基于深度学习参数化策略的CO2地质封存反演模拟方法

本发明公开了基于深度学习参数化策略的CO2地质封存反演模拟方法，利用深度学习方法对CO2地质封存储层的复杂渗透率场进行参数化降维表征，以一组低维正态分布的潜向量表征非均质渗透率场的分布特征，减少了CO2地质封存数值模拟中的待估参数数量。本发明通过将基于深度学习的参数化方法和多重数据同化迭代集合平滑算法相结合，反演时只需要循环更新低维潜向量，即可高效推估复杂储层的非均质渗透率场，进而提高数值模型对CO2地质封存过程的模拟预测精度。该发明通过有效推估CO2地质封存储层的复杂渗透率分布，提高了对CO2迁移转化过程的模拟刻画精度，可为CO2地质封存项目的优化运营和风险管理提供技术支撑。