文献

J-GLOBAL ID：202202261165185932   整理番号：22A0104040

Bayesドロップアウトに基づく深層学習を用いたAVO反転における不確実性推定【JST・京大機械翻訳】

Uncertainty estimation in AVO inversion using Bayesian dropout based deep learning

著者 (3件)： Junhwan Choi (RISE.ML (Reservoir Imaging with Seismic & EM Technology. Machine Learning) Lab, Hanyang University, Seoul, South Korea) ,  Seokmin Oh (RISE.ML (Reservoir Imaging with Seismic & EM Technology. Machine Learning) Lab, Hanyang University, Seoul, South Korea) ,  Joongmoo Byun (RISE.ML (Reservoir Imaging with Seismic & EM Technology. Machine Learning) Lab, Hanyang University, Seoul, South Korea)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 208  号： PA  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： 振幅対オフセット(AVO)反転は,地震反射をP-およびS-インピーダンスのような弾性特性に変換する過程であり,坑井検層およびポスト-またはプレスタック地震データを用いて,基礎地質学の間隔特性と厚さを推定する。深層学習に基づくAVO反転の最近の応用は,優れた結果および実用的応用性を示した。しかし,従来の深層学習法は,関連する予測不確実性なしに予測結果のみをもたらす。2種類の予測不確実性,即ち,雑音の多いデータが含まれる場合に起こる,アリータリック不確実性を考慮するべきである;そして,データの欠如に起因する認識不確実性である。インピーダンスとその不確実性を推定するために,モンテカルロドロップアウトを用いたBayes近似を適用して,Bayesニューラルネットワークを単純に近似した。提案方法から,インピーダンスを予測するだけでなく,地震調査地域における予測不確実性を推定し,予測結果が信頼できるかどうかを決定した。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： モンテカルロ法 ,  インピーダンス ,  雑音 ,  *不確実性 ,  ニューラルネットワーク ,  地質学 ,  地震 ,  近似法 ,  検層
準シソーラス用語： 弾性特性 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 弾性特性 ,  不確実性 ,  Bayes近似 ,  モンテカルロドロップアウト

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (6件)： ドロップ ,  深層学習 ,  AVO ,  反転 ,  不確実性 ,  推定