基于循环自编码器的时间序列参数化数据空间反演

数据空间反演（DSI）及相关方法构成了一类适用于地下流动场景中数据同化的方法族。这些方法不同于基于模型的技术，它们仅提供感兴趣量（时间序列）的后验预测，而非带有标定参数的后验模型。DSI 方法需要先在对先验地质实现上执行大量流动模拟。在给定观测数据后，便可直接生成后验预测。DSI 在贝叶斯框架下运行，并提供数据向量的后验样本。在本工作中，我们开发并评估了一种用于 DSI 中数据参数化的新方法。参数化减少了反演中待确定变量的数量，并保持了数据变量的物理特征。该新参数化使用循环自编码器（RAE）进行降维，并使用长短期记忆（LSTM）网络来表示流速时间序列。基于 RAE 的参数化与带多重数据同化的集合平滑器（ESMDA）相结合以生成后验。结果展示于二维河道系统及三维多高斯模型中的两相与三相流动。通过将 RAE 方法与现有 DSI 处理手段进行对比参考拒绝采样（RS）结果进行评估。新的 DSI 方法在统计上与 RS 结果的一致性方面持续优于现有方法。该方法还被证明能准确捕捉由 DSI 中直接考虑变量所导出的量。这要求变量间的相关与协方差被恰当捕捉，且这些关系中的准确性得到了展示。此处开发的基于 RAE 的参数化在 DSI 中显然有用，并可能在其他地下流动问题中找到应用。