文献

J-GLOBAL ID：202202220444610513   整理番号：22A1163180

高分解能3-D岩石学モデルへの地震データのダウンスケーリングにおける不確実性の定量化【JST・京大機械翻訳】

Quantifying Uncertainty in Downscaling of Seismic Data to High-Resolution 3-D Lithological Models

著者 (5件)： Yin Zhen (Department of Geological Sciences, Stanford University, Stanford, CA, USA) ,  Amaru Maisha (Chevron Technical Center, Houston, TX, USA) ,  Wang Yizheng (Department of Geological Sciences, Stanford University, Stanford, CA, USA) ,  Li Lewis (Chevron Technical Center, Houston, TX, USA) ,  Caers Jef (Department of Geological Sciences, Stanford University, Stanford, CA, USA)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.4508512.1-12  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
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： 地震データを用いた高分解能岩質モデルは,地球資源開発のための意思決定を容易にすることができるが,それらは,限られた地震分解能のため,かなりの不確実性を受ける。伝統的に,高分解能岩質モデルを決定論的に構築し,地球統計学的文脈における「ソフトデータ」として地震を用いて確率的シミュレーションを行った。多くのアプローチが,上記のように開発されているが,本研究では,地震データと岩質モデルの間の不確かな関係を明確に説明する。著者らは,地震から多重岩質比率を生成することによって,最初にソフトデータ不確実性を定量化するためのデータ駆動Bayesアプローチを導入した。空間岩質比率不確実性は,低解像度地震と岩石学比率の間の不確かな関係から生じる。高分解能ボアホールデータを用いた地震との統計的関係の学習によってこの割合の不確実性を定量化した。観測地震に対する統計的関係の条件付けを一度調整すると,空間比率の多重実現を発生できる。体積平均として生成された比率によって,逐次指標シミュレーション(SISim)は,次に,高分解能岩相モデルを構築するために実行した。このアプローチを,4つの岩相を有する実際のチャネル化タービダイトシステムに適用した。発生した高分解能岩質モデルは,ボアホール観測値を局所的にマッチングしながら,比例傾向によって捕捉された地球規模の不確実性を保存できることを示した。決定論的ソフトデータを使用する従来のアプローチと比較して,著者らの統計的学習アプローチは,貯水池モデル不確実性を過小評価する問題を避ける。より重要なことに,提案した方法からの岩相モデルは,観測データによって f化される可能性が低い。さらに,不確実性定量化のためのオープンソースPythonライブラリーを提供した。Copyright 2022 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： シミュレーション ,  貯水池 ,  意思決定 ,  *不確実性 ,  地球 ,  *地震 ,  多重化 ,  *モデル ,  ボアホール ,  *三次元 ,  *高分解能 ,  岩質
準シソーラス用語： 決定論 ,  オープンソース ,  *地震データ , 【Automatic Indexing@JST】

分類 (2件)： 地震探査  (DE10030B) ,  物理探査・地質探査一般  (DE10010F)

タイトルに関連する用語 (7件)： 高分解能 ,  岩石学 ,  モデル ,  地震データ ,  ダウンスケーリング ,  不確実性 ,  定量化