論文の概要: Bayesian Neural Network Surrogates for Bayesian Optimization of Carbon Capture and Storage Operations
- arxiv url: http://arxiv.org/abs/2507.21803v1
- Date: Tue, 29 Jul 2025 13:40:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-30 17:08:56.363015
- Title: Bayesian Neural Network Surrogates for Bayesian Optimization of Carbon Capture and Storage Operations
- Title(参考訳): ベイジアンニューラルネットワークによる炭素捕獲と貯蔵操作のベイジアン最適化
- Authors: Sofianos Panagiotis Fotias, Vassilis Gaganis,
- Abstract要約: Carbon Capture and Storage (CCS)は、持続可能な未来を育むための重要な技術である。
本稿では,CSプロジェクト開発における決定変数の最適化戦略の比較評価を行う。
BOフレームワークにおいて, 様々な新しいモデルが検討され, 比較された。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Carbon Capture and Storage (CCS) stands as a pivotal technology for fostering a sustainable future. The process, which involves injecting supercritical CO$_2$ into underground formations, a method already widely used for Enhanced Oil Recovery, serves a dual purpose: it not only curbs CO$_2$ emissions and addresses climate change but also extends the operational lifespan and sustainability of oil fields and platforms, easing the shift toward greener practices. This paper delivers a thorough comparative evaluation of strategies for optimizing decision variables in CCS project development, employing a derivative-free technique known as Bayesian Optimization. In addition to Gaussian Processes, which usually serve as the gold standard in BO, various novel stochastic models were examined and compared within a BO framework. This research investigates the effectiveness of utilizing more exotic stochastic models than GPs for BO in environments where GPs have been shown to underperform, such as in cases with a large number of decision variables or multiple objective functions that are not similarly scaled. By incorporating Net Present Value (NPV) as a key objective function, the proposed framework demonstrates its potential to improve economic viability while ensuring the sustainable deployment of CCS technologies. Ultimately, this study represents the first application in the reservoir engineering industry of the growing body of BO research, specifically in the search for more appropriate stochastic models, highlighting its potential as a preferred method for enhancing sustainability in the energy sector.
- Abstract(参考訳): Carbon Capture and Storage (CCS)は、持続可能な未来を育むための重要な技術である。
温室効果ガスの排出を抑え、気候変動に対処するだけでなく、油田やプラットフォームの運用寿命と持続可能性を拡張し、温室効果ガスへのシフトを緩和する。
本稿では,CCSプロジェクト開発における決定変数の最適化戦略を,ベイズ最適化(Bayesian Optimization)と呼ばれる微分自由手法を用いて,徹底的に比較評価する。
BOにおける金の標準として機能するガウス過程に加えて、BOフレームワーク内で様々な新しい確率モデルが検討され、比較された。
本研究は,多数の決定変数が存在する場合や,同様にスケールしない複数の目的関数がある場合など,GPが過小評価されている環境において,BOに対するGPよりもエキゾチックな確率モデルを利用することの有効性について検討する。
主目的関数としてNet Present Value(NPV)を組み込むことにより,CCS技術の持続的展開を確保しつつ,その経済性向上の可能性を示す。
最終的に、この研究は、BO研究の成長する組織における貯水池工学産業における最初の応用であり、特により適切な確率モデル探索において、エネルギーセクターの持続可能性を高めるための方法として、その可能性を強調している。
関連論文リスト
- Fourier Neural Operator based surrogates for $CO_2$ storage in realistic geologies [57.23978190717341]
我々は,$CO$ plume マイグレーションのリアルタイム・高分解能シミュレーションのためのニューラル演算子(FNO)モデルを開発した。
このモデルは、現実的な地下パラメータから生成された包括的なデータセットに基づいて訓練される。
本稿では,実際の地質学的位置を評価する上で重要なモデルから予測の信頼性を向上させるための様々な戦略を提案する。
論文 参考訳(メタデータ) (2025-03-14T02:58:24Z) - Surpassing legacy approaches to PWR core reload optimization with single-objective Reinforcement learning [0.0]
単目的および多目的の最適化のための深層強化学習(DRL)に基づく手法を開発した。
本稿では、PPO(Proximal Policy Optimization)を用いて、RLに基づくアプローチの利点を実証する。
PPOは学習可能なウェイトを持つポリシーで検索機能を適応し、グローバル検索とローカル検索の両方として機能する。
論文 参考訳(メタデータ) (2024-02-16T19:35:58Z) - Model-based Causal Bayesian Optimization [74.78486244786083]
乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。
グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。
我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
論文 参考訳(メタデータ) (2023-07-31T13:02:36Z) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳(メタデータ) (2023-07-01T15:18:00Z) - Optimizing Carbon Storage Operations for Long-Term Safety [24.873407623150033]
部分的に観測可能なマルコフ決定過程(POMDP)としての炭素貯蔵操業の意思決定過程について検討する。
我々は,PMDPを信頼状態計画を用いて解決し,安全を維持しつつ,貯蔵したCO2を最大化することを目的として,インジェクタの最適化と井戸のモニタリングを行う。
我々は,多相流の複雑な力学を扱うために,POMDP決定プロセスのためのニューラルネットワークサロゲートモデルを提案する。
論文 参考訳(メタデータ) (2023-04-19T00:20:50Z) - 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)
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。