文献

J-GLOBAL ID：202202231318676340   整理番号：22A0155964

異なる領域における4D地震データと貯留層シミュレーションモデルを比較するための3方向畳込みネットワーク【JST・京大機械翻訳】

A three-way convolutional network to compare 4D seismic data and reservoir simulation models in different domains

著者 (6件)： Rollmann Klaus (Institute of Computing, State University of Campinas, Brazil) ,  Soriano-Vargas Aurea (Institute of Computing, State University of Campinas, Brazil) ,  Cirne Marcos (Institute of Computing, State University of Campinas, Brazil) ,  Davolio Alessandra (Center for Petroleum Studies (CEPETRO), State University of Campinas, Brazil) ,  Schiozer Denis Jose (Center for Petroleum Studies (CEPETRO), State University of Campinas, Brazil) ,  Rocha Anderson (Institute of Computing, State University of Campinas, Brazil)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 208  号： PE  ページ： Null  発行年： 2022年 
JST資料番号： T0412A  ISSN： 0920-4105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 4次元地震(4DS)は,流体(油,ガス,水)の位置,形状,および移動に関する洞察を提供する空間情報を含んでいる。それは,技術者が貯水池シミュレーションモデルを調整し,信頼できる生産予測を提供する能力を増加させるのを助ける。最近の確率的手法は,観測された4D地震データに基づく多数の数値モデルを評価する自動化法を必要とする数百の数値シミュレーションモデルシナリオを考慮する。地震と数値シミュレーションデータの空間的情報を比較し,通常,これらのデータを異なる特性を有する地図に変換する。2つのシミュレーションモデル候補を持つ参照画像(4D地震データ)を用いて訓練された3方向深層ニューラルネットワークを用いて,4D地震データとシミュレーションモデルを比較する新しい方法を提案した。参照を最も良く特性化するシミュレーションモデルを見つける。著者らの方法は,訓練のために人間の専門家によって評価されたシミュレーションモデルと参照マップの1000対以上によって支えられた。テストのために,異なる専門家グループ間の評価者間一致を比較し,少なくとも2つの専門家の間で一致があった事例を考慮して信頼できる試験セットを生成した。最良の訓練された専門家のグループが,彼らの回答でより多く一致し,訓練されていないグループよりもかなり高い評価者間一致を持つことを観察した。この特殊化グループからの回答で著者らの方法を評価するとき,著者らの方式によって選択したシミュレーションモデルが,事例のほぼ90%の専門家によって一致する1つであることを観察した。また,入力における異なる雑音レベルの影響を考察し,雑音が訓練と試験セットの両方で存在するならば,著者らの方法が文献において他のアプローチより優れていることを示した。Copyright 2022 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： 雑音 ,  *畳込み ,  貯水池 ,  自動化 ,  *シミュレーションモデル ,  *ネットワーク ,  雑音指数 ,  *地震 ,  四次元 ,  *油層シミュレーション
準シソーラス用語： 空間情報 ,  数値シミュレーション ,  数値モデル ,  *地震データ ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 歴史マッチング ,  4D地震データ ,  シミュレーションモデル ,  深層学習 ,  データ同化 ,  3方向深層ニューラルネットワーク

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (5件)： 地震データ ,  貯留層シミュレーション ,  モデル ,  3方向 ,  畳込み