利用数据空间反演预测 CO${_2}$ 封存中断层滑动趋势
机器学习
2026-01-12 v1
摘要
准确评估断层滑动的可能性在许多地下作业中至关重要。传统的基于模型的历史拟合方法需要生成经观测数据校准的后验地质模型，但在涉及断层的流-固耦合问题中应用可能具有挑战性。在这项工作中，我们实现了一个基于变分自编码器 (VAE) 的数据空间反演 (DSI) 框架，用于预测 CO 封存项目中的压力、应力和应变场以及断层滑动趋势。DSI 工作流所需的主要计算包括模拟 O(1000) 个先验地质模型。然后直接从先验模拟结果和观测数据中推断出感兴趣量的后验分布，而无需生成后验地质模型。这里使用的模型涉及一个包含两个断层的合成三维系统。使用地质统计软件生成非均质渗透率和孔隙度场的实现，并从先验分布中为每个实现采样不确定的地质力学和断层参数。使用 GEOS 对这些地质模型进行耦合流-固力学模拟。利用先验模拟结果训练一个具有堆叠卷积长短期记忆层的 VAE，以潜在变量表示压力、应变、有效正应力和剪应力场。VAE 参数化与 DSI 一起用于后验预测，监测井提供观测到的压力和应变数据。合成真实模型的后验结果表明，DSI-VAE 框架能够准确预测压力、应变和应力场以及断层滑动趋势。该框架还被证明可以减少关键地质力学和断层参数的不确定性。
引用
@article{arxiv.2601.05431,
title = {Prediction of Fault Slip Tendency in CO${_2}$ Storage using Data-space Inversion},
author = {Xiaowen He and Su Jiang and Louis J. Durlofsky},
journal= {arXiv preprint arXiv:2601.05431},
year = {2026}
}