論文の概要: Predicting the Geothermal Gradient in Colombia: a Machine Learning Approach
- arxiv url: http://arxiv.org/abs/2404.05184v5
- Date: Fri, 3 May 2024 18:46:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-07 22:56:46.077847
- Title: Predicting the Geothermal Gradient in Colombia: a Machine Learning Approach
- Title(参考訳): コロンビアの地熱勾配予測 : 機械学習によるアプローチ
- Authors: Juan C. Mejía-Fragoso, Manuel A. Florez, Rocío Bernal-Olaya,
- Abstract要約: 地熱勾配の決定は 特定の地域の地熱エネルギーポテンシャルを評価するのに 不可欠です
地熱勾配の予測に教師付き機械学習の最近の進歩を活用するアプローチを提案する。
我々は,本モデルの予測精度が12%以内であり,他の著者による独立測定値が本モデルとよく一致していることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Accurate determination of the geothermal gradient is critical for assessing the geothermal energy potential of a given region. Of particular interest is the case of Colombia, a country with abundant geothermal resources. A history of active oil and gas exploration and production has left drilled boreholes in different geological settings, providing direct measurements of the geothermal gradient. Unfortunately, large regions of the country where geothermal resources might exist lack such measurements. Indirect geophysical measurements are costly and difficult to perform at regional scales. Computational thermal models could be constructed, but they require very detailed knowledge of the underlying geology and uniform sampling of subsurface temperatures to be well-constrained. We present an alternative approach that leverages recent advances in supervised machine learning and available direct measurements to predict the geothermal gradient in regions where only global-scale geophysical datasets and course geological knowledge are available. We find that a Gradient Boosted Regression Tree algorithm yields optimal predictions and extensively validate the trained model. We show that predictions of our model are within 12% accuracy and that independent measurements performed by other authors agree well with our model. Finnally, we present a geothermal gradient map for Colombia that highlights regions where futher exploration and data collection should be performed.
- Abstract(参考訳): 地熱勾配の正確な決定は、所定の地域の地熱エネルギーポテンシャルを評価するために重要である。
特に興味深いのは、豊富な地熱資源を持つコロンビアである。
活発な石油とガスの探査と生産の歴史は、掘削されたボーアホールを異なる地質環境に残し、地熱勾配を直接測定した。
残念なことに、地熱資源が存在する国ではそのような測定方法が欠如している。
間接的な物理測定は、地域規模で行うのに費用がかかり、困難である。
計算熱モデルを構築することもできるが、基礎となる地質について非常に詳細な知識と地下温度の均一なサンプリングが必要である。
我々は,地球規模の地球物理データセットとコース地質知識しか利用できない地域での地熱勾配を予測するために,教師付き機械学習と直接測定の最近の進歩を活用するアプローチを提案する。
グラディエントブースト回帰木アルゴリズムは最適な予測を行い、トレーニングされたモデルを広範囲に検証する。
我々は,本モデルの予測精度が12%以内であり,他の著者による独立測定値が本モデルとよく一致していることを示す。
最後に,コロンビアの地熱勾配図で,深部探査とデータ収集を行うべき地域に焦点を当てた。
関連論文リスト
- Enhancing Worldwide Image Geolocation by Ensembling Satellite-Based Ground-Level Attribute Predictors [4.415977307120618]
本稿では,推定位置分布の精度を計測する新しい指標であるリコール対エリア(RvA)を紹介する。
RvAは、文書検索と同様の画像位置情報を扱い、リコールを領域の関数として測定する。
次に、複数のソースからの情報を組み込んでドメインシフトに対処する、グローバルな画像位置情報に対する単純なアンサンブルアプローチについて検討する。
論文 参考訳(メタデータ) (2024-07-18T19:15:52Z) - Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese
Geographic Re-Ranking [61.60169764507917]
中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。
そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
論文 参考訳(メタデータ) (2023-09-04T13:44:50Z) - K2: A Foundation Language Model for Geoscience Knowledge Understanding
and Utilization [105.89544876731942]
大規模言語モデル(LLM)は自然言語処理の一般分野において大きな成功を収めている。
我々は、地球科学におけるLLM研究をさらに促進するために開発された一連の資源とともに、地球科学における最初のLLMであるK2を提示する。
論文 参考訳(メタデータ) (2023-06-08T09:29:05Z) - GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。
オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。
我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文 参考訳(メタデータ) (2023-05-11T03:21:56Z) - Semi-Automated Segmentation of Geoscientific Data Using Superpixels [4.035753155957697]
地質学的プロセスは、臨界鉱物、水、地熱エネルギーなどの資源の分布を決定する。
スーパーピクセルの概念に触発されて,類似した特徴を持つ領域に分割したサーベイデータに対する深層学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2023-03-20T19:21:46Z) - Deep Learning for Reference-Free Geolocation for Poplar Trees [0.17999333451993943]
ジオロケーションは、その遺伝的な構成に基づいて、与えられたサンプルの原産地を特定することに関係している。
本稿では,米国エネルギー省が高速回転型バイオ燃料作物として同定したPopulus trichocarpa(Poplar)のゲノム位置について検討する。
我々のモデルであるMashNetは、ランダムにサンプリングされた不整合配列断片からポプラ木の緯度と経度を予測する。
論文 参考訳(メタデータ) (2023-01-31T03:37:47Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Bayesian Neural Networks for Geothermal Resource Assessment: Prediction
with Uncertainty [0.8331498366387238]
地熱資源ポテンシャル評価への機械学習の適用について検討する。
教師付き学習問題は、アメリカ合衆国ネバダ州内の10の地質学的・物理的特徴の地図を用いて、広い地域にわたって地熱ポテンシャルを定義することで定義される。
我々は、比較的小さな正のトレーニングサイト(既知の資源や活力発電所)と負のトレーニングサイト(不適切な地熱条件のドリルサイト)を提供し、これらを使用して、この分類作業のために人工ニューラルネットワークを制約し、最適化しています。
論文 参考訳(メタデータ) (2022-09-30T15:46:30Z) - Applications of physics-informed scientific machine learning in
subsurface science: A survey [64.0476282000118]
地球系は、化石エネルギー探査、廃棄物処理、地質炭素隔離、再生可能エネルギー生成などの人間の活動によって変化した地質形成です。
したがって、ジオシステムの責任ある使用と探索は、効率的な監視、リスクアセスメント、および実用的な実装のための意思決定支援ツールに依存するジオシステムガバナンスにとって重要です。
近年の機械学習アルゴリズムと新しいセンシング技術の急速な進歩は、地下研究コミュニティがジオシステムガバナンスの有効性と透明性を向上させる新しい機会を提示しています。
論文 参考訳(メタデータ) (2021-04-10T13:40:22Z) - Dynamical Landscape and Multistability of a Climate Model [64.467612647225]
2つの気候モデルのうちの1つで第3の中間安定状態が見つかる。
我々のアプローチを組み合わせることで、海洋熱輸送とエントロピー生産の負のフィードバックが地球の気候の地形をどのように大きく変えるかを特定することができる。
論文 参考訳(メタデータ) (2020-10-20T15:31:38Z)
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。