論文の概要: Application of machine learning to gas flaring
- arxiv url: http://arxiv.org/abs/2301.04141v1
- Date: Wed, 11 Jan 2023 03:30:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-12 17:46:18.291324
- Title: Application of machine learning to gas flaring
- Title(参考訳): ガスフレアリングへの機械学習の適用
- Authors: Rong Lu
- Abstract要約: 火花の規模はいくつかの州で大きく、エネルギー廃棄物や二酸化炭素排出の問題を構成する。
ノースダコタ州では, オペレーターは, 火花の体積を推定し, 報告することが求められている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Currently in the petroleum industry, operators often flare the produced gas
instead of commodifying it. The flaring magnitudes are large in some states,
which constitute problems with energy waste and CO2 emissions. In North Dakota,
operators are required to estimate and report the volume flared. The questions
are, how good is the quality of this reporting, and what insights can be drawn
from it? Apart from the company-reported statistics, which are available from
the North Dakota Industrial Commission (NDIC), flared volumes can be estimated
via satellite remote sensing, serving as an unbiased benchmark. Since
interpretation of the Landsat 8 imagery is hindered by artifacts due to glow,
the estimated volumes based on the Visible Infrared Imaging Radiometer Suite
(VIIRS) are used. Reverse geocoding is performed for comparing and contrasting
the NDIC and VIIRS data at different levels, such as county and oilfield. With
all the data gathered and preprocessed, Bayesian learning implemented by MCMC
methods is performed to address three problems: county level model development,
flaring time series analytics, and distribution estimation. First, there is
heterogeneity among the different counties, in the associations between the
NDIC and VIIRS volumes. In light of such, models are developed for each county
by exploiting hierarchical models. Second, the flaring time series, albeit
noisy, contains information regarding trends and patterns, which provide some
insights into operator approaches. Gaussian processes are found to be effective
in many different pattern recognition scenarios. Third, distributional insights
are obtained through unsupervised learning. The negative binomial and GMMs are
found to effectively describe the oilfield flare count and flared volume
distributions, respectively. Finally, a nearest-neighbor-based approach for
operator level monitoring and analytics is introduced.
- Abstract(参考訳): 現在、石油産業では、生産されたガスを商品化せずに燃やすことがしばしばある。
火花の大きさはいくつかの州で大きく、エネルギー廃棄物や二酸化炭素排出の問題を構成する。
ノースダコタ州では、オペレーターはボリュームのフレアを見積もって報告する必要がある。
質問は、このレポートの品質と、そこから得られる洞察がどの程度優れているか、ということだ。
ノースダコタ工業委員会(NDIC)が公表した統計は別として、衛星リモートセンシングによって、偏光量の推定が可能で、バイアスのないベンチマークとして機能する。
ランドサット8画像の解釈は、光による人工物によって妨げられているため、可視赤外イメージングラジオメータスイート(VIIRS)に基づく推定ボリュームが使用される。
逆ジオコーディングは、NDICおよびVIIRSデータを、郡や油田など様々なレベルで比較および対比するために行われる。
MCMC法で実装されたベイズ学習は,すべてのデータを収集・前処理することにより,郡レベルのモデル開発,フラリング時系列解析,分布推定という3つの問題に対処する。
まず、NDIC巻とVIIRS巻の関連において、異なる郡間に異質性がある。
このような観点から、階層モデルを利用して各郡向けにモデルを開発する。
第2に、騒がしい時系列にはトレンドやパターンに関する情報が含まれており、オペレータのアプローチに関する洞察を提供する。
ガウス過程は多くの異なるパターン認識シナリオにおいて有効である。
第三に、分布的洞察は教師なし学習によって得られる。
負の二項数とGMMは油田フレア数とフレア体積分布をそれぞれ効果的に表す。
最後に、オペレータレベルの監視と分析に最も近いアプローチを紹介する。
関連論文リスト
- Efficiency of Unsupervised Anomaly Detection Methods on Software Logs [0.0]
本稿では,異常検出のための教師なしおよび時間効率の手法について検討する。
モデルは4つのパブリックデータセットで評価される。
単語表現付きOOV検出器は高速では最適である。精度では、OOV検出器とトリグラム表現を組み合わせると、AUC-ROC(0.846)の最高値が得られる。
論文 参考訳(メタデータ) (2023-12-04T14:44:31Z) - FLOGA: A machine learning ready dataset, a benchmark and a novel deep
learning model for burnt area mapping with Sentinel-2 [41.28284355136163]
森林火災は人間や動物の生活、生態系、社会経済の安定に重大な脅威をもたらす。
本研究では、FLOGA(Forest wiLdfire Observations for the Greek Area)と名付けた機械学習可能なデータセットを作成し、導入する。
このデータセットは、山火事の前後に取得された衛星画像からなるため、ユニークなものである。
我々はFLOGAを用いて、複数の機械学習アルゴリズムとディープラーニングアルゴリズムの徹底的な比較を行い、バーント領域の自動抽出を行う。
論文 参考訳(メタデータ) (2023-11-06T18:42:05Z) - Implicit neural representation for change detection [15.741202788959075]
点雲の変化を検出する最も一般的なアプローチは、教師付き手法に基づいている。
Inlicit Neural Representation (INR) for continuous shape reconstruction と Gaussian Mixture Model for categorising change の2つのコンポーネントからなる教師なしアプローチを提案する。
本手法を都市スプロールのためのシミュレーションLiDAR点雲からなるベンチマークデータセットに適用する。
論文 参考訳(メタデータ) (2023-07-28T09:26:00Z) - Imbalanced Aircraft Data Anomaly Detection [103.01418862972564]
航空シナリオ下でのセンサーからの時間データの異常検出は実用的だが難しい課題である。
本稿では,グラフィカル・テンポラル・データ分析フレームワークを提案する。
シリーズ・トゥ・イメージ (S2I) と呼ばれる3つのモジュール、ユークリッド距離 (CRD) を用いたクラスタ・ベース・リサンプリング・アプローチ、変数・ベース・ロス (VBL) から構成される。
論文 参考訳(メタデータ) (2023-05-17T09:37:07Z) - Diffuse-Denoise-Count: Accurate Crowd-Counting with Diffusion Models [49.59991322513561]
我々は,JHU-CROWD++で最大6%,UCF-QNRFで最大7%の誤差を改善する新しい群集カウントパイプラインを開発した。
論文 参考訳(メタデータ) (2023-03-22T17:58:01Z) - Inferencing the earth moving equipment-environment interaction in open
pit mining [0.0]
鉱業において、グレードコントロールは一般的に、ブラストホールサンプリングと鉱石制御ブロックモデルの推定に焦点を当てている。
本研究では、教師なしクラスタリングを行い、行方不明情報を予測する2段階の手法を実装した。
この方法は西オーストラリア州ピルバラの露天掘り鉱山で試験された。
論文 参考訳(メタデータ) (2023-02-04T08:38:04Z) - Unveiling the Sampling Density in Non-Uniform Geometric Graphs [69.93864101024639]
グラフを幾何学グラフとみなす: ノードは基礎となる計量空間からランダムにサンプリングされ、その距離が指定された近傍半径以下であれば任意のノードが接続される。
ソーシャルネットワークでは、コミュニティは密集したサンプル領域としてモデル化でき、ハブはより大きな近傍半径を持つノードとしてモデル化できる。
我々は,未知のサンプリング密度を自己監督的に推定する手法を開発した。
論文 参考訳(メタデータ) (2022-10-15T08:01:08Z) - Multi-time Predictions of Wildfire Grid Map using Remote Sensing Local
Data [0.0]
本稿では,米国西部の10か所で収集されたローカルデータをローカルエージェントで共有する分散学習フレームワークを提案する。
提案モデルには,動的オンライン推定や時系列モデリングなど,予測評価における特徴的ニーズに対処する特徴がある。
論文 参考訳(メタデータ) (2022-09-15T22:34:06Z) - Injecting Knowledge in Data-driven Vehicle Trajectory Predictors [82.91398970736391]
車両軌道予測タスクは、一般的に知識駆動とデータ駆動の2つの視点から取り組まれている。
本稿では,これら2つの視点を効果的に結合する「現実的残留ブロック」 (RRB) の学習を提案する。
提案手法は,残留範囲を限定し,その不確実性を考慮した現実的な予測を行う。
論文 参考訳(メタデータ) (2021-03-08T16:03:09Z) - PaDiM: a Patch Distribution Modeling Framework for Anomaly Detection and
Localization [64.39761523935613]
本稿では,画像中の異常を同時検出・ローカライズするPatch Distribution Modeling, PaDiMを提案する。
PaDiMは、パッチの埋め込みに事前訓練された畳み込みニューラルネットワーク(CNN)を使用している。
また、CNNの異なるセマンティックレベル間の相関を利用して、異常のローカライズも改善している。
論文 参考訳(メタデータ) (2020-11-17T17:29:18Z) - JHU-CROWD++: Large-Scale Crowd Counting Dataset and A Benchmark Method [92.15895515035795]
我々は、"4,372"イメージと"1.51万"アノテーションを含む、新しい大規模非制約クラウドカウントデータセット(JHU-CROWD++)を導入する。
本稿では, 残差誤差推定により, 群集密度マップを段階的に生成する新しい群集カウントネットワークを提案する。
論文 参考訳(メタデータ) (2020-04-07T14:59:35Z)
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。