論文の概要: Connect the Dots: In Situ 4D Seismic Monitoring of CO$_2$ Storage with Spatio-temporal CNNs

• arxiv url: http://arxiv.org/abs/2105.11622v1
• Date: Tue, 25 May 2021 02:38:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-27 04:39:09.595470
• Title: Connect the Dots: In Situ 4D Seismic Monitoring of CO$_2$ Storage with Spatio-temporal CNNs
• Title（参考訳）: 点をつなぐ:spatio-temporal cnnによるco$_2$ストレージのその場4次元地震モニタリング
• Authors: Shihang Feng, Xitong Zhang, Brendt Wohlberg, Neill Symons and Youzuo Lin
• Abstract要約: 4次元地震イメージングは、井戸で採取されていない体積領域の流動をモニタリングするために、CO$$セシエーションプロジェクトで広く利用されている。 我々は,高忠実度補間画像を効果的かつ効率的に生成できるニューラルネットワークベースのモデルを開発した。 我々のモデルはオートエンコーダ上に構築され、新しい損失関数正規化光フローを持つ長短期記憶(LSTM)構造が組み込まれている。
• 参考スコア（独自算出の注目度）: 16.596385405707977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 4D seismic imaging has been widely used in CO$_2$ sequestration projects to monitor the fluid flow in the volumetric subsurface region that is not sampled by wells. Ideally, real-time monitoring and near-future forecasting would provide site operators with great insights to understand the dynamics of the subsurface reservoir and assess any potential risks. However, due to obstacles such as high deployment cost, availability of acquisition equipment, exclusion zones around surface structures, only very sparse seismic imaging data can be obtained during monitoring. That leads to an unavoidable and growing knowledge gap over time. The operator needs to understand the fluid flow throughout the project lifetime and the seismic data are only available at a limited number of times, this is insufficient for understanding the reservoir behavior. To overcome those challenges, we have developed spatio-temporal neural-network-based models that can produce high-fidelity interpolated or extrapolated images effectively and efficiently. Specifically, our models are built on an autoencoder, and incorporate the long short-term memory (LSTM) structure with a new loss function regularized by optical flow. We validate the performance of our models using real 4D post-stack seismic imaging data acquired at the Sleipner CO$_2$ sequestration field. We employ two different strategies in evaluating our models. Numerically, we compare our models with different baseline approaches using classic pixel-based metrics. We also conduct a blind survey and collect a total of 20 responses from domain experts to evaluate the quality of data generated by our models. Via both numerical and expert evaluation, we conclude that our models can produce high-quality 2D/3D seismic imaging data at a reasonable cost, offering the possibility of real-time monitoring or even near-future forecasting of the CO$_2$ storage reservoir.
• Abstract（参考訳）: 4次元地震イメージングはCO$2$シークエンス計画において、井戸で採取されていない体積地下領域の流動をモニタリングするために広く利用されている。 理想的には、リアルタイムモニタリングと近い将来の予測は、地下貯水池のダイナミクスを理解し、潜在的なリスクを評価するための優れた洞察を提供するだろう。 しかし, 高い展開コスト, 取得装置の可用性, 表面構造を取り巻く排他領域などの障害のため, モニタリング中は, ごくわずかの地震画像データしか得られない。 これにより、時間とともに避けられない、そして成長を続ける知識のギャップが生まれる。 オペレータはプロジェクト期間中の流体の流れを理解する必要があり、地震データは限られた回数でのみ利用可能であり、貯水池の挙動を理解するには不十分である。 これらの課題を克服するために,高忠実度補間あるいは外挿画像の効率よく生成できる時空間ニューラルネットワークモデルを開発した。 特に,本モデルはオートエンコーダ上に構築され,光フローによる新たな損失関数を組み込んだlong short-term memory (lstm) 構造が組み込まれている。 Sleipner CO$_2$Sequestrationフィールドで得られた実際の4Dポストスタック地震画像データを用いて,本モデルの性能を検証した。 モデル評価には2つの戦略を採用しています。 数値解析では,従来のピクセルベースメトリクスを用いて,モデルと異なるベースラインアプローチを比較した。 また、盲目的調査を行い、ドメインの専門家から合計20の回答を収集し、モデルが生成するデータの品質を評価します。 数値的および専門的な評価から,我々のモデルでは,高画質な2次元・3次元地震画像データを妥当なコストで作成することができ,リアルタイムモニタリングやCO$2$貯水池の近未来予測を行うことが可能である。

関連論文リスト

• Real-Time Anomaly Detection and Reactive Planning with Large Language Models [18.57162998677491]
  例えば、大規模な言語モデル(LLM)は、インターネットスケールのデータに基づいて訓練され、ゼロショット機能を持つ。 本稿では,潜在的な異常に関する判断を安全な制御フレームワークに組み込む2段階の推論フレームワークを提案する。 これにより、モニターは、四輪車や自動運転車のような動的ロボットシステムの信頼性を向上させることができる。
  論文  参考訳（メタデータ） (2024-07-11T17:59:22Z)
• OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
  本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。 我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。 意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
  論文  参考訳（メタデータ） (2023-12-14T18:58:52Z)
• Evaluation of Key Spatiotemporal Learners for Print Track Anomaly Classification Using Melt Pool Image Streams [1.83192584562129]
  本稿では,メルトプール画像の分類に適応可能な,先進的な深層学習モデルについて紹介する。 空間的ストリームと時間的ストリームと、繰り返し空間的ネットワークと、分解された3次元畳み込みニューラルネットワークから構成される2つのストリームネットワークについて検討する。 実世界のプロセスシナリオに根ざしたデータテンポラリ手法を用いて, 溶融プール画像データの摂動に曝露した場合の一般化能力について検討した。
  論文  参考訳（メタデータ） (2023-08-28T19:31:53Z)
• SERT: A Transfomer Based Model for Spatio-Temporal Sensor Data with Missing Values for Environmental Monitoring [0.0]
  センサーから収集されたデータは、故障した機器やメンテナンス上の問題によって、しばしば値が失われる。 計算を必要とせず、欠落したデータを処理しながら、多変量時間予測を行うことのできる2つのモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-05T17:06:23Z)
• Autoregressive Uncertainty Modeling for 3D Bounding Box Prediction [63.3021778885906]
  3Dバウンディングボックスは、多くのコンピュータビジョンアプリケーションで広く使われている中間表現である。 本稿では,自己回帰モデルを利用して高い信頼度予測と意味のある不確実性対策を行う手法を提案する。 我々はシミュレーションデータセットであるCOB-3Dをリリースし、現実世界のロボティクスアプリケーションで発生する新しいタイプのあいまいさを強調します。
  論文  参考訳（メタデータ） (2022-10-13T23:57:40Z)
• Motion-aware Memory Network for Fast Video Salient Object Detection [15.967509480432266]
  我々は、隣接するフレームから現在のフレームの有用な時間情報をVSODの時間枝として抽出する時空間メモリ(STM)ベースのネットワークを設計する。 符号化段階では、電流とその隣接するフレームから高次特徴を用いて高次時間特徴を生成する。 復号化段階では,空間的および時間的分岐に対する効果的な融合戦略を提案する。 提案モデルでは,光学フローなどの前処理を必要とせず,推定時に100FPS近い速度に達することができる。
  論文  参考訳（メタデータ） (2022-08-01T15:56:19Z)
• Deep vs. Shallow Learning: A Benchmark Study in Low Magnitude Earthquake Detection [0.0]
  弾性ネット駆動データマイニングによる4つの機能の追加により,既存のロジスティック回帰モデルを構築した。 我々は,Groningenデータに基づいて事前学習したディープ(CNN)モデルに対する拡張ロジスティック回帰モデルの性能を,段階的に増加する雑音-信号比に基づいて評価する。 各比について、我々のロジスティック回帰モデルがすべての地震を正確に検出するのに対し、深部モデルは地震の約20%を検出できないことを発見した。
  論文  参考訳（メタデータ） (2022-05-01T17:59:18Z)
• Real-time Ionospheric Imaging of S4 Scintillation from Limited Data with Parallel Kalman Filters and Smoothness [91.3755431537592]
  南アメリカ上空350kmでS4振幅シンチレーションの2次元電離層像を時間分解能1分で作成する。 その結果, 地上受信機のネットワークが比較的良好なエリアでは, 生成画像が信頼性の高いリアルタイム結果を提供できることがわかった。
  論文  参考訳（メタデータ） (2021-05-11T23:09:14Z)
• Multi-view Depth Estimation using Epipolar Spatio-Temporal Networks [87.50632573601283]
  一つのビデオから多視点深度を推定する新しい手法を提案する。 提案手法は,新しいEpipolar Spatio-Temporal Transformer(EST)を用いて時間的コヒーレントな深度推定を行う。 最近のMixture-of-Expertsモデルにインスパイアされた計算コストを削減するため、我々はコンパクトなハイブリッドネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-26T04:04:21Z)
• A Generative Learning Approach for Spatio-temporal Modeling in Connected Vehicular Network [55.852401381113786]
  本稿では,コネクテッドカーの無線アクセス遅延を実現するための総合的時間品質フレームワークであるLaMI(Latency Model Inpainting)を提案する。 LaMIはイメージインペイントと合成のアイデアを採用し、2段階の手順で欠落したレイテンシサンプルを再構築することができる。 特に、パッチ方式のアプローチを用いて各地域で収集されたサンプル間の空間的相関を初めて発見し、その後、原点および高度に相関したサンプルをバラエナオートコーダ(VAE)に供給する。
  論文  参考訳（メタデータ） (2020-03-16T03:43:59Z)
• Unlimited Resolution Image Generation with R2D2-GANs [69.90258455164513]
  本稿では,任意の解像度の高品質な画像を生成するための新しいシミュレーション手法を提案する。 この方法では、フル長のミッション中に収集したソナースキャンと同等の大きさのソナースキャンを合成することができる。 生成されたデータは、連続的で、現実的に見え、また、取得の実際の速度の少なくとも2倍の速さで生成される。
  論文  参考訳（メタデータ） (2020-03-02T17:49:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。