基于从训练图像拟合的马尔可夫网格先验用于岩性/流体类别预测的贝叶斯模型
应用统计
2018-07-06 v1
摘要
我们考虑一种将观测的振幅随偏移距变化(AVO)数据反演为岩性/流体类别的贝叶斯模型，并特别研究岩性/流体类别的先验分布选择如何影响反演结果。考虑了两种不同的先验分布：一种简单手动指定的具有一阶邻域的马尔可夫随机场先验，以及一种从训练图像估计的具有大得多的邻域的马尔可夫网格模型。它们被选取用来对岩性/流体类别的水平连通性和垂直厚度分布建模，并在北海一处近海碎屑岩油藏上进行比较。我们将两种先验与基于卷积线性化Zoeppritz关系的同一线性化高斯似然函数结合，并通过Metropolis-Hastings算法从这些分布中模拟来估计所得两个后验分布的性质。先验对岩性/流体类别的边缘后验概率的影响清晰可见但较温和。然而，先验对后验实现中连通性性质的重要性则强得多。马尔可夫网格先验的更大邻域使其比一阶邻域马尔可夫随机场先验能更好地识别和建模连通性与曲率。因此，我们得出结论：基于马尔可夫网格先验的后验实现呈现出高得多的横向连通性，这在地质上是合理的。
引用
@article{arxiv.1807.01902,
title = {A Bayesian model for lithology/fluid class prediction using a Markov mesh prior fitted from a training image},
author = {Håkon Tjelmeland and Xin Luo and Torstein Fjeldstad},
journal= {arXiv preprint arXiv:1807.01902},
year = {2018}
}