CN107810432A - 模型压缩 - Google Patents
模型压缩 Download PDFInfo
- Publication number
- CN107810432A CN107810432A CN201580081147.0A CN201580081147A CN107810432A CN 107810432 A CN107810432 A CN 107810432A CN 201580081147 A CN201580081147 A CN 201580081147A CN 107810432 A CN107810432 A CN 107810432A
- Authority
- CN
- China
- Prior art keywords
- data
- inversion step
- grid
- inversion
- physical parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000006835 compression Effects 0.000 title claims abstract description 30
- 238000007906 compression Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 55
- 230000008602 contraction Effects 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 claims description 5
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
- G01V1/282—Application of seismic models, synthetic seismograms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V20/00—Geomodelling in general
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/08—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with magnetic or electric fields produced or modified by objects or geological structures or by detecting devices
- G01V3/083—Controlled source electromagnetic [CSEM] surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Engineering & Computer Science (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Electromagnetism (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Acoustics & Sound (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Geophysics And Detection Of Objects (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Complex Calculations (AREA)
Abstract
一种估计一组物理参数的方法,所述方法包括:对方程进行迭代反演,以使取决于模拟数据和测量数据的惩罚项最小化,并提供估计的一组物理参数,其中,所述迭代反演至少包括第一反演步骤和第二反演步骤,并且其中,所述模拟数据取决于表示所述一组物理参数的模型向量;向表示所述一组物理参数的所述模型向量应用压缩算子,以减少自由变量的数量并产生压缩模型向量;以及在所述第一反演步骤和所述第二反演步骤之间改变所述压缩算子。
Description
技术领域
本发明涉及物理数据的线性和非线性反演,并且更具体但不限于受控源电磁(CSEM)数据或声学数据的线性和非线性反演。
背景技术
已经开发了若干种用于探索地球地表下的技术,其基于向地球地表下的区域中发射波或信号。发射的信号与地球相互作用,并且通常信号的一部分传播回到表面,该信号在此被记录并用于基于信号如何与地球相互作用而获得关于地表下结构的信息。CSEM方法例如使用在海底上方牵引的偶极子源来发射电磁信号,并且使用放在海床上的接收器阵列来检测已经行进通过海底下方的地层的信号。然后需要对检测到的信号进行反演以推导物理参数。物理参数可以任选地用于估计烃或水的存在。通常可以推导的物理参数是地层的电导率。电导率可以在模拟中用作参数,所述模拟能够产生所记录的数据的模拟。电导率的最优值是优化所模拟的数据和所述数据之间的一致性的那些值。
CSEM数据的非线性反演涉及求解大型线性方程组,以在迭代优化方法的每次迭代时计算电导率的更新,以便使数据和模拟的数据之间的距离最小化。模型向量所依据的空间三维网格的节点的数量通常超过百万个,并且在该网格上求解大型方程组变得不可行。可以使用不需要求解大型方程组、只是近似求解大型方程组、或者求解原始方程组的简化版本的优化算法,例如,有限存储器Broyden-Fletcher-Goldfarb-Shanno算法,但是这些算法需要非常准确的起始模型向量才能提供好的反演结果。减少反演参数(也称为自由参数)的数量是提高反演算法的效率的重要方式:借助于更少的参数,线性方程组将变得小得多,并且求解正规方程能够变得可行,或者计算机工作强度/数字成本变得低得多。
可以使用强几何约束来减少独立自由参数的数量。例如,在地质上定义的主体中的电导率值可以被设置为恒定值,并且然后对那些恒定值进行反演。然而,这种方法的缺点是它们需要很多先验信息,并且在电阻或导电体跨越所限定的几何结构伸展时,这种方法是不适合的。
发明内容
根据本发明的第一方面,提供了一种估计一组物理参数的方法,所述方法包括:对方程进行迭代反演,以使取决于模拟数据和测量数据的惩罚项最小化,并提供估计的一组物理参数,其中,所述迭代反演至少包括第一反演步骤和第二反演步骤,并且其中,所述模拟数据取决于表示所述一组物理参数的模型向量;将压缩算子应用于表示所述一组物理参数的模型向量,以减少自由变量的数量并生成压缩模型向量;以及在第一反演步骤和第二反演步骤之间改变所述压缩算子。
所述方法还可以包括计算在第一反演步骤中获得的压缩模型向量和在第二反演步骤中获得的压缩模型向量的组合。具体而言,所述模型向量可以被定义在网格上,并且其中,所述压缩算子可以被布置为减少定义在所述网格上的自由参数的数量。
所述压缩算子可以是最近邻内插器,内插器被布置为将物理参数的值内插到所述网格的相邻单元上。此外,还可以为内插的值使用平滑化。
所述方程可以是Gauss-Newton方法中的正规方程。所述反演还可以基于OCCAM算法、Levenberg-Marquardt算法、准Newton算法或者基于梯度的算法。所述测量数据可以是CSEM数据或地震数据。所述网格可以是均匀的或者非均匀的。
所述物理参数可以涉及地层,并且所述网格可以取决于地层的先验知识。在第一反演步骤和第二反演步骤之间改变压缩算子可以使自由参数在第一反演步骤和第二反演步骤之间发生偏移。
所述惩罚项可以是下述选项之一:模拟数据和测量数据之间的误差,取决于模拟数据和测量数据的成本函数,以及(i)模拟数据和测量数据之间的误差与(ii)根据预定偏好进行加权的模拟数据之和或乘积。
根据本发明的第二方面,提供了一种计算机系统,其被布置成执行根据本发明的第一方面的方法。
根据本发明的第三方面,提供了一种计算机软件,其在被安装在根据第二方面的计算机系统上时,被布置成使所述计算机系统执行根据第一方面的方法。
附图说明
现在将仅通过示例的方式并参考附图来描述本发明的一些实施例,在附图中:
图1示出了地层的物理特性;
图2示出了对地层的物理特性的估计;
图3示出了对地层的物理特性的估计;
图4示出了在其上定义模型的网格;
图5示出了对地层的物理特性的估计;
图6示出了在其上定义模型的网格;
图7示出了使网格发生偏移的方法;
图8示出了对地层的物理特性的估计;
图9示出了对地层的物理特性的估计;
图10示出了不同方法的性能;
图11是流程图。
具体实施方式
如图11所示,提供了估计一组物理参数的方法,所述方法包括:对方程进行迭代反演,以使取决于模拟数据和测量数据的惩罚项最小化(S1),并提供估计的一组物理参数(S2),其中,所述迭代反演至少包括第一反演步骤和第二反演步骤,其中,对模型向量进行更新(S3),并且其中,所述模拟数据取决于表示所述一组物理参数的模型向量;将压缩算子应用于表示所述一组物理参数的模型向量(S4),以减少自由变量的数量并生成压缩模型向量;以及在第一反演步骤和第二反演步骤之间改变所述压缩算子。
本发明人认识到可以对模型向量进行压缩,随后是文中称为网格摇动的技术。定义了模型向量m,其包含网格的单元中的水平电导率值和竖直电导率的值。模型向量m包含自由参数,在反演过程期间可以改变所述自由参数,以找到使(例如)电场幅度的测量值和模拟值之间的距离最小化的向量m。在使用2维表示时,所述网格可以是基于地理地层的深度和距离而定义的,或者在使用3维表示时,所述网格还可以是基于地层的三个空间维度而定义的。提出的模型包含N个参数。在下文介绍的具体实施例中,将使用Gauss-Newton算法来例示本发明,但是也可以将本发明用于其它算法中。数据Jacobian为(方程1)
其中,d表示通过数据不确定性的倒数进行加权的CSEM数据。数据向量的大小为Nd。为了获得Gauss-Newton搜索方向p,必须求解正规方程(方程2)
J*Jp=-g,
其中,梯度g由下式(方程3)给出
g=J*Δd,
其中,Δd是加权数据残差,并且星(*)指示共轭转置。为简单起见省略了该类型的反演问题中常常包括的其它正则化项。在三维中,Jacobian J对于典型数据集而言变得非常大,这将使求解方程2或存储Jacobian J变得困难。
在每次迭代中计算模型更新Δm=αp。如果问题是线性的,那么要应用的模型更新就是Δm=p,因为α=1。对于非线性问题,Jacobian J表示建模算子的线性近似。由于该近似并不精确,因而最好使用模型更新Δm=αp,其中,α为标量。沿由p给定的方向实施搜索,并且标量α陈述了应当沿该方向进行多长的更新。在非线性情况下可以与1存在非常大的不同的α的最优值可以通过通常被称为线搜索的技术来进行搜索。
线搜索需要一些建模/模拟和一些迭代,以最终为α找到好的值,但是这些“内部”迭代比一般迭代更简单且更快。在该步骤之后,计算模型更新,并且我们得到改善的模型m+Δm,因而m+Δm的成本函数比m的成本函数小。
可以通过应用模型压缩而减小模型向量的大小。可以使用内插器R将向量m的大小压缩到减少的参数数量Nc。包含Nc个参数的压缩向量与向量m之间的关系为(方程4)
由此Nc<<N。比值N/Nc为参数压缩因子。本发明人已经认识到,能够使所述内插器在反演过程期间发生变化,以使复杂度的减小与最终估计结果的提高的分辨率相结合。
在压缩的模型空间中,Jacobian变为(方程5)
并且可以借助于与方程3类似的方程而由获得压缩梯度现在可以求解新的一组比方程2小得多的方程,以获得压缩搜索方向并获得压缩模型更新其中,α是通过线搜索而优化的。
迭代k处的模型向量为其仅取决于Nc个自由参数。模型mk仍然包含N个不同值,但是减少了自由参数。因此能够更快地执行反演。然而,最终的模型将至多具有与内插器的性质有关的分辨率,而在Nc小的情况下所述模型通常具有低空间分辨率。对分辨率的该限制还将限制在保持反演算法的有意义的输出的同时能够使用的压缩度。
通过例示,已经借助于有限差分法生成了无噪声合成CSEM数据,由此对由位于海床上的间隔1km的10个接收器所记录的数据进行模拟。对在0.1Hz、0.25Hz、0.5Hz、1Hz和2Hz的电场频率上所记录的数据应用Gauss-Newton反演。对于每个频率,所述数据在其达到10-15V/Am2的偏移量处减弱。图1示出了地层的电阻率,并且图2示出了在不使用压缩的情况下的反演的结果。在该合成系统中,有可能避免使用压缩,因为所述问题仅涉及两个空间维度,但是在大多数三维反演问题中由于模型向量m的大小的原因而不可能避免使用压缩。网格具有50m的竖直离散化(discretisation)和100m的水平离散化。地层的深度为4km,而地层的水平距离为20km。通过竖直黑线指示地层中的指示存在碳氢化合物的电阻异常。如图2所示,反演的结果准确地识别出地层中的异常。
图3示出了在使用4的压缩因子时的反演结果。图4中例示了在其上实施反演的网格。4的压缩因子是通过使水平离散化和竖直离散化两者的分辨率减小2倍而实现的。从图3中可以看出,反演的结果具有与图4所示的网格本身相同的压缩分辨率。图4顶部的黑色区域是其中未更新模型的水层。即使存在压缩,图3仍然准确地识别出地层中的异常。
图5示出了在使用132的压缩因子时的反演结果,该压缩因子是通过使水平方向的分辨率减小22倍并使竖直方向的分辨率减小6倍而实现的。图6例示了在其上实施反演的网格。图5示出了反演结果的分辨率是如何与图6所示的网格的分辨率相同的。图5还示出了地层中的异常是如何不再被正确地识别出的,因而除了分辨率减小之外,反演结果也不可靠。
本发明人认识到,如果每当为自由参数选择新的值(其又称为更新模型)时改变压缩,就可以将低分辨率网格的计算优势与较高分辨率反演结果相结合。在每次迭代时,可以在保持相同的压缩度的同时改变算子R。在每次迭代时可以随机地或者以相等的增量改变算子R。在迭代k,完全分辨率网格上的电导率向量mk的反演模型与电导率向量相关,如(方程6)
其不再具有前面讨论的方程4的形式。多个经修改的电导率向量之和提高了网格的分辨率。
图7A、7B和7C示出了使网格偏移的过程,其可以被称为改变算子R。在图7A中,示出了在其上定义电导率模型m2的深度与距离对比的第一空间网格。在图7B中,被示为的物理参数的变化是在相对于第一网格发生偏移的不同网格上完成的:第一网格对应于内插算子R1,而第二网格对应于不同于R1的内插算子R2。在图7C中,电导率模型m3的下一迭代被示为m3=m2+Δm2。如果我们假设初始模型m1是均匀的,那么具有与第一压缩网格相同的分辨率,但是在第二次迭代中分辨率增大,因为R2≠R1,并且在迭代反演过程期间,分辨率累加。例如,更新后的模型不能再像图5和图6的示例中那样由自由参数的压缩的数量Nc来描述。
图8和图9示出了通过改变内插算子的方法而获得的最终电阻率模型。图8和图9中的压缩因子为132,该压缩因子是通过水平方向的22倍的压缩和竖直深度方向的6倍的压缩而获得的。在图8中,在压缩网格的每个单元中,任何迭代处的模型更新都是常数,如图3到图6的方法那样。此外,对于属于压缩网格的同一大单元的所有细分网格单元而言,模型更新都是等同的。在迭代过程期间使用的不同网格都是可见的。在图9中,不同网格不再是可见的。图8中使用的方法与图9中使用的方法之间的差异在于所使用的内插算子R的类型,即,经过压缩的一组物理参数与在“完整”网格上定义的物理参数m之间的关系的类型。在图8中,压缩的模型更新(在含有大单元的压缩网格上定义的)与模型更新(在含有小单元的网格上定义的)之间的关系使得所述模型更新对于属于压缩网格的同一大单元的所有小单元而言都是等同的。这意味着,算子Rk是位于第k个压缩网格的大单元的中心处的节点之间的最近邻的内插器。在图9中,使用比最近邻内插器更加平滑的内插器。也可以首先使用最近邻内插,然后使所获得的结果平滑化。
如图8和图9所示的结果是对地层中的异常的正确识别。在使用132的压缩因子时,结果并没有与图2所示的“完整”模型反演有太大的不同。完整模型反演并不是实际CSEM数据集的选项,并且文中公开的与变化的网格相结合的压缩提供了一种可行的用于实现对地层的电导率的准确估计的方法。在将图8和图9的结果与图5的结果进行比较时,要注意,图5的方法是没用的,因为其结果非常差。然而,图8和图9的方法的数字成本与图5的结果类似。
图10示出了CSEM数据与基于估计的电阻率的模拟数据之间的RMS误差。纵轴示出了所述误差,并且横轴示出了反演的迭代次数。对于所有方法而言,在迭代次数增大时误差均降低。具有最大的最终误差的性能最差的方法是在不改变网格的情况下使用132的压缩因子的方法。使用132的压缩因子并且另外改变网格的模型向量具有比性能最差的方法好得多的最终误差。还可以使用内插中的平滑化来获得进一步的改进。使用压缩因子为4的弱压缩表现得更好,而没有任何压缩的“完整”模型向量表现得最好。
本文以示例的方式描述的方法涉及CSEM数据的非线性反演,但所主张的发明也可以应用于其它方法。例如,其它类型的地球物理学数据的非线性反演,如大地电磁数据、地震数据、在钻孔中采集的声学数据和地面穿透雷达数据的非线性反演。对于地震数据,本发明的应用是所谓的完整波形反演。该方法也可以应用于联合反演,其中同时使用若干类型的数据。
可以从地球物理学数据反演的一些常见地球性质包括声波速度、地层和流体密度、声阻抗、泊松比、地层压缩率、抗剪刚度、孔隙度和流体饱和度。
确定性反演方法基于地球模型的输出与观测的现场数据的比较以及连续更新地球模型参数以使函数最小化,该函数通常是模型输出与现场观测值之间的某种形式的差。使目标函数最小化的所述一组模型参数将产生与收集的现场地震数据相比最好的数值地震图。还在能够在迭代之间改变的网格上执行更新的步骤。还可以使用随机反演方法以使用诸如克里金插值之类的地球统计工具来生成如在储层流动模拟中使用的约束模型。与产生单组模型参数的确定性反演方法相反,随机方法生成全部服从模型约束的一套替代的地球模型参数。
尽管已经依据上文阐述的优选实施例描述了本发明,但应当理解,这些实施例仅仅是例示性的,并且权利要求不限于那些实施例。鉴于本公开,本领域的技术人员将能够做出修改和替换,它们被视为落在所附权利要求的范围内。本说明书中公开或例示的每个特征可以被并入本发明,无论是单独的或与本文公开或例示的任何其它特征进行任何适当组合。
Claims (13)
1.一种估计一组物理参数的方法,所述方法包括:
对方程进行迭代反演,以使取决于模拟数据和测量数据的惩罚项最小化,并提供估计的一组物理参数,
其中,所述迭代反演至少包括第一反演步骤和第二反演步骤,并且其中,所述模拟数据取决于表示所述一组物理参数的模型向量;
向表示所述一组物理参数的所述模型向量应用压缩算子,以减少自由变量的数量并产生压缩模型向量;以及
在所述第一反演步骤和所述第二反演步骤之间改变所述压缩算子。
2.根据权利要求1所述的方法,还包括:
计算在所述第一反演步骤中获得的压缩模型向量和在所述第二反演步骤中获得的压缩模型向量的组合。
3.根据前述权利要求中的任一项所述的方法,其中,所述模型向量是在网格上定义的,并且其中,所述压缩算子减少了在所述网格上定义的所述自由参数的数量。
4.根据权利要求3所述的方法,其中,所述压缩算子是被布置为对所述网格的相邻单元上的所述物理参数的值进行内插的最近邻内插器。
5.根据权利要求4所述的方法,还包括使经内插的值平滑化。
6.根据前述权利要求中的任一项所述的方法,其中,所述反演基于以下之一:Gauss-Newton方法、OCCAM算法、Levenberg-Marquardt算法、准Newton算法或者基于梯度的算法。
7.根据前述权利要求中的任一项所述的方法,其中,所述测量数据是CSEM数据或地震数据。
8.根据权利要求3所述的方法,其中,所述网格是均匀的或者非均匀的。
9.根据权利要求3所述的方法,其中,所述物理参数涉及地层,并且其中,所述网格取决于所述地层的先验知识。
10.根据权利要求3所述的方法,其中,所述压缩算子在所述第一反演步骤和所述第二反演步骤之间的所述改变将使所述自由参数在所述第一反演步骤和所述第二反演步骤之间发生偏移。
11.根据前述权利要求中的任一项所述的方法,其中,所述惩罚项是下述选项之一:
所述模拟数据和所述测量数据之间的误差,
取决于所述模拟数据和所述测量数据的成本函数,
以下之和或者积:(i)所述模拟数据和所述测量数据之间的所述误差与(ii)根据预定偏好进行加权的所述模拟数据。
12.一种计算机系统,被布置为执行根据前述权利要求中的任一项所述的方法。
13.一种计算机软件,在安装于根据权利要求12所述的计算机系统上时,所述计算机软件被布置成使所述计算机系统执行根据权利要求1到11中的任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2015/060265 WO2016180457A1 (en) | 2015-05-08 | 2015-05-08 | Model compression |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107810432A true CN107810432A (zh) | 2018-03-16 |
CN107810432B CN107810432B (zh) | 2020-04-24 |
Family
ID=53175498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580081147.0A Expired - Fee Related CN107810432B (zh) | 2015-05-08 | 2015-05-08 | 模型压缩 |
Country Status (9)
Country | Link |
---|---|
US (1) | US10845493B2 (zh) |
EP (1) | EP3295220A1 (zh) |
CN (1) | CN107810432B (zh) |
AU (1) | AU2015394432B2 (zh) |
BR (1) | BR112017024014A2 (zh) |
CA (1) | CA2985246A1 (zh) |
EA (1) | EA035400B1 (zh) |
MX (1) | MX2017014290A (zh) |
WO (1) | WO2016180457A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10871590B2 (en) * | 2017-06-16 | 2020-12-22 | Pgs Geophysical As | Electromagnetic data inversion |
GB2570330B (en) * | 2018-01-22 | 2020-02-26 | Equinor Energy As | Regularization of non-linear inversions of geophysical data |
GB2573152B (en) * | 2018-04-26 | 2020-05-27 | Equinor Energy As | Providing for uncertainty in non-linear inversions of geophysical data |
GB2585216B (en) * | 2019-07-02 | 2021-12-01 | Equinor Energy As | Improved inversions of geophysical data |
EP3945471A1 (en) | 2020-07-28 | 2022-02-02 | Siemens Aktiengesellschaft | Method for automated determination of a model compression technique for compression of an artificial intelligence-based model |
CN116908928B (zh) * | 2023-05-15 | 2024-03-26 | 重庆大学 | 一种基于地层自适应加密的大地电磁反演方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103329008A (zh) * | 2010-11-12 | 2013-09-25 | 雪佛龙美国公司 | 用于调查岩层的地下特征的系统和方法 |
US20150039231A1 (en) * | 2012-12-31 | 2015-02-05 | Halliburton Energy Services, Inc. | Measurement correction apparatus, methods, and systems |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101095143B (zh) * | 2004-11-04 | 2010-06-16 | 贝克休斯公司 | 多精度多维测井数据反演以及深岩层成像方法 |
US7675818B2 (en) * | 2005-07-28 | 2010-03-09 | ExxonMobil Upstream Resarch Co. | Method for tomographic inversion by matrix transformation |
CA2664352C (en) * | 2006-09-28 | 2011-09-27 | Exxonmobil Upstream Research Company | Iterative inversion of data from simultaneous geophysical sources |
US7640110B2 (en) * | 2007-04-27 | 2009-12-29 | Schlumberger Technology Corporation | Pixel based inversion method for surface electromagnetic measurement |
US8731318B2 (en) * | 2007-07-31 | 2014-05-20 | Hewlett-Packard Development Company, L.P. | Unified spatial image processing |
CA2793124A1 (en) * | 2010-03-19 | 2011-09-22 | Schlumberger Canada Limited | Uncertainty estimation for large-scale nonlinear inverse problems using geometric sampling and covariance-free model compression |
US9176244B2 (en) * | 2010-03-31 | 2015-11-03 | Schlumberger Technology Corporation | Data set inversion using source-receiver compression |
US8688616B2 (en) * | 2010-06-14 | 2014-04-01 | Blue Prism Technologies Pte. Ltd. | High-dimensional data analysis |
WO2013116099A1 (en) * | 2012-01-30 | 2013-08-08 | Schlumberger Canada Limited | Improving efficiency of pixel-based inversion algorithms |
-
2015
- 2015-05-08 AU AU2015394432A patent/AU2015394432B2/en not_active Ceased
- 2015-05-08 US US15/572,433 patent/US10845493B2/en active Active
- 2015-05-08 WO PCT/EP2015/060265 patent/WO2016180457A1/en active Application Filing
- 2015-05-08 EA EA201792424A patent/EA035400B1/ru not_active IP Right Cessation
- 2015-05-08 BR BR112017024014A patent/BR112017024014A2/pt not_active Application Discontinuation
- 2015-05-08 EP EP15722175.5A patent/EP3295220A1/en not_active Withdrawn
- 2015-05-08 MX MX2017014290A patent/MX2017014290A/es unknown
- 2015-05-08 CN CN201580081147.0A patent/CN107810432B/zh not_active Expired - Fee Related
- 2015-05-08 CA CA2985246A patent/CA2985246A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103329008A (zh) * | 2010-11-12 | 2013-09-25 | 雪佛龙美国公司 | 用于调查岩层的地下特征的系统和方法 |
US20150039231A1 (en) * | 2012-12-31 | 2015-02-05 | Halliburton Energy Services, Inc. | Measurement correction apparatus, methods, and systems |
Non-Patent Citations (1)
Title |
---|
A. ABUBAKAR1 EL: ""A model-compression scheme for nonlinear electromagnetic inversions"", 《GEOPHYSICS》 * |
Also Published As
Publication number | Publication date |
---|---|
EA201792424A1 (ru) | 2018-06-29 |
EA035400B1 (ru) | 2020-06-08 |
EP3295220A1 (en) | 2018-03-21 |
WO2016180457A1 (en) | 2016-11-17 |
US20180136349A1 (en) | 2018-05-17 |
MX2017014290A (es) | 2018-09-21 |
AU2015394432B2 (en) | 2021-05-27 |
US10845493B2 (en) | 2020-11-24 |
CA2985246A1 (en) | 2016-11-17 |
CN107810432B (zh) | 2020-04-24 |
AU2015394432A1 (en) | 2017-12-14 |
BR112017024014A2 (pt) | 2018-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107810432A (zh) | 模型压缩 | |
US9779060B2 (en) | Systems and methods for generating updates of geological models | |
Jafarpour et al. | History matching with an ensemble Kalman filter and discrete cosine parameterization | |
Jafarpour et al. | Reservoir characterization with the discrete cosine transform | |
EP0750203B1 (en) | Subsurface modeling from seismic data and secondary measurements | |
US8775142B2 (en) | Stochastic downscaling algorithm and applications to geological model downscaling | |
US11042676B2 (en) | Representing structural uncertainty in a mesh representing a geological environment | |
Ping et al. | History matching of fracture distributions by ensemble Kalman filter combined with vector based level set parameterization | |
Huang et al. | Three-dimensional GPR ray tracing based on wavefront expansion with irregular cells | |
CN104422969A (zh) | 一种减小电磁测深反演结果非唯一性的方法 | |
Zhai et al. | A new fractal interpolation algorithm and its applications to self-affine signal reconstruction | |
Bhark et al. | Multiscale parameterization and history matching in structured and unstructured grid geometries | |
WO2021002761A1 (en) | Improved inversions of geophysical data | |
Liu et al. | Application of sample-compressed neural network and adaptive-clustering algorithm for magnetotelluric inverse modeling | |
WO2019143253A1 (en) | Regularization of non-linear inversions of geophysical data | |
Chang et al. | History matching of facies distribution with varying mean lengths or different principle correlation orientations | |
CN113221409B (zh) | 一种有限元和边界元耦合的声波二维数值模拟方法和装置 | |
CN107710023B (zh) | 反演问题的有效解 | |
CN111751886A (zh) | 一种基于微地震监测数据的页岩气藏裂缝建模方法 | |
Duan et al. | Data assimilation using Bayesian filters and B-spline geological models | |
Han et al. | Multiscale Method for History Matching Channelized Reservoirs Using Level Sets | |
Bhark et al. | Subsurface flow model calibration with a spectral-domain parameterization adaptive to grid connectivity and prior model information | |
CN118091789A (zh) | 大地电磁数据反演方法、装置、电子设备和可读存储介质 | |
Lu | History Matching for Fractured Reservoirs With Hough-Transform-Based Parameterization | |
Song | Pattern Search Algorithms for Surface Wave Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200424 |
|
CF01 | Termination of patent right due to non-payment of annual fee |