用于储层监测的变分自编码器
机器学习
2020-10-05 v2 地球物理
机器学习
摘要
二氧化碳捕集与封存(CCS)是减缓人为CO排放的重要策略。为使CCS成功,必须封存大量CO并监测封存场地的合规性。在此,我们提出一种深度学习方法,基于来自上覆层监测间隔(AZMI)井的压力数据重建压力场并对封存层逸出通量进行分类。该深度学习方法是一种半条件变分自编码器的变体,专为解决两项任务而设计:增量压力场重建与泄漏速率分类。该方法、预测及相关的不确定性估计在来自高保真异质二维数值储层模型的合成数据上进行了展示,该模型用于模拟地下CO运移及因CO泄漏引起的AZMI中压力变化。
引用
@article{arxiv.2009.11693,
title = {A Variational Auto-Encoder for Reservoir Monitoring},
author = {Kristian Gundersen and Seyyed A. Hosseini and Anna Oleynik and Guttorm Alendal},
journal= {arXiv preprint arXiv:2009.11693},
year = {2020}
}