文献

J-GLOBAL ID：202102211878682646   整理番号：21A3306259

ディジタル砂岩における多相流のアップスケーリングのためのCNNベースアプローチ【JST・京大機械翻訳】

A CNN-based approach for upscaling multiphase flow in digital sandstones

著者 (4件)： Siavashi Javad (Department of Petroleum Engineering, Amirkabir University of Technology, Tehran, Iran) ,  Najafi Arman (Department of Petroleum Engineering, Amirkabir University of Technology, Tehran, Iran) ,  Ebadi Mohammad (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Sharifi Mohammad (Department of Petroleum Engineering, Amirkabir University of Technology, Tehran, Iran)
資料名： Fuel  (Fuel)
巻： 308  ページ： Null  発行年： 2022年 
JST資料番号： C0023A  ISSN： 0016-2361  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)

抄録/ポイント： デジタル岩石物理学において,画像解像度と視野の間のトレードオフを見つけ,同時に,低解像度大規模モデルにおける流れ予測の精度を維持することは,挑戦的なタスクである。多相流特性は画像解像度に強く依存する。したがって,細孔スケールシミュレーションに基づくアップスケーリングプロセスは,参照トレードオフに関する低解像度モデル特性を予測するために重要である。本研究は畳み込みニューラルネットワーク(CNN)とダウンサンプリング技術を利用したアップスケーリング法を明らかにした。この方法をFontainebleau砂岩から採取したマルチスケール画像のセットに適用した。高解像度画像をダウンサンプリングし,CNNを訓練するためにそれらの特性でラベル付けした。次に,訓練されたCNNを用いて,低解像度試料のアップスケール特性を予測した。CNNsによる予測アップスケール特性を,連続体スケールシミュレータにおける再構成低解像度モデルの計算機グリッドに割り当てた。前述のモデルと種々の指定特性の多相流シミュレーションを実行することによって,低解像度とCNNアップスケール特性からの得られた動的挙動を高分解能ケースの動的挙動と比較した。結果は,CNNsによるアップスケールモデルの動的挙動と,計算コストと時間の大幅な減少を伴う高分解能特性の間の満足な整合を示した。Copyright 2021 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： シミュレーション ,  *混相流 ,  岩石 ,  *砂岩 ,  再構成 ,  計算機械 ,  ディジタル方式 ,  細孔 ,  連続体 ,  縮尺模型 ,  高分解能
準シソーラス用語： ダウンサンプリング ,  マルチスケール ,  計算コスト ,  動的挙動 , 【Automatic Indexing@JST】

著者キーワード (6件)： ディジタル岩石物理学 ,  細孔スケールシミュレーション ,  多相流 ,  アップスケーリング ,  畳込みニューラルネットワーク ,  ダウンサンプリング

分類 (3件)： 石炭及びコークスの性質,組成,分析,試験  (YE04030T) ,  圧縮点火機関  (PB02030N) ,  鉱物・岩石・鉱石の物理分析  (CC03090Y)

タイトルに関連する用語 (5件)： ディジタル ,  砂岩 ,  多相流 ,  アップスケーリング ,  CNN