透视 CO2 羽流：Sleipner 4D 地震数据集的联合反演-分割
摘要
4D 地震反演是定量监测地下流体流动动力学的主导方法，其应用范围从提高石油采收率到地下 CO2 封存。然而，由于地震数据的带限与噪声特性，反演地震数据以获取储层属性的过程是一个众所周知的病态逆问题。鉴于时间推移采集勘测可重复性的不准确性，这给 4D 应用带来了额外挑战。因此，以恰当构造的正则化项形式向反演过程添加先验信息，对于获得具有地质意义的地下模型至关重要。受凸优化领域近期进展的启发，我们提出了一种用于 4D 地震反演的联合反演-分割算法，其将全变分与分割先验相集成，以抵消 4D 地震数据中存在的缺失频率与噪声。所提出的反演框架应用于开放 Sleipner 4D 地震数据集中的一对勘测。我们的方法相较最先进的最小二乘反演方法具有三个主要优势：1. 它产生高分辨率的基准与监测声学模型；2. 通过利用多个数据间的相似性，它减轻了不可重复噪声并更好地突出真实的时间推移变化；3. 它基于用户定义的类别提供声学阻抗 4D 差异模型（时间推移变化）的体积分类。此类优势可使地层学与定量 4D 地震解释更为稳健，并为动态储层模拟提供更准确的输入。除新颖的反演方法外，我们在本工作中还引入了针对 4D Sleipner 叠后地震数据集的精简数据预处理流程，包括时移估计与井-震标定。
引用
@article{arxiv.2303.11662,
title = {Seeing through the CO2 plume: joint inversion-segmentation of the Sleipner 4D Seismic Dataset},
author = {Juan Romero and Nick Luiken and Matteo Ravasi},
journal= {arXiv preprint arXiv:2303.11662},
year = {2023}
}
备注
This paper proposes a novel algorithm to jointly regularize a 4D seismic inversion problem and segment the 4D difference volume into percentages of acoustic impedance changes. We validate our algorithm with the 4D Sleipner seismic dataset. Furthermore, this paper comprehensively explains the data preparation workflow for 4D seismic inversion