Generalization with Reverse-Calibration of Well and Seismic Data Using Machine Learning Methods for Complex Reservoirs Predicting During Early-Stage Geological Exploration Oil Field
本文面向早期油田勘探，提出利用测井标签、地震属性和反向校准不确定性的机器学习二分类与 stacking 集成流程，生成三维储层概率及厚度图并提升预测质量。
2023-06-02 cs.LG physics.geo-ph
Gas trap prediction from 3D seismic and well test data using machine learning
本文提出一种结合三维地震数据与试井资料、通过集成机器学习预测天然气圈闭的方法，并在三口盲井上取得f1 score为0.893846的高精度验证。
2024-01-23 cs.LG physics.geo-ph
Groningen: Spatial Prediction of Rock Gas Saturation by Leveraging Selected and Augmented Well and Seismic Data with Classifier Ensembles
本文以Groningen气田为例，提出一种基于分类器集成、结合地震属性选择与井数据增强的方法，实现了岩石含气饱和度概率的空间预测，并在盲井测试中取得高精度结果。
2025-04-02 cs.LG physics.geo-ph
A framework for subsurface monitoring by integrating reservoir simulation with time-lapse seismic surveys
本研究开发了一种耦合储层模拟与时移地震的方法，通过分离储层信号来跟踪流体前缘，以改进地下储层监测。
2023-08-30 physics.comp-ph physics.flu-dyn physics.geo-ph
Monitoring of water volume in a porous reservoir using seismic data: Validation of a numerical model with a field experiment
University of Eastern Finland（东芬兰大学）；LIAG Institute for Applied Geophysics（汉诺威应用地球物理研究所）；KTH Royal Institute of Technology（皇家理工学院）；University of Helsinki（赫尔辛基大学）；Ecole Polytechnique Fédérale de Lausanne（洛桑联邦理工学院）；Geological Survey of Finland（芬兰地质调查局）；Nokia Solutions and Network（诺基亚解决方案与网络）
本文通过现场实验验证了利用地震数据估计多孔储层中水体积的数值模型，采用神经网络直接估算水体积，提高了地下水管理的精度。
2025-12-21 physics.comp-ph physics.geo-ph
Anomalous-diffusion synthesis of non-Gaussian reservoir anomalies for time-lapse seismic inversion
Universidade Federal do Rio Grande do Norte（北里奥格兰德联邦大学）
该研究开发基于物理知识的时移地震反演框架，针对现有方法无法捕捉储层反常输运特征的问题，引入时空分数扩散数据生成器，训练卷积神经网络，经验证能准确重建异常，扩展了4D地震反演适用性。
2026-07-27 physics.geo-ph
Reservoir Characterizations by Deep-Learning Model: Detection of True Sand Thickness
由于地震资料的继承性，直接从地震资料中精确识别储层特征是一项极具挑战性的任务。在这里，我们成功地设计了一个与合成楔形模型集成的深度学习模型，以克服地球物理限制，同时从低分辨率的地震资料中解释砂体厚度。通过理解和学习地震响应与相应砂层厚度指标之间的地球物理关系，深度学习模型可以自动检测地震道识别的砂体顶部和底部的位置，精确揭示岩性分布。楔形模型和现场数据的定量分析和广泛验证证明了所提出方法的鲁棒性。从深度学习模型中识别的真实砂层厚度为增强对来自地震资料的岩性和地层信息的解释提供了非常有用的指导。此外，所提出的深度学习方法消除了净毛比高估和低估的风险，在准确性方面有了显著提高。
2019-09-13 physics.geo-ph
Connect the Dots: In Situ 4D Seismic Monitoring of CO2 Storage with Spatio-temporal CNNs
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Michigan State University（密歇根州立大学）
4D震波成像已被广泛用于CO $_2$封存项目，以监测未通过井采样的体积地下区域中的流体流动。理想情况下，实时监测和近期预测将为现场运营商提供深刻的见解，以了解地下储层的动态并评估任何潜在风险。然而，由于诸如高部署成本、采集设备的可用性、表面结构周围的禁区等障碍，在监测期间只能获得非常稀疏的震波成像数据。随着时间的推移，这导致了不可避免的和不断扩大的知识差距。运营商需要了解整个项目生命周期内的流体流动，而地震资料只能在有限的时间内获得。这对于理解储层动态是不够的。为了克服这些挑战，我们开发了基于时空神经网络的模型，可以有效和高效地产生高保真的内插或外推图像。具体来说，我们的模型建立在自动编码器上，并将长短期记忆（LSTM）结构与光流正则化的新损失函数相结合。我们验证我们的模型使用真实的4D叠后震波成像数据获得的Sleipner CO $_2$封存领域的性能。我们采用两种不同的策略来评估我们的模型。在数值上，我们使用经典的基于像素的指标将我们的模型与不同的基线方法进行比较。我们还进行了一项盲测，并从领域专家那里收集了总共20份回复，以评估我们的模型生成的数据质量。通过数值和专家评估，我们得出结论，我们的模型可以产生高质量的二维/三维震波成像数据在一个合理的成本，提供了实时监测，甚至不久的将来预测的CO $_2$存储水库的可能性。
2021-08-25 cs.LG physics.geo-ph
Seismic monitoring of CO2 plume dynamics using ensemble Kalman filtering
本文利用集合卡尔曼滤波结合两相流动力学与时移全波形地震数据，对高维CO2储层羽流动态进行监测，显著提高了CO2饱和度估计精度，并为超参数选择提供了指导。
2024-09-08 physics.geo-ph
Evolution of seismic velocities in heavy oil sand reservoirs during thermal recovery process
在热强化开采过程中，如蒸汽吞吐（CSS）或蒸汽辅助重力泄油（SAGD），连续蒸汽注入引起岩石储层中孔隙流体、孔隙压力和温度的变化，所述岩石储层通常是未固结或弱固结砂岩。这反过来又增加或减少了有效应力，并改变了岩石的弹性特性。热强化开采过程产生复杂的耦合。数值模拟已经进行了一个案例研究，以提供一个估计的压力，温度，孔隙流体饱和度，应力和应变的任何区域位于周围的注入井和生产井的演变。Ciz和Shapiro（2007年）的方法是Biot-Gassmann孔隙弹性理论应用于岩石填充弹性材料的扩展，已用于模拟不同温度和应力条件下油砂体中的速度分散。一个很好的协议已经发现这些预测和一些实验室的速度测量进行了加拿大油砂样品。结果似乎是有用的，以更好地解释4D地震资料，以定位蒸汽室。
2013-03-21 physics.geo-ph
Evolution of the Stress and Strain field in the Tyra field during the Post-Chalk Deposition and Seismic Inversion of fault zone using Informed-Proposal Monte Carlo
当油气藏被用作CO2储存设施时，准确的不确定性分析和风险评估至关重要。综合地质知识、地质建模、测井数据和地球物理数据的信息为这一分析提供了基础。对覆盖层中的应力/应变变化的时间发展进行建模提供了关于储层中的断层和断裂概率的先验知识，其进而用于地震反演以约束断层和断裂的模型。求解大规模地震反问题的一个主要问题是计算量大和效率低。我们使用一种新引入的方法--信息建议蒙特卡罗（IPMC）-来处理这个问题，并进行了概念性研究的基础上，从丹麦北海的真实数据。结果概述了一种方法，用于评估的风险，有潜在的损害CO2储存的水库在覆盖层中的亚震断层。
2021-08-31 physics.geo-ph
Petrophysical Property Estimation from Seismic Data Using Recurrent Neural Networks
Georgia Institute of Technology（佐治亚理工学院）
储层表征包括从测井资料和地震资料中估计岩石物理性质。由于地下的非线性和非均匀性，估计这些属性是一项具有挑战性的任务。已经进行了各种尝试来使用机器学习技术（诸如前馈神经网络和支持向量回归（SVR））来估计岩石物理性质。机器学习的最新进展表明，循环神经网络（RNN）在建模复杂的序列数据（如视频和语音信号）方面取得了可喜的成果。在这项工作中，我们提出了一个算法的属性估计从地震资料使用循环神经网络。与前馈神经网络相比，所提出的工作流程在使用地震资料估计密度和P波阻抗方面的应用显示出有希望的结果。
2019-02-01 cs.LG physics.geo-ph
SFA-GTM: Seismic Facies Analysis Based on Generative Topographic Map and RBF
地震相识别在储层描述中起着重要作用。它有助于识别储层性质的各种岩性和地层变化。随着地震数据量或待分析属性数量的增加，用于相识别的手动过程变得复杂且耗时。尽管地震属性为数据增加了多个维度，但它们在储层表征中的作用非常关键。存在使用地震属性来识别、表征和可视化地震相的不同线性变换方法。这些线性变换方法已被广泛用于相描述。然而，有一些限制与这些方法，如决定的宽度参数，集群的数量，收敛速度等，因此，目前的研究工作使用非线性变换的方法，克服了一些主要的局限性的线性方法。本文提出的基于生成地形图和径向基函数（SFA-GTM）的地震相分析方法通过计算基于灰度共生矩阵（GLCM）纹理的四个属性（即能量、均匀性、对比度和相异性）的集合来工作。生成地形图（GTM）用于基于计算的纹理属性集的地震相的无监督分类。此外，目前的工作使用径向基函数（RBF）的数据中的缺失值插值。
2018-06-01 cs.CE physics.geo-ph
Geostatistical Rock Physics AVA Inversion
储层模型是地下岩石物理性质（如孔隙度、矿物体积和流体饱和度）的数值表示。这些通常是从两步方法中的地震反演推断出的弹性模型导出的：首先，地震反射数据被反演为感兴趣的弹性属性（如密度、P波和S波速度）;然后这些被用作约束属性来模拟地下岩石物理变量。顺序方法不能确保不确定性在整个地质建模工作流程中的适当传播，因为它没有描述观测到的地震资料与所得岩石物理模型之间的直接联系。岩石物理模型将这两个领域联系起来。我们建议将地震和岩石物理建模集成到迭代地质统计地震反演方法中。所提出的方法允许通过同时整合测井、地震反射数据和岩石物理模型预测来直接推断孔隙度、页岩体积和流体饱和度。随机序贯模拟被用作模型参数空间的扰动技术，校准的相相关岩石物理模型将弹性域和岩石物理域联系起来，并且基于交叉基因演算法的全局优化器确保了方法从迭代到迭代的收敛。该方法应用于从北海储层的真实储层数据集提取的3D体积，并与地质统计地震AVA进行比较。
2018-10-14 physics.geo-ph
Variational Bayesian experimental design for geophysical applications: seismic source location, amplitude versus offset inversion, and estimating CO2 saturations in a subsurface reservoir
本文将变分贝叶斯实验设计引入地球物理，通过震源定位、AVO 反演和 CO2 储层饱和度估计验证其可同步计算并优化实验价值、降低计算成本。
2024-01-23 physics.geo-ph
Seismic Activity in Tucunduba Reservoir, Senador Sa-CE, Brazil, 1997-1998
Tucunduba大坝位于塞阿拉州福塔莱萨以西约290公里处。1997年6月9日发生$m_b$ 3.2级地震后不久，1997年6月11日开始对该地区进行地震监测。监测是由一个模拟站（用于震级持续时间测量和统计控制活动）和七个数字站完成的。这些数字电台各有三个组成部分，于1997年6月至11月运行。在这项工作中，在数字化监测过程中收集的数据进行分析，以确定震源和震源机制。用HYPO 71程序确定震源，采用半空间模型，P波速度参数为5.95km/s，P/S波速度比为1.69。活动带长近1公里，深度在4.5至5.2公里之间。利用6个台站共记录到的16个地震，确定了断裂面的走向（NE-SW）。断裂机制为走滑，具有较小的正向分量。使用FPFIT时，下降估计值为65 $^{\circ}$ SE，使用FOCMEC时，下降估计值为80 $^{\circ}$ SE。使用P轴方向对最大水平压应力的初步估计与Ferreira { \it et al.}（1998年）。这种微小的差异可能是由于区域应力中沉积盆地的影响。活动区与Assumpção（1998）描述的地震活动性一致，即：例如，区域应力、厚沉积负荷的局部挠曲效应以及中生代减薄的可能较弱地壳的组合。
2004-05-27 physics.geo-ph
On the azimuthal dependence of orthorhombic fractures for vertical seismic profiles using the ellipsoidal approximation
走时与时差分析是油气藏勘探和监测中应用最广泛的地震信号处理技术之一。在含裂缝各向异性弹性介质走时分析中，考虑方位角相关性的入射纵向和反射横向弹性响应脉冲界面转换点的确定，对于多分量地震资料的地震资料分析和储层地震资料的正确解释具有重要意义。然而，这项工作显示了如何推导出的纵向横向响应脉冲$P -S_i$转换点的解析表达式，使用椭圆近似断裂正交弹性介质下的运动学考虑。当弹性慢度作为求解Christoffel方程的主要理论工具时，这些表达式可用于正交介质中具有小孔径极角和方位依赖性的垂直震测剖面。我们还解释了弹性刚度$c_{13}$和$c_{23}$的椭球反演过程中的一些差异。
2022-09-10 physics.geo-ph
Seis2Rock: A Data-Driven Approach to Direct Petrophysical Inversion of Pre-Stack Seismic Data
提出数据驱动方法Seis2Rock，通过从测井信息学习最优基函数，将叠前地震数据直接与带限岩石物理反射率关联，经训练与推理两阶段实现岩石物理参数反演，在合成与真实数据集上准确恢复了孔隙度等属性并成功应用于储层监测。
2023-09-05 physics.geo-ph
Acoustic Impedance Prediction Using an Attention-Based Dual-Branch Double-Inversion Network
针对单分支半监督阻抗反演难以提取高频弱信号且受地震子波不确定性限制的问题，提出融合注意力、双分支双重反演与自适应子波拟合正演算子的 ADDIN-I，并在合成及实际数据中验证其优越性能。
2024-08-05 physics.geo-ph
Machine Learning and Seismic Attributes for Petroleum Prospect Generation and Evaluation: An Example from Offshore Australia
该研究面向澳大利亚近海 Poseidon 油田，利用 ANN、CNN 融合地震与弹性属性识别储层、烃源岩、盖层及隐蔽断层，从而生成并评价新的油气远景区。
2024-10-29 physics.geo-ph
Variational and Monte Carlo Methods for Bayesian Inversion of Dynamic Subsurface Flow Simulations Using Seismic and Fluid Pressure Data
University of Edinburgh（爱丁堡大学）
本文提出变分与蒙特卡洛方法用于基于地震和流体压力数据的地下流体储层反演，比较了多种方法的精度与效率，发现PSVI在精度和效率上表现良好，sSVGD在计算效率和避免模式崩溃方面更优。
2026-02-03 physics.geo-ph
High-resolution closed-loop seismic inversion network in time-frequency phase mixed domain
针对时域地震反演频带捕获有限、薄层与弱反射储层分辨率不足的问题，提出TFP-CSIN，融合Bi-GRU、CNN及频域、相位域约束，实现高分辨率闭环双向反演。
2024-08-09 physics.geo-ph
Time-lapse full-waveform permeability inversion: a feasibility study
本文研究从叠前时移地震数据直接反演渗透率的端到端框架，利用Compass模型模拟北海咸水层CO2封存，通过实验评估其对初始模型和建模误差的敏感性，验证方法可行性。
2024-03-06 cs.CE cs.NA math-ph
Seismic Inverse Modeling Method based on Generative Adversarial Network
China University of Petroleum（中国石油大学）；Yangtze University（长江大学）
地震反演建模是储层预测中常用的方法，在油气勘探开发中起着重要的作用。常规地震反演方法难以与复杂抽象的地质模式知识相结合，其不确定性难以评估。本文提出了一种基于GAN的地质、测井、地震资料一致的反演建模方法。GAN是一种最有前途的模型生成算法，它提取训练图像的空间结构和抽象特征。训练后的GAN可以再现特定模式下的模型。在我们的测试中，1秒钟内生成了1000个模型。基于训练好的GAN，经过评估，通过贝叶斯反演框架计算模型的最优结果。结果表明，在快速生成的前提下，反演模型符合观测数据，不确定性较低。该方法提高了反演迭代的效率和质量。在地震资料与地质知识的融合中具有一定的研究和应用价值。
2021-06-08 cs.LG physics.geo-ph stat.ML
Direct Estimation of Porosity from Seismic Data using Rock and Wave Physics Informed Neural Networks (RW-PINN)
Stanford University（斯坦福大学）
本文提出岩石与波动物理信息神经网络RW-PINN，在无井或少量井条件下直接从地震道估计孔隙度，通过弱监督和加权损失函数缓解非唯一性问题，预测结果符合岩石物理与沉积规律。
2022-09-30 cs.LG physics.geo-ph
Hydro-mechanical simulation and analysis of induced seismicity for a hydraulic stimulation test at the Reykjanes geothermal field, Iceland
冰岛Reykjanes地热田RN-34井的水力刺激导致该井附近的地震活动性增加。在这里，我们使用这个作为一个案例研究，调查地震分析如何可以与基于物理的模拟研究相结合，以进一步了解注入引起的断层复活。这项工作提出了新的分析地震资料结合应用程序的最新模拟软件的耦合流体力学过程和断层变形所造成的流体注入。该模拟模型结合了基于地质特征的断层网络的显式模型，并结合了地震分析的见解。然后基于注入数据校准3D断层储层模型。尽管数据有限，但这项工作显示了如何将震波揭示用于开发模拟模型，以及如何将建模添加到动态分析中的震波揭示中。
2020-11-06 physics.geo-ph
Spatiotemporal Modeling of Seismic Images for Acoustic Impedance Estimation
地震反演是指从地震反射数据中估计储层岩石性质的过程。传统的和基于机器学习的反演工作流通常以逐道的方式对地震数据进行处理，几乎不利用来自地震图像空间结构的信息。我们提出了一种基于深度学习的地震反演工作流程，不仅在时间上而且在空间上对每条地震道进行建模。这利用地震道在深度和空间方向上的信息相关性来进行有效的岩石性质估计。我们经验比较我们提出的工作流程与其他一些基于序列建模的神经网络，模型地震数据只在时间上。SEAM数据集上的结果表明，与研究中使用的其他架构相比，所提出的工作流程能够实现最佳性能，平均$r^{2}$系数为79.77\%。
2020-06-28 eess.IV physics.geo-ph stat.ML
Seeing through the CO2 plume: joint inversion-segmentation of the Sleipner 4D Seismic Dataset
提出一种集成全变分和分割先验的联合反演-分割算法，用于处理Sleipner 4D地震数据集，有效克服了数据噪声和缺失频率问题，实现了高分辨率声学模型构建与时间推移变化的体积分类。
2023-03-21 physics.geo-ph
Unveiling magma plumbing systems for volcanic eruptions and crustal accretion via active-seismic matrix imaging
Institut Langevin, ESPCI, PSL University, CNRS（朗之万研究所，ESPCI巴黎高等物理化工学院，PSL大学，法国国家科学研究中心）；Institut de Physique du Globe de Paris, Université Paris Cité, CNRS UMR 7154（巴黎地球物理研究所，巴黎西岱大学，法国国家科学研究中心）
应用主动源地震矩阵成像技术，绘制了东太平洋海隆9°50'N的岩浆储层内部结构，发现锥形轴部储层和相互连接的富岩浆带，结合蛇绿岩证据解决了下地壳形成机制中岩浆通道与原位结晶的长期争议。
2026-05-26 eess.IV physics.app-ph physics.geo-ph
An Ensemble 4D Seismic History Matching Framework with Sparse Representation Based on Wavelet Multiresolution Analysis
International Research Institute Of Stavanger (IRIS)（斯塔万格国际研究所）；University of Bergen（卑尔根大学）
本文提出一种集成4D地震历史匹配框架，通过小波多分辨率分析和稀疏表示减少数据规模，提升储层表征精度。
2016-03-15 cs.NA math.NA math.OC
Machine learning-based porosity estimation from spectral decomposed seismic data
University of Texas at Austin（德克萨斯大学奥斯汀分校）；BP plc.（英国石油公司）；Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）
由于地震资料的信号噪声和分辨率不足，通过地震资料估计孔隙度模型具有挑战性。虽然波阻抗反演常与测井资料结合使用，但在反演亚地震尺度孔隙度方面仍存在一些障碍。作为替代方案，我们提出了一种基于机器学习的工作流程，将地震资料转换为孔隙度模型。基于ResUNet++的工作流被设计为获取不同频率的三个地震资料（即，分解的地震资料）并估计它们相应的孔隙度模型。该工作流程在3D渠化储层中成功演示，以估计R2得分超过0.9的孔隙度模型，用于训练和验证数据。此外，通过将信号噪声添加到地震资料中，将应用扩展到应力测试，并且工作流结果显示出即使在5%的噪声下也是稳健的估计。另外两个ResUNet++被训练为仅采用最低或最高分辨率的地震资料来估计孔隙度模型，但它们显示了欠拟合和过拟合结果，支持在孔隙度估计中使用分解的地震资料的重要性。
2021-11-23 cs.AI physics.geo-ph
Time-lapse data matching using a recurrent neural network approach
时移地震资料采集是监测储层中由于流体注入（例如CO $_2$注入）而引起的变化的基本工具。通过在准确位置采集多个地震测量，我们可以通过分析数据中的差异来识别储层变化。然而，这种分析可能会被近地表的季节性速度变化、采集参数的不准确性以及其他不可避免的噪声所扭曲。解决这一问题的常见做法（交叉均衡）是使用预计不会发生变化的数据部分来设计匹配滤波器，然后将其应用于整个数据，包括水库区域。像交叉均衡一样，我们对不包括水库区域的部分数据训练一个循环神经网络，然后推断水库相关数据。循环神经网络可以学习数据的时间依赖性，这与基于在滤波器窗口中获得的局部信息来处理数据的匹配滤波器不同。我们演示了各种例子中的数据匹配的方法，并将其与传统的匹配滤波器进行比较。具体来说，我们首先展示了该方法在匹配两个轨迹的能力，然后在叠前2D合成数据上测试该方法。然后，我们通过提供RTM图像来验证4D信号的增强。我们使用归一化均方根和可预测性度量来测量可重复性，并表明在某些情况下，它克服了匹配滤波器的方法。
2022-04-02 physics.geo-ph
Efficient big data assimilation through sparse representation: A 3D benchmark case study in seismic history matching
SPE, IRIS（石油工程师学会，IRIS）；IRIS；UoB & IRIS（伯明翰大学与IRIS）
本文提出一种基于稀疏表示的高效地震历史匹配方法，通过波let变换减少数据量并提高同化效率，利用领头波let系数提升储层模型更新精度。
2016-09-22 cs.NA math.NA math.OC
Joint Learning for Seismic Inversion: An Acoustic Impedance Estimation Case Study
地震反演可以帮助油气学家建立精确的储层模型，用于勘探和生产。基于深度学习的地震反演通过训练神经网络来学习从地震数据到岩石属性的映射，使用测井数据作为标签。然而，由于钻井的高成本，测井记录的数量通常非常有限。如果在有限的数据上进行训练，机器学习模型可能会出现过拟合和泛化能力差的问题。在这种情况下，来自其他调查的测井数据可以提供更好地概括所急需的有用信息。我们提出了一个学习方案，我们同时训练两个网络架构，每个不同的数据集。通过对两个网络之间的权重相似性设置软约束，我们使它们相互学习，以便在各自的数据集上获得更好的泛化性能。使用少于3个$\%$的可用训练数据，我们能够通过与Marmousi数据集的联合学习在SEAM数据集的声阻抗伪逻辑上实现平均$r^{2}$系数0.8399。
2020-06-28 eess.IV physics.geo-ph
Hybrid and Automated Machine Learning Approaches for Oil Fields Development: the Case Study of Volve Field, North Sea
ITMO University（ITMO大学）
本文描述了智能方法在现场开发任务中的使用，这些任务可能有助于决策过程。我们专注于井位置优化的问题和其中的两个任务：提高石油产量估计的质量和估计的储层特性，以适当的井分配和参数化，使用机器学习方法。对于石油产量估计，我们实施并研究了预测模型的质量：基于物理的，纯数据驱动的和混合模型。选择CRMIP模型作为基于物理的方法。并将其与机器学习和混合方法在石油产量预测任务框架下进行了比较。在井位选择的储层特征调查中，我们使用用于储层检测的卷积神经网络的进化识别来自动化地震分析。Volve油田数据集被用作案例研究来进行实验。所实现的方法可用于分析不同的油田或适用于类似的物理相关问题。
2022-02-24 cs.LG physics.geo-ph
A convolutional neural network for prestack fracture detection
China University of Petroleum - Beijing（中国石油大学（北京））；PST Service Corporation（PST服务公司）；Beijing Concord O&M Wind Power Technology Co., Ltd.（北京康科德运维风电技术有限公司）
裂缝在油气藏中广泛发育，是油气的聚集空间和输导通道。裂缝检测是储层描述的一项基本任务。从叠前地震道集出发，通常采用各向异性分析和反演来表征裂缝的优势方位和相对强度。然而，现有的方法大多是基于垂直排列的裂缝假设，无法识别裂缝倾角。此外，现有的方法很难或不切实际地获得真实的裂缝密度。基于数据驱动的深度学习，设计了一种卷积神经网络进行叠前裂缝检测。利用地震响应与裂缝参数之间的关系，首先通过裂缝有效介质建模和各向异性平面波分析，生成合适的方位数据集。构造了多输入多输出的卷积神经网络，实现了裂缝密度、倾角和走向方位的同时检测。实际调查的应用验证了所提出的CNN模型的有效性。
2021-07-03 cs.AI cs.LG physics.geo-ph
Posterior sampling with CNN-based, Plug-and-Play regularization with applications to Post-Stack Seismic Inversion
King Abdulllah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
不确定性量化是反问题的关键，因为它可以为决策者提供有关反演结果的有价值的信息。例如，由于地震数据的带限和噪声性质，地震反演是众所周知的不适定逆问题。因此，量化与反演过程相关的不确定性以便于随后的解释和决策过程是至关重要的。在这个参考框架内，从目标后验采样提供了一种基本的方法来量化地震反演中的不确定性。然而，在概率反演中选择适当的先验信息是至关重要的，但不是微不足道的，因为它影响基于采样的推断在后验样本中提供地质现实的能力。为了克服这些限制，我们提出了一个正则化的变分推断框架，通过隐式正则化库尔贝克-莱布勒散度损失与CNN为基础的去噪器通过即插即用的方法进行后验推理。我们称这种新算法为即插即用Stein变分梯度下降（PnP-SVGD），并证明了它能够产生代表地下结构的高分辨率，值得信赖的样本，我们认为这可以用于后推理任务，如储层建模和历史匹配。为了验证所提出的方法，数值试验进行了合成和现场叠后地震数据。
2022-12-30 cs.LG math.PR physics.geo-ph
Seismic resolution enhancement via deep Learning with Knowledge Distillation and Domain Adaptation
本文提出DAKD-Net，结合知识蒸馏与领域自适应机制，利用U-Net骨干网络提取空间结构信息并转移高频先验知识，有效提升了地震数据高分辨率处理的纵向分辨率、复杂结构细节恢复能力及泛化性。
2025-06-27 physics.geo-ph
Inference of CO2 flow patterns -- a feasibility study
Cranberry-Lemon University（蔓越莓柠檬大学）
本文研究利用条件归一化流从井数据和地震数据推断CO2羽流规则与不规则流动模式的可行性，并通过数值实验验证其能高保真估计有/无泄漏的CO2羽流且不确定性合理。
2023-11-29 cs.AI cs.CE cs.LG
A Deep Learning-Accelerated Data Assimilation and Forecasting Workflow for Commercial-Scale Geologic Carbon Storage
Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）；Total E&P Research and Technology（道达尔勘探与生产研究和技术公司）；Energy & Environmental Research Center, University of North Dakota（北达科他大学能源与环境研究中心）
快速同化监测数据，以更新地质不确定性下的压力恢复和二氧化碳（CO2）羽流迁移的预测是地质碳储存的一个具有挑战性的问题。高维参数空间数据同化的高计算成本阻碍了商业规模水库管理的快速决策。我们建议利用深度学习技术对多孔介质流动行为的物理理解来开发快速历史匹配-储层响应预测工作流程。该工作流程应用Encourage Smoother多重数据同化框架，通过地震反演解释的压力历史和CO2羽流的量化不确定性更新地质属性并预测储层性能。由于在这样的工作流程中计算成本最高的组件是油藏模拟，我们开发了替代模型来预测多井注入下的动态压力和CO2羽流范围。代理模型采用深度卷积神经网络，具体来说，是一个宽残差网络和一个残差U-网络。该工作流程针对代表碎屑陆棚沉积环境的平面三维储层模型进行了验证。智能处理被应用于真三维储层模型中的量与单层储层模型中的量之间的桥接。该工作流程可在主流个人工作站上在不到1小时的时间内完成历史拟合和具有不确定性量化的储层预测。
2022-01-10 cs.LG physics.geo-ph stat.AP
Rock physics and geophysics for unconventional resource, multi-component seismic, quantitative interpretation
扩展以前开发的岩石物理模型，量化之间的关系的韧性分数的脆性/韧性二元混合物和各向同性地震反射响应。通过进行弱散射（玻恩）近似和平面波（程函）近似，随后根据入射入射角进行排序，进行奇异值分解分析，以了解堆叠权重、堆叠数量和堆叠类型，从而最佳地估计两个基本岩石物理参数。通过这种角度排序，它被发现，有效的小波可以用于堆叠到二阶。最后，得出结论，全PP叠加和“全”PS叠加是估计两个岩石物理参数所需的两个最佳叠加。它们在二阶AVO“梯度”叠加和高阶（四阶）PP叠加（即使在大入射角）上都占主导地位。使用该结果和基于贝叶斯反演的模型，在Marcellus页岩区带的模型特征上证明了韧性分数的可检测性（其他人认为这是非常规储层压裂的地质力学响应的重要量）。
2014-01-26 physics.geo-ph
Bayesian inversion of convolved hidden Markov models with applications in reservoir prediction
讨论了卷积隐马尔可夫模型的有效评估问题。底层被定义为一个不可观测的分类一阶马尔可夫链，而中间层被假设为一个高斯空间变量的条件下的底层。因此，该层无条件地表现为高斯混合空间变量。我们观察到顶层作为具有高斯误差的中间层的卷积。重点是评估的分类和高斯混合变量的观察，我们在贝叶斯反演框架。该模型被定义为使地下地震AVO数据反演成岩性/流体类，并评估相关的弹性材料属性。由于似然函数中的空间耦合，后验归一化常数的评估在计算上要求很高，并且蛮力、单站点更新马尔可夫链蒙特卡罗算法收敛太慢而没有用。我们构造了两类近似后验模型，我们分析和有效地使用递归向前向后算法进行评估。这些近似的后验密度被用作独立建议马尔可夫链蒙特卡罗算法中的建议密度，以评估正确的后验模型。一组合成现实的例子。建议的近似提供了有效的建议密度，这导致在马尔可夫链蒙特卡罗算法的接受概率在0.10-0.50的范围内。最后给出了一个岩性/流体地震反演实例。可以可靠地预测岩性/流体类别和弹性材料性质。
2017-10-18 physics.geo-ph stat.AP
A Data-Driven CO2 Leakage Detection Using Seismic Data and Spatial-Temporal Densely Connected Convolutional Neural Networks
在碳捕获和封存方面，需要开发有效的监测方法，以发现和应对CO2泄漏。CO2泄漏检测方法依赖于地球物理观测和监测传感器网络。然而，传统的方法通常需要开发特定场地的物理模型和专家解释，这些方法的有效性可能会受到不同应用地点，操作场景和条件的限制。在本文中，我们开发了一种新的数据驱动的泄漏检测方法的基础上密集连接的卷积神经网络。我们的方法不同于传统的泄漏监测方法，通过直接学习地震资料和CO2泄漏质量之间的映射关系。为了考虑地震资料的空间和时间特性，我们的新型网络架构结合了一维和二维卷积神经网络。为了克服解决优化问题的计算费用，我们在我们的网络架构中应用了密集连接策略，减少了网络参数的数量。基于我们的卷积神经网络生成的特征，我们进一步结合了一个长短期记忆网络来利用时间序列信息，这进一步提高了检测精度。最后，我们采用我们的检测方法合成地震数据集的基础上产生的流动模拟的一个假设的CO2存储的情况下注入到一个部分分隔的砂岩储层。为了评估方法性能，我们进行了多个实验，包括随机泄漏测试，顺序测试和鲁棒性测试。数值结果表明，我们的CO2泄漏检测方法成功地检测到了泄漏并准确地预测了泄漏质量，这表明它具有应用于实际CO2储存场地监测的潜力。
2019-01-28 physics.geo-ph
Attention-Based 3D Seismic Fault Segmentation Training by a Few 2D Slice Labels
College of computer science and technology, China University of Petroleum (East China)（中国石油大学（华东）计算机科学与技术学院）
针对3D地震断层标注成本高的问题，提出lambda-BCE与lambda-smooth L1 loss及可监督注意力模块，仅用占3D体标签3.3%的2D切片即达到接近全3D标签训练的效果。
2021-09-09 cs.CV physics.geo-ph
Elasto-acoustic modelling and simulation for the seismic response of structures: The case of the Tahtalı dam in the 2020 İzmir earthquake
作为一种评估大坝结构在地震中所面临风险的方法，我们采用了一种抽象的数学、三维、弹性声学耦合波传播模型，该模型考虑了（i）大坝结构本身，嵌入（ii）其周围地形，（iii）不同的材料土层，（iv）震源以及（v）充满水的水库湖，将水作为声学介质处理。作为广泛数值模拟的案例研究，我们考虑了2020年10月发生在伊卡里亚海（希腊）和距离那里约30公里（土耳其）的Tahtali大坝的30 $^{\rm th}$的7级地震事件。一项具有挑战性的任务是解决由于大坝建筑结构和感兴趣区域之间的巨大差异而存在的多个长度尺度，考虑地震的传播。结构和高度不协调的网格之间的界面在不同的尺度上解决了通过一个不连续的Galerkin方法。利用实际断层面的反演数据模拟震源。最后，我们执行一个真正的数据驱动，多尺度，全源到站点，基于物理的模拟的基础上不连续Galerkin谱元素方法，它可以精确地验证地面运动经历了沿Tahtali大坝，比较合成的地震图对实际观察到的。一个比较与一个更经典的计算方法，使用一个平面波与数据从反褶积地震图读数作为输入，进行了讨论。
2021-10-29 cs.NA math.NA physics.geo-ph
Simulation of muon radiography for monitoring CO$_2$ stored in a geological reservoir
当前监测地下CO $_2$的方法，例如重复地震勘测，是间歇性的，并且需要高度熟练的人员来获取数据。基于简化模型的模拟先前已经表明，μ子射线照相术可以自动化，以连续监测CO $_2$注入和迁移，除了降低监测的总体成本。在本文中，我们提出了一个模拟的监测CO $_2$羽演化的地质油藏中使用μ子射线照相术。使用地质数据模拟了标称测试设施附近的地层，并使用数值流体流动模型来描述CO $_2$羽流的时间演化。考虑在海床以下776 m的垂直深度处，表面面积为1000 m $^2$的平面探测区域。我们发现，一年的恒定CO $_2$注入导致$\lesssim 1\%$的柱密度的变化，并且CO $_2$羽流已经是可分辨的曝光时间小于50天。
2015-10-12 hep-ex physics.geo-ph
Learning Stratigraphically Consistent Relative Geologic Time from 3D Seismic Data via Sinusoidal Mapping
University of Science and Technology of China（中国科学技术大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
本文提出了一种深度学习框架RGT-Est，通过将优化目标从拓扑约束的连续场转移到可微的正弦空间，以显式编码RGT的周期性层序语义，从而缓解细层过度平滑的问题。该方法结合点wise、感知和对抗损失，实现了局部忠实、层间一致性及全局结构合理性，提供细层辨别和全局层序意识，并通过可选的层位引导模块接受稀疏的2D或3D层位作为先验。在合成数据和实地调查数据上训练和评估，RGT-Est在无层位约束的情况下实现了SOTA性能，并在引入稀疏先验后显著提高了层位相关性和全局拓扑一致性。
2026-05-20 physics.geo-ph
Multi-Condition Guided Diffusion Model for Controllable Elastic Parameter Synthesis
CCTEG Xi’an Research Institute (Group) Co., Ltd.（中国煤炭科工集团西安研究院有限公司）
提出多条件引导扩散模型，利用井统计和地质特征构建训练数据集，通过隐变量细化、适配器条件和扩散后验采样投影引导策略，实现弹性参数的可控合成与反演。
2026-06-04 physics.geo-ph
Data-driven Full-waveform Inversion Surrogate using Conditional Generative Adversarial Networks
Universidade Federal do Espírito Santo（巴西联邦圣埃斯皮里图大学）；Instituto Federal do Espírito Santo（圣埃斯皮里图联邦理工学院）；Exploração e Produção Petróleo Brasileiro S.A.（巴西国家石油公司勘探与生产部门）
在石油和天然气工业中，估计地下速度场是地震处理、储层表征和烃体积计算中的重要步骤。全波形反演（FWI）速度建模是一种迭代高级技术，其提供准确且详细的速度场模型，尽管由于在每次FWI迭代时需要基于物理的数值模拟而具有非常高的计算成本。在这项研究中，我们提出了一种生成速度场模型的方法，详细的通过FWI获得的，使用有条件的生成对抗网络（cGAN）与多个输入。这种方法的主要动机是规避全波形反演速度建模的极高成本。真实世界的数据被用来训练和测试所提出的网络架构，和三个评价指标（百分之错误，结构相似性指数的措施，和视觉分析）作为质量标准。基于这些度量，在测试集上评估的结果表明，GAN能够准确地匹配真实FWI生成的输出，使其能够从输入数据中提取主要地质结构和横向速度变化。实验结果表明，所提出的方法，部署时，有可能提高地球物理储层表征过程的速度，节省时间和计算资源。
2021-04-30 cs.LG eess.SP physics.geo-ph
Estimation of Elastic Parameters with Guidance-based Diffusion model
King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
针对弹性参数从角度叠加地震数据中可靠估计的难题，提出基于引导扩散模型的反演工作流程，经无监督训练学习参数耦合，用扩散后验采样近似似然函数，在两个数据集上评估，相比基线能恢复更好剖面并实现不确定性量化。
2026-07-16 physics.geo-ph
Enhanced prediction accuracy with uncertainty quantification in monitoring CO2 sequestration using convolutional neural networks
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Colorado School of Mines（科罗拉多矿业学院）；Michigan State University（密歇根州立大学）
实时监测储层内部的变化对于CO2注入和长期储存的成功至关重要。机器学习（ML）由于其计算效率而非常适合实时CO2监测。然而，ML的大多数现有应用仅产生一个预测（即，期望），如果它相对于训练数据的分布具有偏移，则其可能不能正确地反映测试数据的分布。同时分位数回归（SQR）方法可以通过弹球损失估计神经网络目标变量的整个条件分布。在这里，我们将这种技术纳入地震反演CO2监测的目的。然后从中位数周围的特定预测区间逐像素计算不确定性图。我们还提出了一种新的数据增强方法，通过采样的不确定性，以进一步提高预测精度。所开发的方法进行测试合成Kimberlina数据，这是由能源部和基于二氧化碳捕获和封存（CCS）在加利福尼亚州的项目。结果表明，该网络可以快速估计地下速度，并具有足够的分辨率。此外，计算的不确定性量化了预测精度。即使由于现场数据采集中的问题而导致测试数据失真，该方法仍然具有鲁棒性。另一个测试表明，开发的数据增强方法在提高估计的速度场的空间分辨率和减少预测误差的有效性。
2022-12-08 cs.LG physics.geo-ph
