文献
J-GLOBAL ID:202002241326817915   整理番号:20A2619329

畳込み変分オートエンコーダによる大次元パラメタリゼーション:チャネル化地質相モデルの歴史マッチングへの応用【JST・京大機械翻訳】

Large Dimension Parameterization with Convolutional Variational Autoencoder: An Application in the History Matching of Channelized Geological Facies Models
著者 (5件):
資料名:
巻: 2020  号: ICCSA  ページ: 23-32  発行年: 2020年 
JST資料番号: W2441A  資料種別: 会議録 (C)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
歴史マッチングは石油とガス貯留層の数値モデルにおける動的データを同化する問題である。文献で利用可能な方法の中で,反復アンサンブルスモータは,しばしば実際に使用される。しかし,これらの方法は,すべての変数がGauss型であり,それは,目的がモデルにおける岩石タイプ(相)の分布を更新するという問題におけるそれらの適用を制限すると仮定する。実際,動的データを用いた地質相の更新モデルは,石油産業における未解決の問題である。この問題は,モデルの地質現実性を保存できるパラメトリックモデルの開発に依存する。この文脈において,畳み込み変分オートエンコーダネットワーク(CVAE)のような深層学習に基づくパラメタリゼーション技術は,アンサンブルスモータと組み合わせた場合,この分野で有望な結果を示した。それにもかかわらず,これらのタイプのネットワークは,入力次元が増加するので,ネットワークパラメータの数が指数的に増加するので,大規模貯留層モデルのスケーラビリティの困難さを示す。本研究は,大規模貯留層モデルのモデル化に使用できる2つの新しいCVAEベースネットワークアーキテクチャを導入することによってこの問題に対処した。第1の提案ネットワークは,その設計において「徹底的分離可能畳込み」を組み込み,一方,第2は「開始モジュール」を導入した。結果は,最初のネットワークのための訓練可能なパラメータのかなりの減少を示し,一方,第二のものに対しては,その数は入力次元に対して不変になる。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (5件):
分類
JSTが定めた文献の分類名称とコードです
NMR一般  ,  専用演算制御装置  ,  図形・画像処理一般  ,  音声処理  ,  医用画像処理 

前のページに戻る