×

地震贝叶斯证据学习:亚分辨率储层属性的估计和不确定性量化。 (英语) Zbl 1439.86021号

小结:我们提出了一个框架,可以直接从地震数据中估算低维亚分辨率储层属性,而无需求解高维地震反演问题。我们的工作流程基于贝叶斯证据学习方法,利用学习地震数据和储层属性之间的直接关系来有效估计储层属性。我们开发的理论框架允许将非线性统计模型用于地震估计问题。不确定性量化采用近似贝叶斯计算。借助于一个估算亚分辨率薄砂岩储层中储层净总饱和度和平均流体饱和度的综合示例,预测了无监督和有监督学习方法在地震估算问题中的适用性方面的一些细微差别。最后,我们通过使用三维叠前地震数据从海上三角洲数据集估计亚分辨率薄砂岩储层中储层净值与总储量的后验不确定性,证明了我们方法的有效性。

MSC公司:

86甲15 地震学(包括海啸建模)、地震
2015年1月62日 贝叶斯推断
68T05型 人工智能中的学习和自适应系统
86A32型 地理统计学
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] 阿莱尔迪,M。;Ciabari,F.,《岩石物理建模不同方法的评估:尼罗河三角洲近海案例研究》,《地球物理学》,82,1,MR15-MR25(2017)·doi:10.1190/geo2016-0194.1
[2] Aleardi,M。;Ciabari,F。;Calabró,R.,应用于尼罗河三角洲的两阶段和单阶段地震-岩石物理反演,Lead。Edge,37、7、510-518(2018)·doi:10.1190/tle37070510.1
[3] Aleardi,M.,《应用概率地震-岩石物理反演和两种不同的岩石物理模型描述尼罗河三角洲近海储层》,J.Appl。地球化学。,148, 272-286 (2018) ·doi:10.1016/j.japgeo.2017.12.006
[4] Aki,K。;Richards,PG,定量地震学(1980),华盛顿特区:W.H.Freeman&Co,华盛顿特区。
[5] 阿夫塞斯,P。;Mukerji,T。;Mavko,G.,定量地震解释(2005),剑桥:剑桥大学出版社,剑桥
[6] 马萨诸塞州博蒙特;张伟。;Balding,DJ,人口遗传学中的近似贝叶斯计算,遗传学,1622025-2035(2002)
[7] 马萨诸塞州博蒙特,《进化与生态学中的近似贝叶斯计算》,年。经济评论。进化。系统。,41, 379-406 (2010) ·doi:10.1146/annurev-ecolsys-102209-144621
[8] 本吉奥,Y。;科尔维尔,A。;Vincent,P.,《表征学习:回顾与新视角》,IEEE Trans。模式分析。机器。智力。,35, 1798-1828 (2013) ·doi:10.1109/TPAMI.2013.50
[9] Blum,MGB,《近似贝叶斯计算:非参数视角》,美国统计协会,105,1178-1187(2010)·Zbl 1390.62052号 ·doi:10.198/jasa.2010.tm09448
[10] 布鲁姆,MGB;萨波尔塔,G。;Lechevallier,Y.,《在近似贝叶斯计算中选择摘要统计数据和接受率》,COMPSTAT 2010:计算统计学报,47-56(2010),纽约:Springer,纽约·Zbl 1436.62091号
[11] 布鲁姆,MGB;Nunes,马萨诸塞州;Prangle,D。;Sisson,SA,《近似贝叶斯计算中降维方法的比较评述》,《统计科学》。,28, 2, 189-208 (2013) ·Zbl 1331.62123号 ·doi:10.1214/12-STS406
[12] Borg,I.,Groenen,P.:现代多维尺度:理论与应用。施普林格(1997)·Zbl 0862.62052号
[13] 博世,M。;穆克吉,T。;Gonzalez,EF,《结合统计岩石物理和地质统计学的储层属性地震反演:综述》,《地球物理》,75,5,A165-A176(2010)·数字对象标识代码:10.1190/1.3478209
[14] 坎宁安,P.:In:Cord,M.,Cunningham,P.(编辑)降维:多媒体机器学习技术:组织和检索案例研究。施普林格(2008)
[15] Daubechies,I.:小波十讲,CBMS-NSF应用数学系列会议,SIAM Ed(1992)·Zbl 0776.42018号
[16] Dejtrakulwong,P.:亚分辨率砂岩系统的岩石物理和地震特征:加州斯坦福大学博士论文(2012)
[17] Dejtrakulwong,P.,Mukerji,T.,Mavko,G.:使用核主成分分析解释薄泥质砂岩储层的地震特征。SEG实验摘要。(2012). 10.1190/segam2012-1013.1
[18] Deutsch,C。;Journel,AG,GSLIB:地质统计学软件库和用户指南(1992),伦敦:牛津大学出版社,伦敦
[19] 多诺霍,DL;Johnstone,IM,通过小波收缩实现理想的空间自适应,Biometrika,81,425-455(1994)·Zbl 0815.62019号 ·doi:10.1093/biomet/81.3.425
[20] 多诺霍,D。;约翰斯通,I。;克尔基亚查里亚,G。;Picard,D.,小波收缩:无症状?(经过讨论),J.Roy。统计师。Soc.序列号。B、 57、301-337(1995)·Zbl 0827.62035号
[21] 艾兹维克,J。;Mukerji,T。;Switzer,P.,《从测井曲线估算地质属性:隐藏马尔可夫链的应用》,数学。地质。,36, 3, 379-397 (2004) ·Zbl 1122.86316号 ·doi:10.1023/B:MATG.0000028443.75501.d9
[22] 费恩黑德,P。;Prangle,D.,《为近似贝叶斯计算构建摘要统计:半自动近似贝叶斯计算》,J.R.Stat.Soc.Ser。B统计方法。,74, 3, 419-474 (2012) ·Zbl 1411.62057号 ·文件编号:10.1111/j.1467-9868.2011.010.10.x
[23] 古德费罗,I。;本吉奥,Y。;Courville,A.,《深度学习》(2016),剑桥:麻省理工学院出版社,剑桥·Zbl 1373.68009号
[24] Goovaerts,P.,《自然资源评估的地质统计学》(1997),伦敦:牛津大学出版社,伦敦
[25] 格拉纳,D。;Mukerji,T。;德沃金,J。;Mavko,G.,基于序列模拟和概率扰动方法的地震数据相随机反演,地球物理学,77,4,M53-M72(2012)·doi:10.1190/geo2011-0417.1
[26] Hermans,T。;Oware,E。;Caers,J.,根据延时电阻数据直接预测空间和时间变化的物理性质,水资源。决议,52,9,7262-7283(2016)·doi:10.1002/2016WR019126
[27] Hinton,G.E.,Zemel,R.S.:自动编码器、最小描述长度和亥姆霍兹自由能。In:NIPS,1993(1994)
[28] 通用电气公司Hinton;Salakhutdinov,R.,《用神经网络降低数据的维数》,《科学》,3135786504-507(2006)·Zbl 1226.68083号 ·doi:10.1126/science.1127647
[29] 洛夫,S。;塞格迪,C。;巴赫,F。;Blei,D.,《批次规范化:通过减少内部协变量转移加快深层网络训练》,第32届国际机器学习会议论文集第37卷(ICML'15),448-456(2015)
[30] Jiang,B.,T.-y.Wu,C.Zheng,and W.H.Wong,2015,通过深度神经网络学习近似贝叶斯计算的总结统计。arXiv预印本arXiv:1510.02175·Zbl 1392.62073号
[31] Kingma,D.和J.Ba,2014,Adam:一种随机优化方法:arXiv预印本arXiv:1412.6980
[32] Lee,H。;埃卡纳达姆,C。;Ng,A。;普拉特,J。;科勒,D。;辛格,Y。;Roweis,SP,视觉区域的稀疏深度信念网络模型V2,神经信息处理系统进展20(NIPS'07)(2008),马萨诸塞州剑桥:麻省理工学院出版社,马萨诸塞州剑桥
[33] Li,L.,《用贝叶斯方法对水库预测过程中的不确定性量化进行因果和证据分析:加州斯坦福大学博士论文》(2017)
[34] Mallat,S.,《信号处理的小波之旅》(1999),圣地亚哥:圣地亚哥学术出版社·Zbl 0998.94510号
[35] Marion,D。;努尔,A。;尹,H。;Han,D.,砂层混合物中的压缩速度和孔隙度,地球物理学,60,1,241-251(1992)
[36] Mavko,G。;Mukerji,T。;Dvorkin,J.,《岩石物理手册》(2009),剑桥:剑桥大学出版社,剑桥
[37] Moore,B.,《线性系统的主成分分析:可控性、可观测性和模型简化》,IEEE Trans。自动化。控制,26,1,17-32(1981)·Zbl 0464.93022号 ·doi:10.1109/TAC.1981.1102568
[38] 罗素,PJ;Van Zomeren,BC,《揭开多变量异常值和杠杆点的面纱》,J.Am.Stat.Assoc.,85111633-651(1990)·网址:10.1080/01621459.1990.10474920
[39] 罗素,PJ;Van Driessen,K.,最小协方差行列式估计的快速算法,技术计量学,41,212-223(1999)·doi:10.1080/00401706.1999.10485670
[40] Satija,A。;Caers,J.,在标准函数主成分空间中通过线性最小二乘法从非线性动态数据直接预测地下水流响应,Adv.Water Resour。,77, 69-81 (2015) ·doi:10.1016/j.advwatres.2015.01.002
[41] Satija,A。;Scheidt,C。;李,L。;Caers,J.,使用无历史匹配的生产数据直接预测油藏动态,计算。地质科学。,21, 2, 315-333 (2017) ·Zbl 1387.86049号 ·doi:10.1007/s10596-017-9614-7
[42] Scheidt,C。;Renard,P。;Caers,J.,《以预测为中心的地下建模:研究基于流动的反演建模的准确性需求》,《数学》。地质科学。,47, 2, 173-191 (2014) ·Zbl 1323.86013号 ·doi:10.1007/s11004-014-9521-6
[43] Scheidt,C。;李,L。;Caers,J.,《量化地下系统中的不确定性》(2017),新泽西州:Wiley-Blackwell,新泽西
[44] Schmidhuber,J.,《神经网络中的深度学习:概述》,神经网络。,61, 85-117 (2015) ·doi:10.1016/j.neunet.2014.09.003
[45] 斯科特,DW;塔皮亚,RA;Thompson,RA,核密度估计重温:非线性分析,理论方法应用。,1, 339-372 (1977) ·Zbl 0363.62030号 ·doi:10.1016/S0362-546X(97)90003-1
[46] Silverman,BW,《统计和数据分析密度估计》(1986年),伦敦:查普曼和霍尔出版社,伦敦·Zbl 0617.62042号
[47] Sisson,S.和Y.Fan,2010,无似然马尔可夫链蒙特卡罗:arXiv预印本arXiv:1001.2058
[48] 北斯利瓦斯塔瓦。;辛顿,G。;Krizhevsky,A。;Sutskever,I。;Salakhutdinov,R.,《辍学:防止神经网络过度拟合的简单方法》,J.Mach。学习。1929-1958年第15号决议(2014年)·Zbl 1318.68153号
[49] Tarantola,A.:模型参数估计的反问题理论和方法:SIAM(2005)·Zbl 1074.65013号
[50] Vidakovic,B.,《小波统计建模》,MR1681904(1999),纽约:John Wiley&Sons出版社,纽约·Zbl 0924.62032号
[51] 韦格曼,D。;Leuenberger,C。;Excoffier,L.,高效近似贝叶斯计算与无似然马尔可夫链蒙特卡罗,遗传学,182,4,1207-1218(2009)·doi:10.1534/genetics.109.102509
[52] 瓦尔登,AT;White,RE,地震小波估计:地球物理噪声输入输出问题的频域解决方案,IEEE Trans。地质科学。遥感,36,287-297(1998)·数字对象标识代码:10.1109/36.655337
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。