储层模型中数据同化高斯近似的评估
应用统计
2012-12-11 v1
摘要
本文旨在数值评估标准高斯近似在探测石油储层贝叶斯数据同化后验分布方面的性能。我们特别评估了：(i) 最大后验估计周围的线性化，(ii) 随机最大似然，以及 (iii) 标准集合卡尔曼滤波类方法的性能。为了完全解析后验分布，我们实现了一种随参数空间维度良好扩展的最先进的MCMC方法。我们的MCMC实现提供了评估上述高斯近似的黄金标准。我们展示了数值合成实验，量化了每种{\em ad hoc}高斯近似在再现与数据同化问题相关的后验分布（通过MCMC表征）的均值和方差方面的能力。我们受控实验的主要目的是展示标准{\em ad hoc}高斯近似近似性质的显著差异。我们在此类数值研究将有助于更深入地理解储层中数据同化中成本高效但{\em ad hoc}的贝叶斯技术，从而最终实现更精确的不确定性量化的改进方法。
引用
@article{arxiv.1212.1779,
title = {Evaluation of Gaussian approximations for data assimilation in reservoir models},
author = {Marco A. Iglesias and Kody J. H. Law and Andrew M. Stuart},
journal= {arXiv preprint arXiv:1212.1779},
year = {2012}
}