文献

J-GLOBAL ID：202202267486066207   整理番号：22A0104076

3D貯留層シミュレーションおよび適応へのエンドツーエンドニューラルネットワークアプローチ【JST・京大機械翻訳】

End-to-end neural network approach to 3D reservoir simulation and adaptation

著者 (14件)： Illarionov E. (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Illarionov E. (Moscow State University, Moscow, Russia) ,  Temirchev P. (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Temirchev P. (Digital Petroleum LLC, Moscow, Russia) ,  Voloskov D. (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Kostoev R. (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Kostoev R. (Digital Petroleum LLC, Moscow, Russia) ,  Simonov M. (Gazpromneft Science and Technology Centre LLC, Saint-Petersburg, Russia) ,  Pissarenko D. (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Pissarenko D. (TOTAL Research and Development, Moscow, Russia) ,  Orlov D. (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Orlov D. (Digital Petroleum LLC, Moscow, Russia) ,  Koroteev D. (Skolkovo Institute of Science and Technology, Moscow, Russia) ,  Koroteev D. (Digital Petroleum LLC, Moscow, Russia)
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： 貯水池シミュレーションと適応(歴史マッチングとしても知られる)は,典型的には別々の問題として考えられている。一組のモデルは,全ての初期地質パラメータが知られている前方シミュレーション問題の解に狙いを定めているが,他のモデルは,生産データを適合させるために固定フォワードシミュレーションモデルの下で地質パラメータを調整する。これは,新しい効率的な計算スキームの貯留層エンジニアと開発者の両方に多くの困難をもたらす。貯留層シミュレーションと適応問題に対する統一手法を提示した。単一ニューラルネットワークモデルは,動的状態変数による3D貯留層モデルの初期地質パラメータから,任意のモデル入力と変数への良好な生産速度と後方勾配伝播への前進パスを可能にする。モデルフィッティングと地質パラメータ適応の両方が,同じニューラルネットワークモデルの特定の部分に関する最適化問題になる。標準勾配ベース最適化スキームを用いて最適解を見つけることができた。実世界油田モデルと歴史的生産速度を用いて,提案したアプローチが貯留層シミュレーションと歴史マッチングを数桁のシミュレーションスピードアップの利点で可能にすることを示した。最後に,この研究を伝播するために,貯留層モデルの標準処理を可能にし,本論文で提示した手法を再現するPythonベースフレームワークDeepFieldを公開した。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： 最適化 ,  *シミュレーション ,  貯水池 ,  最適化問題 ,  状態変数 ,  *ニューラルネットワーク ,  油田 ,  *エンドツーエンド方式 ,  地質 ,  *三次元 ,  *油層シミュレーション
準シソーラス用語： 神経回路網モデル ,  最適解 ,  Python ,  *貯留層 , 【Automatic Indexing@JST】

著者キーワード (4件)： 機械学習 ,  貯留層シミュレーション ,  歴史マッチング ,  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 (3件)： 3D ,  貯留層シミュレーション ,  適応