圧力場データを用いた炭素隔離プロジェクトにおける漏れ検出のための機械学習【JST・京大機械翻訳】

Sinha Saurabh; Sinha Saurabh; de Lima Rafael Pires; Lin Youzuo; Sun Alexander Y.; Symons Neill; Pawar Rajesh; Guthrie George

文献

J-GLOBAL ID：202002242658124160 整理番号：20A2659667

圧力場データを用いた炭素隔離プロジェクトにおける漏れ検出のための機械学習【JST・京大機械翻訳】

Normal or abnormal? Machine learning for the leakage detection in carbon sequestration projects using pressure field data

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A2659667&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A2659667&from=J-GLOBAL&jstjournalNo=W2325A") }}

著者 (8件)： , , , , , , ,
資料名：
巻： 103 ページ： Null 発行年： 2020年
JST資料番号： W2325A ISSN： 1750-5836 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：イギリス (GBR) 言語：英語 (EN)

大気炭素削減のための国際コミットメントは,炭素回収と貯蔵(CCS)プロジェクトの急速な増加を必要とする。成功したCCSプロジェクトへの鍵は長期貯蔵と貯蔵二酸化炭素(CO_2)の漏洩防止にある。温室効果ガスに加えて,表面に到達するCO_2漏洩は,重大な健康リスクをもたらす低層地域に蓄積できる。いくつかの代替案の中で,より有望なCCS貯蔵形成のいくつかは,石油とガス貯留層が枯渇し,そこでは貯留層が炭化水素抽出の前に良好な地質シールを有する。より多くのCCS井戸がオンラインで来ると,恒久的で自動化された監視ツールを実装することが不可避である。簡単な調和パルス試験(HPT)で測定した(CO_2)注入と圧力データを用いて,炭素貯蔵貯留層における漏れ検出プロセスを自動化するために機械学習モデルを適用した。この機械学習ベースのワークフローの実現可能性を検証するために,米国のCranfield油田で行ったHPT実験からのデータを使用した。データは,ベースラインパラメータおよび人工的に導入した漏れで行なった一連のパルス試験から成る。ここでは,予測挙動からの偏差が貯留層の漏れを示す異常検出問題として漏洩検出タスクを提起した。結果は,多層フィードフォワードネットワーク,Long Short-Termメモリ,および畳み込みニューラルネットワークのような異なる機械学習アーキテクチャが漏洩を同定でき,早期警報を提供できることを示した。これらの警報は,次に,修復対策を取るために使用することができる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

環境問題

, , , ,

前のページに戻る