提出概率联合恢复方法，提升碳封存监测中泄漏风险评估的可靠性。
Probabilistic Joint Recovery Method for CO$_2$ Plume Monitoring
- 基于共享生成模型估计多期监测的后验分布，量化不确定性。
- 相比传统方法，提供含置信度的流体动态预测结果。
- 适合关注碳封存安全性和风险评估的研究者与工程师。
减少二氧化碳排放对缓解气候变化至关重要。碳捕集与封存（CCS）是实现净负排放的少数技术之一。然而，由于二氧化碳渗流动态和储层属性存在不确定性，预测 CCS 中的流体流动模式仍具挑战。在现有地震成像方法如联合恢复法（JRM）缺乏不确定性量化的基础上，本文提出概率联合恢复法（pJRM）。通过使用共享生成模型对多期调查中的后验分布进行估计，pJRM 提供了不确定性信息，从而提升 CCS 项目的风险评估能力。
原文摘要 · Abstract (English)
Reducing CO$_2$ emissions is crucial to mitigating climate change. Carbon Capture and Storage (CCS) is one of the few technologies capable of achieving net-negative CO$_2$ emissions. However, predicting fluid flow patterns in CCS remains challenging due to uncertainties in CO$_2$ plume dynamics and reservoir properties. Building on existing seismic imaging methods like the Joint Recovery Method (JRM), which lacks uncertainty quantification, we propose the Probabilistic Joint Recovery Method (pJRM). By estimating posterior distributions across surveys using a shared generative model, pJRM provides uncertainty information to improve risk assessment in CCS projects.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。