Nov, 2023

CO2 流动模式推断 —— 可行性研究

PDF
TL;DR在全球推广碳捕获和封存（CCS）技术以应对气候变化的过程中，建立健全的监测和检测机制以应对潜在的地下 CO2 泄漏，特别是通过储存库密封物的预存在或诱导的断层，变得更加重要。通过历史匹配和时变地震监测等技术已成功跟踪 CO2 在地下的演化过程，但是这些方法缺乏对 CO2 波动行为相关不确定性的原则性方法。为了进行风险缓解，系统评估不确定性是至关重要的，因为：（i）CO2 波动引发的变化很小，地震数据是嘈杂的；（ii）正常和异常（例如泄漏引起的）流动模式之间的变化很小；（iii）控制流动的储层属性很异质且通常只能作为分布信息获得。通过在一系列精心设计的数值实验中分析条件归一化流的性能，可以得出一种能够根据井和地震数据进行正常和异常流动模式推断的公式。尽管这些推断在早期 CO2 泄漏检测系统的背景下还是初步的，但结果表明，条件归一化流可以产生具有或不具有泄漏情况下的 CO2 波动的高精度估计。我们也相信推断的不确定性是合理的，因为它与观察误差很好地相关。这种不确定性源于地震数据中的噪声以及对储层流体流动性的精确知识的缺乏。
发现论文，激发创造
  • BEACON：贝叶斯实验设计加速与条件归一化流推理的案例研究：CO2 储存最佳监测井位置

    二氧化碳封存是应对气候变化的关键工程解决方案之一，本研究提出了一种集成流体流动求解器和生成式神经网络的方法，用于选择井位，以最大限度地提高监测效果并在经济预算内进行监控。该方法在三维领域中发展并应用贝叶斯框架进行优化实验设计，通过案例研究验证了其可行性和明显优于基准井位布置的性能。

    Mar, 2024

  • 利用学习替代和约束解决多物理反问题

    使用具有计算便宜的学习代理器和学习约束的方法解决地质碳封存监测中多模态逆问题，提供更精确的渗透率倒转和多样化数据逆转的计算可行方法。

    Jul, 2023

  • 利用图神经网络学习断层油藏中 CO2 延展规律

    利用基于 Graph Neural Network (GNNs) 的模型，结合 MeshGraphNet (MGN) 一步 GNN 模型和基于图形的卷积长 - 短期记忆（GConvLSTM）操作复杂的非结构化网格，在模拟地下复杂断层和裂缝的 CO2 地质储存过程中，准确预测气体饱和度和孔隙压力的时间演化并展现更高的准确度和更少的时间误差积累。

    Jun, 2023

  • 地质 CO2 封存的代理模型及其在基于 MCMC 的历史匹配中的应用

    在这项研究中，我们利用基于深度学习的代理模型来处理具有高度地质不确定性的地质碳储存系统，通过使用大量地质情景下的地质模型实现了准确的预测，并将其用于马尔可夫链蒙特卡洛历史匹配工作流程以降低地质不确定性，从而得到与真实模型更接近的 3D 压力和饱和度。

    Aug, 2023

  • 通过深度学习联合反演时间变化的地表重力和地震数据以监测三维 CO$_2$ 气体云层

    我们引入了一种完全基于深度学习的三维方法，用于同时反演时间序列表面重力和地震数据，以重建地下密度和速度模型，该方法的目标应用是预测地下 CO₂羽流，作为监测 CO₂封存部署的补充工具，我们的联合反演技术优于基于深度学习的仅有重力或仅有地震的反演模型，实现了改进的密度和速度重建，准确的分割以及更高的 R-squared 系数，这些结果表明基于深度学习的联合反演是一种有效的 CO₂储存监测工具，未来的工作将侧重于使用更大的数据集验证我们的方法，进行其他地质封存地点的模拟，最终验证现场数据。

    Sep, 2023

  • 大规模地质碳和能源储存的高效机器学习代理

    通过专门的机器学习模型和领域分解，该研究提出了一种减少大规模地质储存成本的方法，以增强机器学习在地质碳储存中的效率。

    Oct, 2023

  • 优化碳储存操作以确保长期安全

    本研究使用部分可观察马尔可夫决策过程（POMDP）对碳封存操作的决策过程进行建模，并使用信念状态规划来优化注入器和监测井的位置以实现最大 CO2 存储同时保持安全性。我们展示了该方法的灵活性，引入了三种不同的监视策略并学习其对决策质量的影响。此外，我们引入了一个神经网络代理模型用于处理多相流的复杂动态，并研究了代理模型不同的保真度水平对决策质量的影响。

    Apr, 2023

  • 利用概念漂移解释方法对水配管网络中的小泄漏进行定位

    面对气候变化，饮用水的已经有限的可用性将来会减少，从而使得饮用水资源日益稀缺。大量的饮用水通过水运输和分配网络的泄漏而丢失。泄漏检测和定位是一项具有挑战性的问题，由于水配送网络中复杂的相互作用和需求的变化。尤其是小泄漏很难确定，但是它们的定位对于避免长时间的水损失至关重要。本文采用压力测量值对泄漏进行定位，通过贝叶斯网络对水配送网络中的泄漏进行建模，并分析系统动力学。我们还展示了如何通过概念漂移的视角来考虑和解决这个问题，特别强调基于模型的概念漂移解释在有限的网络信息情况下定位泄漏的可行性。该方法在实际的基准场景下进行了实验评估。

    Oct, 2023

  • CarbonNet：计算机视觉在气候变化中的作用？应用：学习地下储存 CO2 的地质力学，以缓解全球变暖

    利用计算机视觉预测陆地表面位移，为碳捕集和封存（CCS）提供新的方法。通过训练模型直接从地下几何图像中，我们解决了计算量大和模型泛化性差等挑战，从而可以理解碳注入导致的陆地表面位移，并利用训练好的模型支持 CCS 项目的决策制定。

    Mar, 2024

  • 地质碳封存的数据空间反演中的历史拟合与时空数据参数化

    基于监测数据的历史匹配将实现不确定性降低，进而改善工业规模碳储存运营中的含水层管理。

    Oct, 2023