合成坑井データのための生成敵対ネットワーク:エキスパート認識対数学的計量【JST・京大機械翻訳】

Klyuchnikov Nikita; Klyuchnikov Nikita; Ismailova Leyla; Kovalev Dmitry; Safonov Sergey; Koroteev Dmitry; Koroteev Dmitry

文献

J-GLOBAL ID：202202257794273045 整理番号：22A0903778

合成坑井データのための生成敵対ネットワーク:エキスパート認識対数学的計量【JST・京大機械翻訳】

Generative Adversarial Networks for synthetic wellbore data: Expert perception vs mathematical metrics

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0903778&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0903778&from=J-GLOBAL&jstjournalNo=T0412A") }}

著者 (7件)： , , , , , ,
資料名：
巻： 211 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)

坑井近傍地域の坑井建設と地質特性化に関連した合成データを生成するため,Generative Adversarial Network(GANs)の適用性を研究した。1Dマッドログ(時系列)と2Dコア画像に焦点を当てた。GANは,一般的にそれらの品質評価の困難さを有することが知られている。さらに,一般的なGANの性能評価法は石油領域に適していない。石油技術者は,GANが特定の物理的および地質学的特性を有するデータを生成することを期待する。40GANモデルを訓練し,それらを用いて合成データを作成した。次に,いくつかの専門家が,数学的メトリックで人間分析を置換することができるかどうかの疑問に対処するために,生成されたデータを分析するために,いくつかの専門家を含んだ。著者らは,いくつかの定量的数学的計量が著者らの専門家の認識を表すことができることを見出した。特に,2Dコア画像に対して,標準開始v3モデルによるモードスコアメトリックは,Kendall相関(2つの定性的計量に対する相関が強かった,絶対値が0.7以上,他の2つが中等度であり,絶対値が0.5と0.7の間にある)に従って,専門家の知覚の全ての考慮された定性的計量に対する最良のプロキシであることを示した。マッドログ時系列,モードスコア,および,開始時間モデルによるFrechet開始距離が,オブジェクト再構成品質との強い相関(0.7以上)を与えるが,一方,開始スコアは,オブジェクト生成品質の専門家の認識と,ほとんど強い相関(Kendalls’-tau係数0.69)を有する。これらの結果によって,GANモデル選択プロセスの間の生成された物体のエキスパートマニュアルアノテーションを,対応する定量的計量を計算するために減らすことができた。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

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

著者キーワード (4件)： , , ,

油層工学

, , , ,

前のページに戻る