文献

J-GLOBAL ID：202202267370253803   整理番号：22A0984305

機械学習を用いた熱坑井欠陥の位置決め【JST・京大機械翻訳】

Localization of Thermal Wellbore Defects Using Machine Learning

著者 (5件)： Bruss Kathryn (DART Laboratory, Georgia Institute of Technology, Atlanta, GA 30332) ,  Kim Raymond (DART Laboratory, Georgia Institute of Technology, Atlanta, GA 30332) ,  Myers Taylor A. (Geothermal Research, Sandia National Laboratories, Albuquerque, NM 87123) ,  Su Jiann-Cherng (Geothermal Research, Sandia National Laboratories, Albuquerque, NM 87123) ,  Mazumdar Anirban (Department of Mechanical Engineering, DART Laboratory, Georgia Institute of Technology, Atlanta, GA 30332)
資料名： Journal of Energy Resources Technology  (Journal of Energy Resources Technology)
巻： 144  号： 9  ページ： Null  発行年： 2022年 
JST資料番号： A0797B  ISSN： 0195-0738  CODEN： JERTD2  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： 欠陥検出と局所化は,地熱と石油/ガス応用の両方で環境損傷坑井漏れを防ぐのに重要である。本研究では,多段,機械学習アプローチを用いて,坑井モデル内の2種類の熱欠陥を局所化した。このアプローチは,ベースデータを生成するためのコンソール熱伝達シミュレーション,欠陥方向を分類するためのニューラルネットワーク,および予測位置へのセンサ推定を合成するための局在化アルゴリズムを含む。小規模の物理的坑井試験ベッドを作成し,実験データを用いてこの手法を検証した。これらの実験データを用いて分類と局在化結果を定量化した。分類はすべての実験的欠陥方向を正しく予測した。位置確認アルゴリズムは,1.49の平均平方自乗誤差で欠陥位置を予測した。本研究のコア寄与は以下の通りである。(1)全体的位置確認アーキテクチャ,(2)局在化のための重心誘導平均シフトクラスタ化の使用,(3)性能の実験的検証と定量化。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  シミュレーション ,  熱伝達 ,  石油 ,  ベッド ,  実験 ,  ニューラルネットワーク ,  地熱 ,  故障検出 ,  重心 ,  クラスタ化 ,  *坑井 ,  検証 ,  計算機アーキテクチャ ,  *機械学習

著者キーワード (2件)： 地熱エネルギー ,  坑井注入/油/ガス/地熱

分類 (1件)： ボイラ  (PB01020V)

タイトルに関連する用語 (3件)： 機械学習 ,  坑井 ,  欠陥