结合无监督学习的4D地震历史匹配
图像与视频处理
2019-05-21 v1 机器学习
最优化与控制
统计计算
摘要
本文讨论和展示的工作聚焦于通过将4D地震数据利用机器学习技术集成到反演过程中来进行油藏历史匹配。提出了一种在合成油藏中用改进的带多重数据同化的集合平滑器（ES-MDA）重建岩石物理属性的新集成方案。油藏内的渗透率场用无监督学习方法即带奇异值分解的K均值（K-SVD）进行参数化。这与正交匹配追踪（OMP）技术相结合，该技术是典型的促进稀疏性的正则化方案。此外，地震属性特别是声阻抗用离散余弦变换（DCT）进行参数化。这种来自机器学习、稀疏正则化、地震成像和历史匹配的技术新组合旨在利用ES-MDA高效解决历史生产数据反演的病态性。在提供的数值实验中，我证明了这些岩石物理属性和地震属性的稀疏表示相较于不使用可比参数化技术的更传统方法，能够获得更好的生产数据对真实生产数据的匹配，并更好地量化推进的水前缘。
引用
@article{arxiv.1905.07469,
title = {4D Seismic History Matching Incorporating Unsupervised Learning},
author = {Clement Etienam},
journal= {arXiv preprint arXiv:1905.07469},
year = {2019}
}