关于使用全波形反演技术进行超稀疏地震勘探以监测地下二氧化碳储存设施的设计

《International Journal of Greenhouse Gas Control》：On the design of ultra-sparse seismic surveys for monitoring subsurface CO2 storage sites using full waveform inversion

本文提出了一种结合变分贝叶斯推断和目标导向优化方法的时间-lapse地震全波反演新算法，显著降低计算成本并支持超稀疏数据采集。通过利用基线调查的后验概率分布构建最大后验概率（MAP）模型集合，结合确定性线性反演更新，有效量化了地下CO2迁移的不确定性。实验表明，即使仅使用单个震源和稀疏接收器阵列，仍能获得具有合理不确定性的高分辨率速度变化估计，验证了该方法在降低监测成本的同时保持精度的可行性。

　　碳捕集与封存（CCS）项目在评估其是否符合预期时，对地下CO?动态进行监测至关重要。然而，传统方法往往需要密集的地震调查，并且计算复杂度高，导致成本昂贵，尤其是在需要量化真实不确定性的情况下。本文提出了一种更具成本效益的方法，以评估基于最大后验（MAP）解的地震波形反演（FWI）中的不确定性，同时确保决策的稳健性。该方法利用基线调查的强先验信息来指导监测调查的反演过程，使得即使在数据稀疏的情况下，也能生成可靠的地下时间推移速度变化图像，并保持较低的不确定性水平。

在实际的CCS项目中，时间推移的地震监测方法如全波形反演（FWI）被广泛用于构建高分辨率的地下速度模型，以反映CO?注入后的变化。然而，由于FWI的非唯一性，这些结果通常伴随着较大的不确定性。这种不确定性不仅影响对地下CO?迁移和泄漏的检测，还可能影响决策过程。为了减少这些不确定性，通常需要大量计算资源和高成本的密集型数据采集。因此，开发一种既经济又有效的不确定性量化方法显得尤为重要。

本文提出了一种基于变分贝叶斯推断的改进方法，该方法能够在基线反演中生成多个可能的模型样本，并将这些样本作为监测反演的先验信息。这种方法能够在较低的计算成本下提供对时间推移变化的合理估计，同时减少对实际数据的依赖。此外，这种方法还允许在合理成本下评估监测设计的质量，从而确保时间推移成像结果的可信度。

在实践中，当使用稀疏的监测数据采集几何时，通常会遇到数据不足以准确描述地下结构的问题。然而，本文的研究表明，即使使用非常稀疏的采集方式，例如仅一个地震源和一条光纤电缆的记录，也能够生成合理的地下时间推移速度变化图像，并且不确定性依然足够低，以支持有效的决策。这种发现对于CCS项目的监测具有重要意义，因为监测成本通常是项目预算的重要组成部分，而高成本的密集型数据采集可能超出预算限制。

为了实现这一目标，本文首先使用变分贝叶斯反演方法对基线数据进行反演，以获得地下速度结构的后验概率密度函数（PDF）。这一过程提供了对地下结构的强先验信息，可用于指导后续的监测反演。然后，将这些基线反演样本作为初始模型，使用确定性反演方法进行监测反演，以最小化观测数据与模拟数据之间的不匹配。这种方法通过将基线样本调整以符合监测数据，同时利用先验信息来约束反演结果，从而有效减少成像误差。

此外，本文还探讨了不同的监测数据采集几何对反演结果的影响。结果显示，即使使用稀疏的采集方式，如仅一个地震源和多个接收器，也可以获得合理的结果。然而，当数据极其稀疏时，例如仅一个地震源和一个接收器，不确定性可能会增加，因此需要更多的数据点来确保反演的准确性。在某些情况下，如使用光纤电缆进行数据采集，可以实现非常密集的接收器布置，从而提高反演的精度。

本文的方法还强调了对监测数据采集几何进行优化的重要性。通过合理选择源和接收器的数量和位置，可以在不显著增加成本的前提下，提高反演结果的准确性。这在实际的CCS项目中尤为重要，因为监测成本通常是项目预算的重要组成部分，而高成本的密集型数据采集可能超出预算限制。

总的来说，本文提出了一种基于变分贝叶斯推断的创新方法，能够在较低的计算成本下实现时间推移地震反演，并提供合理的不确定性量化。这种方法在CCS项目中具有广泛的应用前景，特别是在监测成本受到限制的情况下，能够有效减少不确定性，提高监测的准确性和可靠性。