論文の概要: Enhancing Robustness Of Digital Shadow For CO2 Storage Monitoring With Augmented Rock Physics Modeling

• arxiv url: http://arxiv.org/abs/2502.07171v1
• Date: Tue, 11 Feb 2025 01:33:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-12 14:05:47.595047
• Title: Enhancing Robustness Of Digital Shadow For CO2 Storage Monitoring With Augmented Rock Physics Modeling
• Title（参考訳）: 拡張された岩石物理モデリングによるCO2貯蔵モニタリングのためのデジタルシャドウのロバスト性向上
• Authors: Abhinav Prakash Gahlot, Felix J. Herrmann,
• Abstract要約: 時間ラプス地震イメージングはCO2の移動を追跡するのに不可欠であるが、多相下流の複雑さを捉えるのにしばしば苦労する。 非線形ベイズフィルタリングや生成AIといった機械学習駆動のデータ同化技術を活用するDigital Shadows(DS)は、より詳細で不確実性を認識した監視アプローチを提供する。 本研究では,様々な岩石物理モデルによる予測アンサンブルの増大が誤った仮定の影響を緩和し,予測精度を向上させることを示す。
• 参考スコア（独自算出の注目度）: 0.276240219662896
• License:
• Abstract: To meet climate targets, the IPCC underscores the necessity of technologies capable of removing gigatonnes of CO2 annually, with Geological Carbon Storage (GCS) playing a central role. GCS involves capturing CO2 and injecting it into deep geological formations for long-term storage, requiring precise monitoring to ensure containment and prevent leakage. Time-lapse seismic imaging is essential for tracking CO2 migration but often struggles to capture the complexities of multi-phase subsurface flow. Digital Shadows (DS), leveraging machine learning-driven data assimilation techniques such as nonlinear Bayesian filtering and generative AI, provide a more detailed, uncertainty-aware monitoring approach. By incorporating uncertainties in reservoir properties, DS frameworks improve CO2 migration forecasts, reducing risks in GCS operations. However, data assimilation depends on assumptions regarding reservoir properties, rock physics models, and initial conditions, which, if inaccurate, can compromise prediction reliability. This study demonstrates that augmenting forecast ensembles with diverse rock physics models mitigates the impact of incorrect assumptions and improves predictive accuracy, particularly in differentiating uniform versus patchy saturation models.
• Abstract（参考訳）: 気候目標を満たすため、IPCCは毎年二酸化炭素のギガトンを除去できる技術の必要性を強調し、地質炭素貯蔵(GCS)が中心的な役割を果たす。 GCSはCO2を捕捉し、長期保存のために深部地質層に注入する。 時間ラプス地震イメージングはCO2の移動を追跡するのに不可欠であるが、多相下流の複雑さを捉えるのにしばしば苦労する。 非線形ベイズフィルタリングや生成AIといった機械学習駆動のデータ同化技術を活用するDigital Shadows(DS)は、より詳細で不確実性を認識した監視アプローチを提供する。 貯留層特性の不確実性を取り入れることで、DSフレームワークはCO2マイグレーション予測を改善し、GCS操作のリスクを低減する。 しかし、データ同化は貯水池の性質、岩石物理学モデル、初期条件に関する仮定に依存し、不正確な場合、予測信頼性を損なう可能性がある。 本研究は, 種々の岩石物理モデルによる予測アンサンブルの増大が, 不正確な仮定の影響を緩和し, 予測精度, 特に均一な飽和モデルとパッチの飽和モデルとの差別化において改善することを示した。

関連論文リスト

• MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
  気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。 以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。 本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
  論文  参考訳（メタデータ） (2024-08-20T13:45:49Z)
• Diffusion-based subsurface multiphysics monitoring and forecasting [4.2193475197905705]
  本稿では,ビデオ拡散モデルを用いた新しい地下マルチ物理モニタリングおよび予測フレームワークを提案する。 このアプローチは、CO$2$進化の高品質な表現と、それに伴う地下弾性特性の変化を生成することができる。 コンパスモデルに基づく実験では,CO$モニタリングに関連する本質的に複雑な物理現象を,提案手法がうまく捉えることができた。
  論文  参考訳（メタデータ） (2024-07-25T23:04:37Z)
• Inference of CO2 flow patterns -- a feasibility study [1.1249583407496222]
  本研究の目的は, 坑井および地震探査データから正規流および不規則流の流動パターンを推定できる定式化を開発することである。 推測の不確実性は、観測された誤差とよく相関しているので妥当であると確信している。 この不確実性は、地震データにおけるノイズと、貯水池の流動特性に関する正確な知識の欠如に起因する。
  論文  参考訳（メタデータ） (2023-11-01T04:41:25Z)
• Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
  気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。 ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。 このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
  論文  参考訳（メタデータ） (2023-09-24T19:57:22Z)
• De-risking Carbon Capture and Sequestration with Explainable CO2 Leakage Detection in Time-lapse Seismic Monitoring Images [2.021175152213487]
  本研究では,最新の深層学習モデルを用いて,CO2プラム(リーカジ)をデライン化するために,時間ラプス地震画像のバイナリ分類を導入する。 また,クラスアクティベーションマッピング手法を用いて,CO2プラムの漏洩領域をローカライズする。
  論文  参考訳（メタデータ） (2022-12-16T17:22:51Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• Real-time high-resolution CO$_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)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)

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。