使用集合卡尔曼滤波监测 CO2 羽流动力学
地球物理
2024-10-22 v1
摘要
监测注入并储存在地下储层中的二氧化碳（CO2）对于避免失败场景至关重要，并能实现 CO2 注入速率的实时优化。序贯贝叶斯数据同化（DA）是一种统计方法，用于随时间结合来自多个来源的信息以估计隐藏状态，例如地下 CO2 羽流的扩散。集合卡尔曼滤波（EnKF）是可扩展且高效的序贯贝叶斯 DA 的一个例子。我们将这种可扩展的 DA 算法应用于具有两相流动力学和时移全波形地震数据的高维 CO2 储层，并采用真实的地面地震勘探设计，从而改进了地震-CO2 监测领域现有的 DA 文献。我们表明，与仅使用地震数据或流体物理学相比，使用 EnKF 可以更准确地估计 CO2 饱和度场。此外，我们测试了 EnKF 超参数的一系列值，并为其在地震 CO2 储层监测中的选择提供了指导。
引用
@article{arxiv.2409.05193,
title = {Seismic monitoring of CO2 plume dynamics using ensemble Kalman filtering},
author = {Grant Bruer and Abhinav Prakash Gahlot and Edmond Chow and Felix Herrmann},
journal= {arXiv preprint arXiv:2409.05193},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication