面向地下能源储存监测的灵敏度感知的岩石物理增强型数字�影
地球物理
2025-04-22 v1 计算物理
摘要
地下能源储存（包括氢气、压缩空气和二氧化碳的储存）需要仔细的监测以跟踪潜在的渗漏通道，而时间序列地震成像可能在此方面不够充分。最近发展的数字�影 (DS) 利用机器学习和贝叶斯推断来增强预测，但其准确性取决于所假设的岩石物理模型，模型之间的不匹配可能导致对储层状态（饱和度/压力）的不可靠预测。通过多种岩石物理模型增强 DS 训练可缓解误差，但会对不确定性来源进行平均，从而隐藏其来源。为解决这一挑战，我们引入受 amortize 贝叶斯推断启发的情境感知灵敏度分析，使 DS 能够学习地震数据、储层状态（例如 CO2 饱和度）和岩石物理模型之间的显式依赖关系。在推断时，这种方法允许进行实时的“假设”情景测试，而无需进行代价高昂的重新训练，从而增强可解释性和决策能力，以实现更安全、更可靠的地下储存。
引用
@article{arxiv.2504.14405,
title = {Sensitivity-aware rock physics enhanced digital shadow for underground-energy storage monitoring},
author = {Abhinav Prakash Gahlot and Huseyin Tuna Erdinc and Felix J. Herrmann},
journal= {arXiv preprint arXiv:2504.14405},
year = {2025}
}