論文の概要: Well2Flow: Reconstruction of reservoir states from sparse wells using score-based generative models

• arxiv url: http://arxiv.org/abs/2504.06305v1
• Date: Mon, 07 Apr 2025 20:12:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-10 13:07:23.835298
• Title: Well2Flow: Reconstruction of reservoir states from sparse wells using score-based generative models
• Title（参考訳）: Well2Flow:スコアベース生成モデルを用いたスパース井戸からの貯留状態の再構成
• Authors: Shiqin Zeng, Haoyun Li, Abhinav Prakash Gahlot, Felix J. Herrmann,
• Abstract要約: 本研究では,貯水池シミュレーションシナリオにおけるスコアベース生成モデルの利用について検討した。 塩水帯水層における空間的に多孔質で飽和度の高いフィールドの再構築に焦点が当てられ、2つの井戸でのスパース観測から推測される。 物理制約とウェルログガイダンスを生成モデルに組み込む新しい手法を導入し、再構成された地下状態の精度と物理的妥当性を著しく向上させる。
• 参考スコア（独自算出の注目度）: 0.22499166814992438
• License:
• Abstract: This study investigates the use of score-based generative models for reservoir simulation, with a focus on reconstructing spatially varying permeability and saturation fields in saline aquifers, inferred from sparse observations at two well locations. By modeling the joint distribution of permeability and saturation derived from high-fidelity reservoir simulations, the proposed neural network is trained to learn the complex spatiotemporal dynamics governing multiphase fluid flow in porous media. During inference, the framework effectively reconstructs both permeability and saturation fields by conditioning on sparse vertical profiles extracted from well log data. This approach introduces a novel methodology for incorporating physical constraints and well log guidance into generative models, significantly enhancing the accuracy and physical plausibility of the reconstructed subsurface states. Furthermore, the framework demonstrates strong generalization capabilities across varying geological scenarios, highlighting its potential for practical deployment in data-scarce reservoir management tasks.
• Abstract（参考訳）: 本研究では,2つの井戸でのスパース観測から推定される塩水帯水層における空間的に変化する透水性と飽和場の再構成に着目して,貯水池シミュレーションにおけるスコアベース生成モデルの適用について検討した。 高忠実度貯留層シミュレーションから得られた透水性と飽和の連成分布をモデル化することにより,多孔質媒質中の多相流動を管理する複雑な時空間力学を学習するニューラルネットワークを訓練した。 このフレームワークは、推定中に、井戸ログデータから抽出されたスパース垂直プロファイルを条件にすることで、透水性と飽和度の両方を効果的に再構成する。 提案手法は, 物理制約を組み込む新たな手法を導入し, 再現された地下状態の精度と物理的妥当性を著しく向上させる。 さらに、このフレームワークは、様々な地質学的シナリオにまたがる強力な一般化能力を示し、データスカース貯水池管理タスクの実践的展開の可能性を強調している。

関連論文リスト

• Hierarchically Disentangled Recurrent Network for Factorizing System Dynamics of Multi-scale Systems [4.634606500665259]
  マルチスケールプロセスのモデリングのための知識誘導機械学習(KGML)フレームワークを提案する。 本研究では,水文学における流れ予測の文脈におけるその性能について検討する。
  論文  参考訳（メタデータ） (2024-07-29T16:25:43Z)
• Towards Interpretable Physical-Conceptual Catchment-Scale Hydrological Modeling using the Mass-Conserving-Perceptron [1.1510009152620668]
  本研究では, ニューラル・アーキテクチャー・サーチを用いて, 異なる気候環境下での漁獲量に対する最小限の表現を適切に決定することにより, 地域規模のMPPに基づく水文モデル(大規模なサンプルデータを用いた)の解釈の段階を定めている。
  論文  参考訳（メタデータ） (2024-01-25T21:26:49Z)
• Multi-Modal Learning-based Reconstruction of High-Resolution Spatial Wind Speed Fields [46.72819846541652]
  本稿では,Variデータ同化とディープラーニングの概念に基づくフレームワークを提案する。 この枠組みは、海面風速に関する高解像度のリッチインタイムを回復するために応用される。
  論文  参考訳（メタデータ） (2023-12-14T13:40:39Z)
• Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
  拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。 我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。 我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
  論文  参考訳（メタデータ） (2023-10-11T18:38:28Z)
• Optimization of a Hydrodynamic Computational Reservoir through Evolution [58.720142291102135]
  我々は,スタートアップが開発中の流体力学系のモデルと,計算貯水池としてインターフェースする。 我々は、進化探索アルゴリズムを用いて、読み出し時間と入力を波の振幅や周波数にどのようにマッピングするかを最適化した。 この貯水池システムに進化的手法を適用することで、手作業パラメータを用いた実装と比較して、XNORタスクの分離性が大幅に向上した。
  論文  参考訳（メタデータ） (2023-04-20T19:15:02Z)
• Combined mechanistic and machine learning method for construction of oil reservoir permeability map consistent with well test measurements [0.0]
  ナダラヤ・ワトソン核の回帰は、岩石透過性の二次元空間分布を近似するために用いられる。 構築された透水性マップは,元のマップと流体力学的に類似していることが示される。
  論文  参考訳（メタデータ） (2022-12-20T10:43:13Z)
• Distributed Bayesian Learning of Dynamic States [65.7870637855531]
  提案アルゴリズムは有限状態隠れマルコフモデルに対する分散ベイズフィルタタスクである。 逐次状態推定や、動的環境下でのソーシャルネットワーク上での意見形成のモデル化に使用できる。
  論文  参考訳（メタデータ） (2022-12-05T19:40:17Z)
• Deep-learning-based coupled flow-geomechanics surrogate model for CO$_2$ sequestration [4.635171370680939]
  3次元リカレントr-u-netモデルは、深い畳み込みとリカレントニューラルネットワークを組み合わせて、飽和、圧力、表面変位場の空間分布と時間変化を捉える。 サーロゲートモデルは、貯留層内の3D CO2飽和と圧力場、および地球の表面の2D変位マップを予測するために訓練されています。
  論文  参考訳（メタデータ） (2021-05-04T07:34:15Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)

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。