiano estándar utilizando una Matriz de Precisión Dispersa derivada de una Ecuación Diferencial Parcial Estocástica (EDP). El operador de precisión se define como $Q = (\kappa^2 I + L_{uv})^2$, donde $L_{uv}$ es el Laplaciano 2D discreto. Esto proporciona una línea base suave e isotrópica.
   • Regularización de Curvelets: Para capturar estructuras direccionales alineadas con las fracturas, el modelo añade una penalización $\ell_1$ sobre los coeficientes de la transformada de curvelets no decimada (UDCT). La función objetivo minimiza el desajuste de los datos, el prior cuadrático de la EDP y el término de dispersión de curvelets:
     $$\min_z \frac{1}{2}\|W^{1/2}(Hz - y)\|_2^2 + \frac{1}{2}z^\top Q z + \lambda \|Cz\|_1$$
     donde $C$ es la transformada de curvelets.
   • Acoplamiento de Grafo de Traza (Extensión Versión 2): Para imponer una distancia "a lo largo de la fractura", se construye un Laplaciano de grafo $L_G$ sobre la red de trazas. Se añade un término de acoplamiento $z^\top P^\top L_G P z$, donde $P$ mapea los valores de la rejilla a los nodos del grafo. Esto penaliza las diferencias entre vértices conectados a lo largo de la red de fracturas, independientemente de la distancia euclidiana.

3. Optimización:

   • El término de curvelets no suave se resuelve utilizando el Método de Alternancia de Dirección por Multiplicadores (ADMM).
   • El algoritmo divide el problema en una resolución lineal dispersa (para el bloque cuadrático de la EDP) y un paso de contracción por coeficiente (para el bloque de curvelets).
   • La convergencia está garantizada bajo supuestos de convexidad estándar, utilizando criterios de parada basados en las normas de los residuos primal y dual.

Contribuciones Clave

• Marco para Medios Fracturados: Un flujo de trabajo reproducible que infiere soportes de fractura planos por tramos a partir de trazas 3D y reconstruye campos de propiedades a partir de datos dispersos.
• Prior de Dispersión Direccional: La integración formal de las transformadas de curvelets en la geoestadística basada en EDP para apuntar específicamente a las singularidades curvilíneas y las características anisotrópicas inherentes a las fracturas.
• Regularización Impulsada por la Conectividad: La definición de una métrica de "distancia a lo largo de la fractura" mediante Laplacianos de grafo, permitiendo que el modelo imponga suavidad a lo largo de las redes de fractura en lugar de en el espacio euclidiano.
• Arquitectura Modular: El artículo distingue entre una "Versión 1" (inferencia por plano con prioris de Gauss y de curvelets) y una extensión "Versión 2" (acoplamiento de grafo explícito y restricciones de intersección), proporcionando una hoja de ruta clara para aumentar la complejidad física.
• Benchmarks Reproducibles: Los autores proporcionan benchmarks sintéticos (S1: anisotropía curvilínea; S2: conectividad impulsada por grafos) y un conjunto completo de estudios de ablación para aislar las contribuciones de la suavidad euclidiana, la dispersión direccional y los prioris de conectividad.

Resultados
Experimentos numéricos en datos sintéticos demuestran:

• Dispersión Direccional (S1): El modelo regularizado con curvelets supera significativamente al kriging ordinario y a la línea base pura de EDP en la reconstrucción de anomalías tipo cresta alineadas con las trazas de fractura, logrando un RMSE más bajo y un $R^2$ más alto en muestras de validación.
• Conectividad (S2): En escenarios donde la verdad de terreno está impulsada por la conectividad del grafo en lugar de la distancia euclidiana, la adición del prior de grafo (Versión 2) mejora la precisión de la reconstrucción. El modelo completo (EDP + Curvelets + Grafo) ofrece el mejor desempeño, capturando eficazmente la estructura de correlación no euclidiana.
• Eficiencia: El solver ADMM converge eficientemente, aprovechando el álgebra lineal dispersa para el bloque cuadrático y las transformadas rápidas ($O(M \log M)$) para el bloque de curvelets.

Significancia y Alcance
El artículo se posiciona como un marco de métodos más que como un resolvedor físico completo. Su significancia principal radica en proporcionar una capa de interpolación/inversión estadísticamente controlada que puede acoplarse a modelos de flujo o transporte descendentes.

• Afirmaciones Modestas: Los autores declaran explícamente que no pretenden una "completitud física". El marco está diseñado para reconstruir campos condicionados a la geometría de las fracturas, no para resolver directamente las EDP que gobiernan el flujo de fluidos.
• Base para Trabajos Futuros: La extensión de la "Versión 2" y la hoja de ruta (Sección 14) delinean la futura integración con la física no lineal y las inversiones restringidas por EDP.
• Validación: El artículo enfatiza un protocolo de validación riguroso, incluyendo estudios de sensibilidad sobre hiperparámetros ($\kappa, \lambda, \rho$), resolución de la rejilla y densidad de muestreo, estableciendo una base para la geoestadística consciente de las redes.