透视CO2羽流: Sleipner 4D地震数据的联合反演-分割
摘要：四维地震反演是量化监测地下流体流动动态的主要方法，应用范围从增强油田开采到地下CO2储存。然而，由于地震数据具有带限和噪声的特点，地下储层属性的反演过程被认为是一个存在困难的逆问题。在四维应用中，由于时间序列采集数据的重复性不准确性，这还带来了额外的挑战。因此，在反演过程中加入先前的信息，以形成适当设计的正则化项，对于获得地质意义的地下模型至关重要。受凸优化领域最新进展的启发，我们提出了一种联合反演分割算法用于四维地震反演，该算法将总变差和分割先验结合起来，以对抗四维地震数据中缺失的频率和噪声。该反演框架应用于Sleipner 4D地震数据集中的一对数据。与最先进的最小二乘反演方法相比，我们的方法具有三个主要优势：1.它能产生高分辨率的基线和监测声学模型，2.通过利用多个数据之间的相似性，减轻了不可重复噪声并更好地突出了实际时间序列变化，3.它根据用户定义的类给出了声学阻抗四维差分模型（时间序列变化）的体积分类。这些优势可以实现更稳健的地层学和量化的四维地震解释，并为动态储层模拟提供更准确的输入。除了我们的新型反演方法外，本研究还介绍了Sleipner 4D贴片地震数据的简化数据预处理序列，其中包括时间偏移估计和井与地震的对接。
作者：Juan Romero and Nick Luiken and Matteo Ravasi
论文ID：2303.11662
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2023-03-22