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

Sintesi Tecnica: Inversione di SPDE Regolarizzata con Curvelet su Fratture Piene-Planari con Accoppiamento Trace-Graph

Definizione del Problema
I metodi geostatistici classici, come il kriging e i modelli di Campo Casuale Gaussiano (GRF), assumono tipicamente che la correlazione sia una funzione della distanza euclidea. Tale assunzione fallisce nei mezzi fratturati, dove il trasporto e il flusso si propagano preferenzialmente lungo reti di fratture connesse piuttosto che attraverso la roccia intatta. Di conseguenza, punti vicini nello spazio euclideo possono essere debolmente accoppiati, mentre punti distanti connessi da un corridoio di frattura possono essere fortemente accoppiati. Inoltre, i campi controllati dalle fratture spesso esibiscono caratteristiche anisotrope, curvilinee e multiscala (ad esempio, creste, fronti, canali) che sono scarsamente rappresentate da prior di regolarità isotropa. Il documento affronta la sfida di ricostruire un campo scalare latente (ad esempio, log-trasmissività, grado geochimico) sulle superfici di frattura partendo da misurazioni puntuali sparse e polilinee di traccia di frattura 3D.

Metodologia
Il framework proposto opera in due fasi principali: inferenza geometrica e ricostruzione da sparse a dense.

1. Inferenza Geometrica (Tracce 3D a Chart Planari):

   • Fitting dei Piani: Le polilinee di traccia 3D vengono adattate a piani tramite PCA/SVD. Le tracce degenerate (quasi collineari) vengono segnalate ed escluse o assegnate post-hoc.
   • Clustering: Le ipotesi di piano vengono raggruppate utilizzando una metrica combinata di deviazione del vettore normale e misfit dell'offset (stile DBSCAN) per identificare i piani di frattura dominanti.
   • Coordinate Locali: Per ogni piano dominante, viene stabilito un sistema di basi ortonormali locali $(u, v)$. I campioni 3D vengono proiettati su questi chart locali e viene costruito un reticolo 2D per discretizzare il campo latente $z_p(u, v)$.

2. Modelli di Ricostruzione:

   • Baseline (Gaussiana/SPDE): Viene formulato un tipico stimatore MAP Gaussiano utilizzando una Matrice di Precisione Sparsa derivata da un'Equazione Differenziale Parziale Stocastica (SPDE). L'operatore di precisione è definito come $Q = (\kappa^2 I + L_{uv})^2$, dove $L_{uv}$ è il Laplaciano 2D discreto. Questo fornisce una baseline liscia e isotropa.
   • Regolarizzazione con Curvelet: Per catturare strutture direzionali allineate alle fratture, il modello aggiunge una penalità $\ell_1$ sui coefficienti di curvelet discrete non decimate (UDCT). La funzione obiettivo minimizza il misfit dei dati, il prior quadratico SPDE e il termine di sparsità delle curvelet:
     $$\min_z \frac{1}{2}\|W^{1/2}(Hz - y)\|_2^2 + \frac{1}{2}z^\top Q z + \lambda \|Cz\|_1$$
     dove $C$ è la trasformata curvelet.
   • Accoppiamento Trace-Graph (Estensione Versione 2): Per imporre la distanza "lungo la frattura", viene costruito un Laplaciano di grafo $L_G$ sulla rete di tracce. Viene aggiunto un termine di accoppiamento $z^\top P^\top L_G P z$, dove $P$ mappa i valori del reticolo ai nodi del grafo. Questo penalizza le differenze tra vertici connessi lungo la rete di frattura, indipendentemente dalla distanza euclidea.

3. Ottimizzazione:

   • Il termine non liscio delle curvelet viene risolto utilizzando il Metodo Alternato di Moltiplicatori per Direzioni (ADMM).
   • L'algoritmo scinde il problema in una risoluzione lineare sparsa (blocco SPDE quadratico) e un passo di shrinkage per coefficiente (blocco curvelet).
   • La convergenza è garantita sotto standard assunzioni di convessità, con criteri di arresto basati sulle norme dei residui primale e duale.

Contributi Chiave

• Framework per Mezzi Fratturati: Una pipeline riproducibile che inferisce i supporti di frattura piecewise-planari da tracie 3D e ricostruisce i campi di proprietà da dati sparsi.
• Prior di Sparsità Direzionale: L'integrazione formale delle trasformate curvelet nelle geostatistica basate su SPDE per mirare specificamente alle singolarità curvilinee e alle caratteristiche anisotrope inerenti alle fratture.
• Regolarizzazione Guidata dalla Connettività: La definizione di una metrica di distanza "lungo la frattura" tramite Laplaciani di grafo, che consente al modello di imporre regolarità lungo le reti di frattura piuttosto che nello spazio euclideo.
• Architettura Modulare: Il documento distingue tra una "Versione 1" (inferenza per piano con prior gaussiani e delle curvelet) e un'estensione "Versione 2" (accoppiamento esplicito di grafo e vincoli di intersezione), fornendo una chiara tabella di marcia per aumentare la complessità fisica.
• Benchmark Riproducibili: Gli autori forniscono benchmark sintetici (S1: anisotropia curvilinea; S2: connettività guidata dal grafo) e una suite completa di studi di ablazione per isolare i contributi della regolarità euclidea, della sparsità direzionale e dei prior di connettività.

Risultati
Esperimenti numerici su dati sintetici dimostrano che:

• Sparsità Direzionale (S1): Il modello regolarizzato con curvelet supera significativamente il kriging ordinario e la baseline pura SPDE nella ricostruzione di anomalie simili a creste allineate alle tracce di frattura, ottenendo un RMSE inferiore e un $R^2$ più elevato sui campioni tenuti fuori (held-out).
• Connettività (S2): In scenari in cui la verità fondamentale è guidata dalla connettività del grafo piuttosto che dalla distanza euclidea, l'aggiunta del prior di grafo (Versione 2) migliora l'accuratezza della ricostruzione. Il modello completo (SPDE + Curvelet + Grafo) produce le prestazioni migliori, catturando efficacemente la struttura di correlazione non euclidea.
• Efficienza: Il solutore ADMM converge efficientemente, sfruttando l'algebra lineare sparsa per il blocco quadratico e trasformate veloci ($O(M \log M)$) per il blocco curvelet.

Significato e Ambito
Il documento posiziona se stesso come un framework metodologico piuttosto che come un risolutore fisico completo. Il suo significato primario risiede nel fornire uno strato di interpolazione/inversione statisticamente controllato che può essere accoppiato a modelli di flusso o trasporto a valle.

• Affermazioni Modeste: Gli autori dichiarano esplicitamente di non rivendicare una "completezza fisica". Il framework è progettato per ricostruire campi condizionati dalla geometria delle fratture, non per risolvere direttamente le PDE governanti del flusso di fluidi.
• Fondazione per Lavori Futuri: L'estensione "Versione 2" e la tabella di marcia (Sezione 14) delineano la futura integrazione con la fisica non lineare e le inversioni vincolate dalle PDE.
• Validazione: Il documento enfatizza un protocollo di validazione rigoroso, includendo studi di sensibilità su iperparametri ($\kappa, \lambda, \rho$), risoluzione del reticolo e densità di campionamento, stabilendo una base per la geostatistica consapevole delle reti (network-aware).