文献

J-GLOBAL ID：202202264316650176   整理番号：22A1049459

深層学習代理流モデルによる圧力および飽和予測の高速評価【JST・京大機械翻訳】

Fast evaluation of pressure and saturation predictions with a deep learning surrogate flow model

著者 (3件)： Maldonado-Cruz Eduardo (Hildebrand Department of Petroleum and Geosystem Engineering, Cockrell School of Engineering, The University of Texas at Austin, USA) ,  Pyrcz Michael J. (Hildebrand Department of Petroleum and Geosystem Engineering, Cockrell School of Engineering, The University of Texas at Austin, USA) ,  Pyrcz Michael J. (Department of Geological Sciences, Jackson School of Geosciences, The University of Texas at Austin, USA)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 212  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： 地下水,地熱および石油およびガスのような地中資源を開発するための最適意思決定を支援するための地下流体流応答を予測するために,多孔質媒体を通る流れに対する数値モデルは必須である。貯水池工学のために,数値流動シミュレーションモデリングは,環境インパクトを最小にする間,プロジェクト経済性と安全性を最大化するために,十分に極限回復と回復可能な埋蔵量をサポートして,最大化するために適用した。地下モデルは,地質,地球物理学的,岩石物理学的,貯留層工学データおよび専門家解釈の統合に基づいて,地下不確実性を探索する。不確実性を評価するために,様々な貯留層開発パラメータの感度を試験し,貯留層性能の不確実性モデルを構築するために,流れシミュレーション予測と対にした多重地球統計学的地下不均一性実現に頼った。しかし,大きな貯留層モデルでは,数値フローシミュレーション時間が増加し,プロジェクトコストを増加させ,サイクル時間を増加させ,遅延または減少した決定品質をもたらす,大量の専門時間と計算努力をもたらす。この問題は,代理,計算的に効率的な近似フローモデルの利用を動機づける。現在の方法は,予測精度と最小予測誤差に焦点を合わせる。不確実性が大きいとき,予測精度は不十分であり,全体の不確実性分布を考慮する必要がある。貯留層岩石と流体,発達パラメータ,貯留層流シミュレーション応答の間の関係を予測するために,正確で精密な機械学習ベース代理流モデルを生成する新しい一般的ワークフローを提案した。三次元二相流シミュレータからの結果を用いて,深い畳込みニューラルネットワークを訓練した。次に,開発パラメータと地質情報に基づく不確実性を評価するために,流れ代理からアンサンブル予測を生成するために訓練したモデルを使用した。機械学習ベースの代理モデルは,出力として離散時間ステップ上の徹底的な表面下応答特徴,圧力,および飽和分布を予測する入力として,非次元時間を表す,徹底的な表面下予測子特徴,多孔性,透過性,井戸位置,および工学的特徴を使用する。提案したワークフローは,地中流モデリングの時空的側面を統合した。それは,最適,タイムリーな開発意思決定をサポートするために,数値フローシミュレーションの全計算コストなしで,地下不確実性を探索するための実務者技術者を可能にする。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： シミュレーション ,  二相流 ,  意思決定 ,  シミュレータ ,  不確実性 ,  ニューラルネットワーク ,  岩石 ,  近似法 ,  モデリング ,  *モデル ,  地質 ,  三次元 ,  パラメータ
準シソーラス用語： 予測精度 ,  貯留層 , 【Automatic Indexing@JST】

著者キーワード (5件)： 数値シミュレーション ,  機械学習 ,  代理モデリング ,  畳込みニューラルネットワーク ,  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)： 深層学習 ,  モデル ,  飽和 ,  予測 ,  評価