文献

J-GLOBAL ID：202202254502590809   整理番号：22A0327109

生成敵対ネットワークを用いたスケーリング変換とマルチスケール識別の組合せによる多孔質媒体の3D再構成【JST・京大機械翻訳】

3D reconstruction of porous media by combining scaling transformation and multi-scale discrimination using generative adversarial networks

著者 (3件)： Zhang Ting (College of Computer Science and Technology, Shanghai University of Electric Power, Shanghai 200090, China) ,  Ji Xin (College of Computer Science and Technology, Shanghai University of Electric Power, Shanghai 200090, China) ,  Lu Fangfang (College of Computer Science and Technology, Shanghai University of Electric Power, Shanghai 200090, China)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 209  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： 多孔質媒質のモデリングと特性化は,石油と天然ガス資源の探索と開発に非常に重要である。従来の数値シミュレーション法は,訓練画像(TI)における統計的確率を通して再構成結果を得るが,再構成プロセスは長く,確率情報は再利用できない。深層学習の開発は,TIからの学習と抽出特性の強い能力とネットワークパラメータの再利用のために,多孔質媒体の再構成のための信頼できるサポートを提供した。一般的深層学習方法として,生成敵対ネットワーク(GAN)は,発電機と識別器の間の敵対的訓練を通して,TIの構造特性と非常に類似した画像を得ることができる。GANに基づいて,多孔性媒質の3D超解像再構成を達成できる三次元マルチスケールパターン生成敵対ネットワーク(3D-MSPGAN)を本論文で提案した。スケーリング変換の使用は,TIよりはるかに大きい多孔質媒質の超解像度画像を再構成するのに3D-MSPGANを可能にし,一方,識別器におけるマルチスケール識別は,再構成過程中に同時にTIの大域的構造と局所特性を保持できる高品質超解像画像の生成のための保証を提供する。さらに,識別器で使用されるマルチスケールパッチ情報により,単一TIだけが多孔質媒体の再構成を完了するのに必要である。いくつかの典型的方法による実験的比較は,3D-MSPGANがより速い速度とより高い品質によって3D多孔質体の再構成を達成できることを証明した。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： 弁別器 ,  石油 ,  天然ガス ,  *ネットワーク ,  モデリング ,  媒質 ,  再構成 ,  超解像 ,  *三次元 ,  再利用 ,  構造特性
準シソーラス用語： 数値シミュレーション ,  *マルチスケール ,  高品質 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 多孔質媒体 ,  深層学習 ,  生成敵対ネットワーク ,  再建 ,  超解像

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (7件)： 敵対 ,  スケーリング ,  マルチスケール ,  識別 ,  組合せ ,  多孔質媒体 ,  3D再構成