.png){kind=icon}
返回
Monitoring CO2 in Seismic Data Using Neural Network
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-97596-7_22.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对地下储层中CO2迁移的精确监测对于理解注入温室气体的行为至关重要。本研究提出了一种基于神经网络的方法以提高时移地震监测中地震记录的精度。该方法包括两个阶段：首先，神经网络预测连续监测步骤之间速度模型变化对应的地震记录变化，能够近似时空依赖关系并促进波场外推。此阶段的地震记录使用粗网格生成以降低计算成本。在第二阶段，利用神经网络减轻在假设速度模型不变条件下通过经典建模产生的预测地震记录差异中的数值频散。训练后的网络随后应用于第一阶段获得的所有地震记录。该方法能够更精确地估计CO2迁移模式，为地下动态提供有价值的见解。所提出的方法显著加速了地震建模及其在储层岩石中监测温室气体的应用。
Keyword:
Deep Learning
Monitoring CO2
Seismic modeling
期刊
C
机构
引用论文
P-SV wave propagation in heterogeneous media: Velocity‐stress finite‐difference method.png)
GEOPHYSICS
GEOPHYSICSIF0
PREAI
分享收藏分享收藏Numerical Dispersion Mitigation Neural Network with the Model-Based Training Dataset Optimization
PREAI
分享收藏Learned coupled inversion for carbon sequestration monitoring and forecasting with Fourier neural operators基于傅里叶神经算子的碳捕获监测与预测的耦合反演方法
OAAI
OAAI分享收藏
分享收藏
查看更多内容