文献

J-GLOBAL ID：202202258036336455   整理番号：22A0550765

深層学習を用いたモデル縮小随伴ベース反転:地質炭素隔離モデリングの例【JST・京大機械翻訳】

Model-Reduced Adjoint-Based Inversion Using Deep-Learning: Example of Geological Carbon Sequestration Modeling

著者 (8件)： Xiao Cong (Key Laboratory of Petroleum Engineering, Ministry of Education, China University of Petroleum, Beijing, China) ,  Xiao Cong (College of Petroleum Engineering, China University of Petroleum, Beijing, China) ,  Zhang Shicheng (Key Laboratory of Petroleum Engineering, Ministry of Education, China University of Petroleum, Beijing, China) ,  Zhang Shicheng (College of Petroleum Engineering, China University of Petroleum, Beijing, China) ,  Ma Xinfang (Key Laboratory of Petroleum Engineering, Ministry of Education, China University of Petroleum, Beijing, China) ,  Ma Xinfang (College of Petroleum Engineering, China University of Petroleum, Beijing, China) ,  Jin Jianbing (Jiangsu Key Laboratory of Atmospheric Environment Monitoring and Pollution Control, Jiangsu Collaborative Innovation Center of Atmospheric Environment and Equipment Technology, School of Environmental Science and Engineering, Nanjing University of Information Science and Technology, Nanji...) ,  Zhou Tong (Research Institute of Petroleum Exploration and Production, SINOPEC, Beijing, China)
資料名： Water Resources Research  (Water Resources Research)
巻： 58  号： 1  ページ： e2021WR031041  発行年： 2022年 
JST資料番号： B0706A  ISSN： 0043-1397  CODEN： WRERAQ  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： 深層学習ベース随伴状態アプローチ(Xiao,Deng,&Wang,2021,https://doi.org/10.1029/2020wr027400)に関する我々の以前の研究の拡張として,著者らは,地質炭素貯蔵アプリケーションにおける大規模逆モデリング例を用いて,モデル縮小随伴ベース最適化ワークフローを効率的に導出するための2レベルハイブリッドニューラルネットワークアーキテクチャを提示した。第1の水準は,柔軟な実装のための高性能深層学習ライブラリの高いスケーラビリティとアベイラビリティのために,非線形次元縮小技術,すなわち,深い畳み込みオートエンコーダを採用した。低次元線形モデルと類似して,第二レベルは,縮小部分空間に基づくニューラルネットワーク駆動線形遷移ユニットをエミュレートした。このハイブリッドフレームワークは,無視できる計算コストとコンピュータ貯蔵で,容易に利用可能なモデル縮小随伴導出を提供する。勾配が縮小空間で得られると,逆モデリングのために完全空間に対応して投影される。本方法の性能を,増加する複雑性を有する2つの地質炭素貯蔵(GCS)プロセスベースの多相流モデルを用いて,空間依存確率浸透率場を推定することによって検証する。実験結果は,代理モデルが,比較的少数の訓練データを用いて,CO_2飽和場の空間時間発展を正確に特性化できることを示した。提案した反転ワークフローは従来の有限差分法と類似の結果を達成するが,数桁で高忠実度モデルシミュレーションよりも高速である。したがって,それはGCS処理の不確実性を管理する技術者にとって有益なシミュレーションとモデリングツールになるであろう。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 差分法 ,  最適化 ,  畳込み ,  不確実性 ,  混相流 ,  ニューラルネットワーク ,  アベイラビリティ ,  エミュレーション ,  応用プログラム ,  *モデル ,  コンピュータ ,  ワークフロー ,  *モデル縮小
準シソーラス用語： 計算コスト ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： モデル次数低減 ,  オートエンコーダ復号器 ,  線形化 ,  逆モデリング ,  随伴モデル

分類 (3件)： 流出過程およびそれに及ぼす影響  (DC07020C) ,  一般,砂防工学  (RC12010B) ,  水質汚濁一般  (SB02010U)

タイトルに関連する用語 (6件)： 深層学習 ,  モデル縮小 ,  随伴 ,  反転 ,  地質炭素隔離 ,  モデリング