BEACON: 基于条件归一化流的贝叶斯实验设计加速——CO₂封存中监测井最优布设案例研究
机器学习
2024-04-02 v1 数学物理
math.MP
摘要
CO₂封存是缓解气候变化的关键工程解决方案。然而，储层性质的不确定性要求对CO₂羽流进行严格监测，以防止泄漏、诱发地震或超出许可边界等风险。为此，项目管理者使用钻孔井在特定位置直接监测CO₂和压力。鉴于钻井成本高昂，在预算限制内战略性地布设有限数量的井以确保最大有效的监测至关重要。我们的井位选择方法将用于预测羽流轨迹的流体流动求解器与用于羽流推断不确定性的生成神经网络相结合。该方法可扩展到三维领域，并在贝叶斯最优实验设计框架内开发，确保可扩展性和数学最优性。我们通过一个实际案例研究验证了这些说法，展示了该方法在大规模领域的应用以及与基线井位布设相比的最优性能。
引用
@article{arxiv.2404.00075,
title = {BEACON: Bayesian Experimental design Acceleration with Conditional Normalizing flows $-$ a case study in optimal monitor well placement for CO$_2$ sequestration},
author = {Rafael Orozco and Abhinav Gahlot and Felix J. Herrmann},
journal= {arXiv preprint arXiv:2404.00075},
year = {2024}
}