論文の概要: Groningen: Spatial Prediction of Rock Gas Saturation by Leveraging Selected and Augmented Well and Seismic Data with Classifier Ensembles

• arxiv url: http://arxiv.org/abs/2410.10371v1
• Date: Mon, 14 Oct 2024 10:53:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 22:04:40.533809
• Title: Groningen: Spatial Prediction of Rock Gas Saturation by Leveraging Selected and Augmented Well and Seismic Data with Classifier Ensembles
• Title（参考訳）: Groningen: 岩盤ガス飽和の空間的予測
• Authors: Dmitry Ivlev,
• Abstract要約: 本稿では,巨大グローニンゲンガス田の例における分類器アンサンブル法を用いて,岩盤飽和確率の空間的予測に関する概念を実証する。 提案手法の有効性を示し, トレーニングサンプルを9倍に増やした。 フィールド内および隣接領域におけるガス貯留層の厚さの予測を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper presents a proof of concept for spatial prediction of rock saturation probability using classifier ensemble methods on the example of the giant Groningen gas field. The stages of generating 1481 seismic field attributes and selecting 63 significant attributes are described. The effectiveness of the proposed method of augmentation of well and seismic data is shown, which increased the training sample by 9 times. On a test sample of 42 wells (blind well test), the results demonstrate good accuracy in predicting the ensemble of classifiers: the Matthews correlation coefficient is 0.7689, and the F1-score for the "gas reservoir" class is 0.7949. Prediction of gas reservoir thicknesses within the field and adjacent areas is made.
• Abstract（参考訳）: 本稿では,巨大グローニンゲンガス田の例における分類器アンサンブル法を用いて,岩盤飽和確率の空間的予測に関する概念を実証する。 1481の地震場特性の生成と63の重要な特性の選択の段階について述べる。 提案手法の有効性を示し, トレーニングサンプルを9倍に増やした。 42井戸(盲井戸試験)の試験試料では, マシューズ相関係数は0.7689, F1スコアは0.7949であった。 フィールド内および隣接領域におけるガス貯留層の厚さの予測を行う。

関連論文リスト

• Mapping Drivers of Greenness: Spatial Variable Selection for MODIS Vegetation Indices [5.326755764978551]
  本研究はMODIS植生指標を用いて, スペクトル帯, 生産性, エネルギーフラックス, 観測幾何学, 陸地表面特性の予測因子について検討した。 本研究では,各係数面が基底係数に先行してテンソル積B-スプライン基底とベイズ群ラッソを用いる空間変化係数モデルを提案する。 95パーセントの信頼区間が0を除いた位置をマークする空間的重要度マップを用いて,保持効果を要約し,信頼区間が0を除いた位置の比率として空間的カバレッジ確率を定義する。
  論文  参考訳（メタデータ） (2026-02-07T20:05:46Z)
• Soft Clustering Anchors for Self-Supervised Speech Representation Learning in Joint Embedding Prediction Architectures [45.74430728311433]
  JEPA(Joint Embedding Predictive Architectures)は、自己教師型音声表現学習において有望なアプローチを提供するが、明示的な根拠なしに表現の崩壊に悩まされる。 本稿では,GMM-Anchored JEPAを提案する。GMM-Anchored JEPAはガウス混合モデルの対数メル分光法に一度適合し,凍結した軟体後部をトレーニングを通して補助目標とする。 50k時間音声では、GMMアンカーがASR(28.68% vs. 33.22% WER)、感情認識(67.76% vs. 65.46%)、スロットフィリング(64.7% vs. 59.1% F1)を改善している。
  論文  参考訳（メタデータ） (2026-01-30T20:51:37Z)
• BITS for GAPS: Bayesian Information-Theoretic Sampling for hierarchical GAussian Process Surrogates [45.88028371034407]
  本稿では,階層型GAussian Process Surrogates (BITS for GAPS) のためのベイズ情報理論サンプリングについて紹介する。 BITS for GAPSは、既知の物理がシステムの一部を支配しているシリアルハイブリッドモデリングをサポートする。 候補入力位置から得られる期待情報を定量化するエントロピーに基づく取得関数を導出する。
  論文  参考訳（メタデータ） (2025-11-20T21:36:21Z)
• Forest tree species classification and entropy-derived uncertainty mapping using extreme gradient boosting and Sentinel-1/2 data [6.334209619488757]
  本研究は,スウェーデンの森林において,画素レベルの不確実性推定を伴う新しい10mの樹種マップを提示する。 木種分類は、Sentinel-1とSentinel-2の衛星データから得られた測定値と、スウェーデン国立森林調査所の観測値に基づいている。
  論文  参考訳（メタデータ） (2025-09-22T12:01:49Z)
• Adaptive Physics-Informed Neural Networks with Multi-Category Feature Engineering for Hydrogen Sorption Prediction in Clays, Shales, and Coals [1.5749416770494706]
  本研究では, 適応型物理インフォームドニューラルネットワーク(PINN)フレームワークを導入し, 水素吸着予測を向上する。 PINNは、アダプティブ・ロス関数とモンテカルロ・ドロップアウトにより、不確実な定量化のために最適化された、多面的な注意を伴うディープ・リザーブ・ネットワークを採用している。 このフレームワークは、粘土鉱物、シェール、石炭をまたいだ堅牢なリソロジー特性を示し、85-91%の信頼性スコアを維持している。
  論文  参考訳（メタデータ） (2025-08-24T19:41:33Z)
• Modeling State Shifting via Local-Global Distillation for Event-Frame Gaze Tracking [61.44701715285463]
  本稿では,イベントデータとフレームデータの両方を用いた受動的視線推定の問題に取り組む。 我々は、現在の状態からいくつかの事前登録されたアンカー状態に移行する状態の定量化として、視線推定を再構成する。 大規模視線推定ネットワークを直接学習する代わりに,地域の専門家グループと学生ネットワークを連携させることにより,一般化能力の向上を図る。
  論文  参考訳（メタデータ） (2024-03-31T03:30:37Z)
• ConjNorm: Tractable Density Estimation for Out-of-Distribution Detection [41.843497191873105]
  ポストホックアウト・オブ・ディストリビューション(OOD)検出は、信頼性の高い機械学習において大きな注目を集めている。 本稿では,密度に基づくスコア設計の統一的な視点を提供するために,Bregmanの発散に基づく理論的枠組みを提案する。 我々は,提案するtextscConjNormが,様々なOOD検出設定において,新たな最先端技術を確立したことを示す。
  論文  参考訳（メタデータ） (2024-02-27T21:02:47Z)
• Gas trap prediction from 3D seismic and well test data using machine learning [0.0]
  本研究の目的は,3次元地震データとガス井戸試験からガストラップを予測する手法を作成し,適用することである。 本論文は, 地震波場内におけるガス飽和度と濾過特性の確立したボリュームを選択することにより, トレーニングデータセット作成へのアプローチを定式化した。 その結果, ガス貯留層に対する研究空間に属するキャリブレーション確率の立方体が得られた。
  論文  参考訳（メタデータ） (2024-01-23T12:39:15Z)
• Generalization with Reverse-Calibration of Well and Seismic Data Using Machine Learning Methods for Complex Reservoirs Predicting During Early-Stage Geological Exploration Oil Field [0.0]
  本研究の目的は, 研究領域に広がる炭化水素貯水池の確率を予測するための自律的アプローチを開発し, 適用することである。 この手法は二項分類の問題に機械学習アルゴリズムを用いる。 地震波の属性は予測器として使用される。
  論文  参考訳（メタデータ） (2023-04-06T13:09:33Z)
• Reservoir Prediction by Machine Learning Methods on The Well Data and Seismic Attributes for Complex Coastal Conditions [0.0]
  本研究では,データと空間特性に基づいて学習を行う機械学習の方向性を考察する。 沿岸域における地震データ解釈の難しさを考慮し, 提案手法は, 地質学的, 地質学的データ全体の総量に対応できるツールである。
  論文  参考訳（メタデータ） (2023-01-09T09:23:09Z)
• Statistical Efficiency of Score Matching: The View from Isoperimetry [96.65637602827942]
  本研究では, スコアマッチングの統計的効率と推定される分布の等尺性との間に, 密接な関係を示す。 これらの結果はサンプル状態と有限状態の両方で定式化する。
  論文  参考訳（メタデータ） (2022-10-03T06:09:01Z)
• Robust Representation via Dynamic Feature Aggregation [44.927408735490005]
  ディープ畳み込みニューラルネットワーク(CNN)ベースのモデルは、敵の攻撃に対して脆弱である。 本稿では,新しい正規化により埋め込み空間を圧縮する動的特徴集約法を提案する。 CIFAR-10における攻撃法の平均精度は56.91%である。
  論文  参考訳（メタデータ） (2022-05-16T06:22:15Z)
• Uncertainty Set Prediction of Aggregated Wind Power Generation based on Bayesian LSTM and Spatio-Temporal Analysis [42.68418705495523]
  本稿では,地理的に分散した風力発電所の集合的発生の不確かさの予測に焦点をあてる。 近傍の風力発電場における部分的な観測から動的特徴を学習するための時空間モデルを提案する。 中国北西部の6つの風力発電所の実際のデータに基づく数値実験の結果,集合風力発電の不確実性セットは1つの風力発電所のそれよりも揮発性が少ないことがわかった。
  論文  参考訳（メタデータ） (2021-10-07T11:57:16Z)
• Bootstrapping Your Own Positive Sample: Contrastive Learning With Electronic Health Record Data [62.29031007761901]
  本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。 EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。 私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
  論文  参考訳（メタデータ） (2021-04-07T06:02:04Z)
• Region extraction based approach for cigarette usage classification using deep learning [15.387646343210337]
  本研究では, 深層学習を用いた画像から関連領域を抽出し, 喫煙行動を分類する新しい手法を提案する。 分類後,Yolo-v3に基づく条件検出モジュールを提案し,モデルの性能を向上し,その複雑性を低減する。 提案手法は,このデータセット上で96.74%の分類精度を達成している。
  論文  参考訳（メタデータ） (2021-03-23T13:19:43Z)
• Nishimori meets Bethe: a spectral method for node classification in sparse weighted graphs [53.13327158427103]
  本稿では,分布pをパラメトリ化する西森温度と,分布pに従ってエッジ重みが分布するランダムエルドス・レーニーグラフ上のベーテ自由エネルギーの関係について述べる。 重み付きグラフのBethe Hessian行列の固有値から西森温度を正確に推定する数値計算法を提案する。
  論文  参考訳（メタデータ） (2021-03-05T09:45:56Z)
• Chest x-ray automated triage: a semiologic approach designed for clinical implementation, exploiting different types of labels through a combination of four Deep Learning architectures [83.48996461770017]
  本研究では,異なる畳み込みアーキテクチャの後期融合に基づく深層学習手法を提案する。 公開胸部x線画像と機関アーカイブを組み合わせたトレーニングデータセットを4つ構築した。 4つの異なるディープラーニングアーキテクチャをトレーニングし、それらのアウトプットとレイトフュージョン戦略を組み合わせることで、統一されたツールを得ました。
  論文  参考訳（メタデータ） (2020-12-23T14:38:35Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• Predicting and Mapping of Soil Organic Carbon Using Machine Learning Algorithms in Northern Iran [0.0]
  本研究では,支援ベクトルマシン,人工ニューラルネットワーク,回帰木,ランダムフォレスト,極勾配向上,および従来の深部ニューラルネットワークを用いて,SOCの予測モデルを前進させる機械学習アルゴリズムを提案する。 モデルは、1879年の複合表層土壌サンプルと105の補助データで訓練されている。
  論文  参考訳（メタデータ） (2020-07-12T08:23:24Z)

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。