文献

J-GLOBAL ID：202002216060550261   整理番号：20A2787498

地質統計-インフォームド機械学習を用いた地球統計学的モデリングの加速【JST・京大機械翻訳】

Accelerating geostatistical modeling using geostatistics-informed machine Learning

著者 (2件)： Bai Tao (Department of Petroleum Engineering, University of Wyoming, Laramie, WY, 82071, USA) ,  Tahmasebi Pejman (Department of Petroleum Engineering, University of Wyoming, Laramie, WY, 82071, USA)
資料名： Computers & Geosciences  (Computers & Geosciences)
巻： 146  ページ： Null  発行年： 2021年 
JST資料番号： D0320B  ISSN： 0098-3004  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 通常のKriging(OK)は,空間補間と推定のための一般的な地球統計学アルゴリズムである。OKの計算複雑度は,メモリと速度に対して,それぞれ,2次と3次的に変化し,データ数を与える。したがって,特に3次元(3D)事例において,計算的に集約的であり,また,大量のデータを処理するのが挑戦的である。本論文では,OKを用いて推定する必要がある点の数を減らすことにより,OKの効率を改善するために,地球統計学情報学習(GIML)モデルを開発した。特に,訓練データセットとして使われる重みと推定を得るために,OKによって未知の点の数だけを推定した。さらに,OKの支配方程式を用いて,提案した機械学習をガイドし,空間分布をより良く再現した。著者らの結果は,提案したGIMLが少なくとも1桁のOKの計算時間を減少できることを示した。GIMLの有効性を評価し,2D事例を用いて比較した。さらに,様々な3Dシミュレーショングリッド上で異なる数の訓練サンプルを考慮することにより,その効率とロバスト性を実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  記憶装置 ,  *学習 ,  計算量 ,  二次元 ,  *地質 ,  三次元 ,  有効性 ,  ロバスト性 ,  *機械学習
準シソーラス用語： 訓練データ ,  支配方程式 ,  *地球統計学 ,  三次元シミュレーション ,  空間補間 , 【Automatic Indexing@JST】

著者キーワード (5件)： 人工知能 ,  地球システム ,  地下水 ,  推定 ,  統計的モデリング

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 地質 ,  統計 ,  機械学習 ,  地球統計学 ,  モデリング ,  加速