地震贝叶斯证据学习：亚分辨率储层参数的估计与不确定性量化
地球物理
2019-05-15 v1 机器学习
摘要
我们提出了一种框架，能够直接从地震数据中估计低维亚分辨率储层参数，而无需求解高维地震反问题。我们的工作流程基于贝叶斯证据学习(Bayesian evidential learning)方法，并利用地震数据与储层参数之间直接关系的学习来高效估计储层参数。我们发展的理论框架允许在地震估计问题中引入非线性统计模型。不确定性量化通过近似贝叶斯计算(Approximate Bayesian Computation)实现。借助一个估计亚分辨率薄砂储层净毛比与平均流体饱和度的合成算例，我们凸显了无监督与有监督学习方法在地震估计问题中适用性的若干细微差别。最后，我们利用三维叠前地震数据，从一处海上三角洲数据集估计亚分辨率薄砂储层净毛比的后验不确定性，证明了本方法的有效性。
引用
@article{arxiv.1905.05508,
title = {Seismic Bayesian evidential learning: Estimation and uncertainty quantification of sub-resolution reservoir properties},
author = {Anshuman Pradhan and Tapan Mukerji},
journal= {arXiv preprint arXiv:1905.05508},
year = {2019}
}
备注
Submitted to Computational Geosciences