論文の概要: De-risking Carbon Capture and Sequestration with Explainable CO2 Leakage Detection in Time-lapse Seismic Monitoring Images

• arxiv url: http://arxiv.org/abs/2212.08596v1
• Date: Fri, 16 Dec 2022 17:22:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 15:03:44.359989
• Title: De-risking Carbon Capture and Sequestration with Explainable CO2 Leakage Detection in Time-lapse Seismic Monitoring Images
• Title（参考訳）: 時間経過地震観測画像におけるco2漏れ検出による脱リスク炭素捕獲と隔離
• Authors: Huseyin Tuna Erdinc, Abhinav Prakash Gahlot, Ziyi Yin, Mathias Louboutin, Felix J. Herrmann
• Abstract要約: 本研究では,最新の深層学習モデルを用いて,CO2プラム(リーカジ)をデライン化するために,時間ラプス地震画像のバイナリ分類を導入する。 また,クラスアクティベーションマッピング手法を用いて,CO2プラムの漏洩領域をローカライズする。
• 参考スコア（独自算出の注目度）: 2.021175152213487
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the growing global deployment of carbon capture and sequestration technology to combat climate change, monitoring and detection of potential CO2 leakage through existing or storage induced faults are critical to the safe and long-term viability of the technology. Recent work on time-lapse seismic monitoring of CO2 storage has shown promising results in its ability to monitor the growth of the CO2 plume from surface recorded seismic data. However, due to the low sensitivity of seismic imaging to CO2 concentration, additional developments are required to efficiently interpret the seismic images for leakage. In this work, we introduce a binary classification of time-lapse seismic images to delineate CO2 plumes (leakage) using state-of-the-art deep learning models. Additionally, we localize the leakage region of CO2 plumes by leveraging Class Activation Mapping methods.
• Abstract（参考訳）: 地球温暖化対策のための炭素捕獲・隔離技術の世界的な展開が拡大する中、既存のまたは貯蔵された断層による潜在的なco2漏れの監視と検出は、この技術の安全かつ長期的な存続に不可欠である。 近年のCO2貯蔵の時間ラプス地震モニタリング研究は, 地表記録地震データからCO2配管の成長をモニタリングする能力に有望な成果を示した。 しかし, 地震画像のCO2濃度に対する感度が低かったため, 漏えいを効率的に解釈するためには, さらなる開発が必要である。 本研究では,現在最先端の深層学習モデルを用いて,CO2プラム(リーカジ)をデライン化するために,時間ラプス地震画像のバイナリ分類を導入する。 さらに,クラスアクティベーションマッピング手法を用いて,CO2プラムの漏洩領域をローカライズする。

関連論文リスト

• Enhancing Carbon Emission Reduction Strategies using OCO and ICOS data [40.572754656757475]
  我々は,OCO-2(Orbiting Carbon Observatories)とOCO-3(Orbiting Carbon Observatories)の衛星データとICOS(Integrated Carbon Observation System)の地上観測とECMWFリアナリシスv5(ERA5)の気象データを統合することで,局部的なCO2モニタリングを強化する手法を提案する。 衛星観測から地上レベルCO2を予測するために,K-nearest neighbor (KNN) と機械学習モデルを用いて,3.92ppmのルート平均正方形誤差を達成した。
  論文  参考訳（メタデータ） (2024-10-05T21:23:58Z)
• OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
  既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
  論文  参考訳（メタデータ） (2024-05-12T09:32:40Z)
• A Comprehensive Approach to Carbon Dioxide Emission Analysis in High Human Development Index Countries using Statistical and Machine Learning Techniques [4.106914713812204]
  世界規模の二酸化炭素排出量を効果的に削減するためには、二酸化炭素排出量の傾向を予測し、その排出量パターンに基づいて国を分類することが不可欠だ」と述べた。 本稿では,HDI(Human Development Index)を有する20カ国におけるCO2排出量の決定要因について,25年間にわたる経済,環境,エネルギー利用,再生可能資源に関連する要因について,詳細な比較研究を行った。
  論文  参考訳（メタデータ） (2024-05-01T21:00:02Z)
• GeoViT: A Versatile Vision Transformer Architecture for Geospatial Image Analysis [2.1647301294759624]
  マルチモーダルセグメンテーションのための衛星画像処理に有効なコンパクト・ビジョン・トランスフォーマーモデルGeoViTを紹介する。 発電速度,燃料タイプ,CO2の配管被覆率,高分解能NO2濃度マッピングの精度が向上した。
  論文  参考訳（メタデータ） (2023-11-24T06:22:38Z)
• Inference of CO2 flow patterns -- a feasibility study [1.1249583407496222]
  本研究の目的は, 坑井および地震探査データから正規流および不規則流の流動パターンを推定できる定式化を開発することである。 推測の不確実性は、観測された誤差とよく相関しているので妥当であると確信している。 この不確実性は、地震データにおけるノイズと、貯水池の流動特性に関する正確な知識の欠如に起因する。
  論文  参考訳（メタデータ） (2023-11-01T04:41:25Z)
• Autonomous Detection of Methane Emissions in Multispectral Satellite Data Using Deep Learning [73.01013149014865]
  メタンは最も強力な温室効果ガスの1つである。 現在のメタン放出モニタリング技術は、近似的な放出要因や自己報告に依存している。 深層学習法は、Sentinel-2衛星マルチスペクトルデータにおけるメタン漏れの自動検出に利用することができる。
  論文  参考訳（メタデータ） (2023-08-21T19:36:50Z)
• Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
  機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。 そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。 予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
  論文  参考訳（メタデータ） (2023-03-24T18:32:38Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• De-risking geological carbon storage from high resolution time-lapse seismic to explainable leakage detection [2.021175152213487]
  地質的な炭素貯蔵は、大気中のCO2濃度を下げることのできる、非常にスケーラブルな技術の1つである。 リスク軽減に関する重要な側面は、注入されたCO2が貯蔵施設内に残っていることを保証することである。 本稿では,非複製時間経過モニタリングデータを相互に反転させることにより,時間経過画像を作成する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-07T12:27:18Z)
• STCNet: Spatio-Temporal Cross Network for Industrial Smoke Detection [52.648906951532155]
  本稿では,産業用煙排出ガスを識別する新しい時空間クロスネットワーク(STCNet)を提案する。 提案するSTCNetは, テクスチャの特徴を抽出する空間的特徴と, 煙の動き情報を捕捉する時間的経路を含む。 STCNetは、RISE産業煙検知データセットにおいて、最も優れた競合相手に対して6.2%の精度で明確な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2020-11-10T02:28:47Z)

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。