文献

J-GLOBAL ID：202102270180479990   整理番号：21A0633393

機械学習に基づく層序予測法【JST・京大機械翻訳】

A Stratigraphic Prediction Method Based on Machine Learning

著者 (12件)： Zhou Cuiying (Civil Engineering, Sun Yat-sen University, Guangzhou 510275, China) ,  Zhou Cuiying (Guangdong Engineering Research Centre for Major Infrastructure Safety, Guangzhou 510275, China) ,  Ouyang Jinwu (Civil Engineering, Sun Yat-sen University, Guangzhou 510275, China) ,  Ouyang Jinwu (Guangdong Engineering Research Centre for Major Infrastructure Safety, Guangzhou 510275, China) ,  Ming Weihua (Civil Engineering, Sun Yat-sen University, Guangzhou 510275, China) ,  Ming Weihua (Guangdong Engineering Research Centre for Major Infrastructure Safety, Guangzhou 510275, China) ,  Zhang Guohao (Civil Engineering, Sun Yat-sen University, Guangzhou 510275, China) ,  Zhang Guohao (Guangdong Engineering Research Centre for Major Infrastructure Safety, Guangzhou 510275, China) ,  Du Zichun (Civil Engineering, Sun Yat-sen University, Guangzhou 510275, China) ,  Du Zichun (Guangdong Engineering Research Centre for Major Infrastructure Safety, Guangzhou 510275, China) ,  Liu Zhen (Civil Engineering, Sun Yat-sen University, Guangzhou 510275, China) ,  Liu Zhen (Guangdong Engineering Research Centre for Major Infrastructure Safety, Guangzhou 510275, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 9  号： 17  ページ： 3553  発行年： 2019年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 地球層序ユニットのシミュレーションは地球工学計画と設計と同様に地球情報学の研究にとって極めて重要である。伝統的方法は,主観的で限定的なエキスパート経験の指針に依存し,それによって,地層シミュレーションの有効な評価が全く不可能になる。この問題を解決するために,本研究では,地質層序系列シミュレーションのための機械学習法を提案した。再帰ニューラルネットワークに基づいて,地層タイプのシーケンスモデルと地層厚さのシーケンスモデルを,連続的に確立した。モデルの性能は,エキスパート駆動学習と組み合わせて改善された。最後に,地質層序系列シミュレーションのために機械学習モデルを確立し,地層タイプと厚さを考慮した三次元(3D)地質モデリング評価法を提案した。結果は,一連のシミュレーションにおいて機械学習を使用できることを示した。機械学習に基づく直列モデルは,坑井における実際の状況を記述でき,それは従来の3D地質モデルに対する補完的ツールである。モデルの予測能力は,エキスパート駆動学習を含むことによってある程度改善される。本研究は,3D地質モデリングによる一連のシミュレーションおよび予測のための新しいアプローチを提供した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測技法 ,  シミュレーション ,  *学習 ,  情報科学 ,  地球 ,  ニューラルネットワーク ,  *層序 ,  坑井 ,  地層 ,  地質 ,  三次元 ,  *機械学習
準シソーラス用語： リカレントニューラルネットワーク ,  評価法 ,  予測能力 , 【Automatic Indexing@JST】

著者キーワード (4件)： リカレントニューラルネットワーク ,  シリーズシミュレーション ,  三次元地質モデリング ,  エキスパート駆動学習

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (38件)：

• Bertoncello, A.; Sun, T.; Li, H.; Mariethoz, G.; Caers, J. Conditioning surface-based geological models to well and thickness data. Math. Geosci. 2013, 45, 873-893.
• Zhu, L.; Zhang, C.; Li, M.; Pan, X.; Sun, J. Building 3D solid models of sedimentary stratum systems from borehole data: An automatic method and case studies. Eng. Geol. 2012, 127, 1-13.
• Jones, N.L.; Walker, J.R.; Carle, S.F. Hydrogeologic unit flow characterization using transition probability geostatistics. Groundwater 2005, 43, 285-289.
• Qiao, J.; Pan, M.; Li, Z.; Jin, Y. 3D Geological modeling from DEM, boreholes, cross-sections and geological maps. In Proceedings of the 2011 19th International Conference on Geoinformatics, Shanghai, China, 24-26 June 2011; pp. 1-5.
• Lallier, F.; Caumon, G.; Borgomano, J.; Viseur, S.; Royer, J.J.; Antoine, C. Uncertainty assessment in the stratigraphic well correlation of a carbonate ramp: Method and application to the Beausset Basin, SE France. Comptes Rendus Geosci. 2016, 348, 499-509.

タイトルに関連する用語 (3件)： 機械学習 ,  層序 ,  予測法