グリッドベースシミュレーションのためのグラフニューラルネットワークフレームワーク【JST・京大機械翻訳】

Tang Haoyu; Long Wennan

プレプリント

J-GLOBAL ID：202202210931724249 整理番号：22P0285264

グリッドベースシミュレーションのためのグラフニューラルネットワークフレームワーク【JST・京大機械翻訳】

A Graph Neural Network Framework for Grid-Based Simulation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年02月05日プレプリントサーバーでの情報更新日： 2022年03月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

貯留層シミュレーションは,坑井制御と坑井配置最適化において計算的に高価である。一般に,多くのシミュレーション実行(現実化)が最適井戸位置を達成するために必要である。本論文では,最適化プロセスを加速するためのシミュレーション実行を置き換える代理フィードフォワードモデルを構築するためのグラフニューラルネットワーク(GNN)フレームワークを提案した。GNNフレームワークは,シミュレーション生データから設計され生成された処理グラフデータから入力を取る符号器,プロセス,および復号器を含む。著者らは,以前のステップ状態変数と次のステップ状態変数を含む,6000のサンプル(40の坑井構成に相当)でGNNモデルを訓練した。著者らは,他の6000のサンプルでGNNモデルをテストして,モデル調整の後,1段階予測とロールアウト予測の両方がシミュレーション結果との密接な整合を達成した。GNNフレームワークは,炭素捕捉隔離(CCS)と同様に,油とガスを含む良く関連する地下最適化の適用に大きな可能性を示す。【JST・京大機械翻訳】

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

油層工学

前のページに戻る