論文の概要: 3D latent diffusion models for parameterizing and history matching multiscenario facies systems

• arxiv url: http://arxiv.org/abs/2508.16621v1
• Date: Thu, 14 Aug 2025 03:40:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-31 21:54:20.59337
• Title: 3D latent diffusion models for parameterizing and history matching multiscenario facies systems
• Title（参考訳）: パラメータ化と履歴マッチングのための3次元潜時拡散モデル
• Authors: Guido Di Federico, Louis J. Durlofsky,
• Abstract要約: 本手法は,3次元チャネルレジーマウスシステムのための生成潜伏拡散モデル (LDMs) に基づくパラメータ化手法である。 LDM法を用いて構築された新しい実現法は、参照ジオモデルと密接に類似していることが示されている。 フロー応答分布は、特定の注入と生産井戸のセットに対して、2つのモデルのセット間に密接な一致があることも示される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Geological parameterization procedures entail the mapping of a high-dimensional geomodel to a low-dimensional latent variable. These parameterizations can be very useful for history matching because the number of variables to be calibrated is greatly reduced, and the mapping can be constructed such that geological realism is automatically preserved. In this work, a parameterization method based on generative latent diffusion models (LDMs) is developed for 3D channel-levee-mud systems. Geomodels with variable scenario parameters, specifically mud fraction, channel orientation, and channel width, are considered. A perceptual loss term is included during training to improve geological realism. For any set of scenario parameters, an (essentially) infinite number of realizations can be generated, so our LDM parameterizes over a very wide model space. New realizations constructed using the LDM procedure are shown to closely resemble reference geomodels, both visually and in terms of one- and two-point spatial statistics. Flow response distributions, for a specified set of injection and production wells, are also shown to be in close agreement between the two sets of models. The parameterization method is applied for ensemble-based history matching, with model updates performed in the LDM latent space, for cases involving geological scenario uncertainty. For three synthetic true models corresponding to different geological scenarios, we observe clear uncertainty reduction in both production forecasts and geological scenario parameters. The overall method is additionally shown to provide posterior geomodels consistent with the synthetic true model in each case.
• Abstract（参考訳）: 地質パラメータ化手順は、高次元のジオモデルの低次元の潜在変数へのマッピングを必要とする。 これらのパラメータ化は、校正すべき変数の数が大幅に削減され、地質的リアリズムが自動的に保存されるようにマッピングを構築することができるため、ヒストリーマッチングに非常に有用である。 本研究では,3次元チャネルレジーマウスシステムに対して,ジェネレーティブ潜伏拡散モデル(LDM)に基づくパラメータ化手法を開発した。 可変シナリオパラメーター、特に泥分率、流路方向、流路幅を持つジオモデルについて考察する。 地質学的リアリズムを改善するために、トレーニング中に知覚的損失項を含める。 任意のシナリオパラメータの集合に対して、(本質的に)無限個の実現が生成されるので、我々の LDM は、非常に広いモデル空間上でパラメータ化される。 LDM法を用いて構築された新しい実現法は、視覚的および2点空間統計の両面において、参照ジオモデルと密接に類似していることが示されている。 フロー応答分布は、特定の注入と生産井戸のセットに対して、2つのモデルのセット間に密接な一致があることも示される。 このパラメータ化法はアンサンブルに基づく履歴マッチングに応用され、地質学的シナリオの不確実性を伴う場合の LDM 潜在空間でモデル更新を行う。 異なる地質シナリオに対応する3つの合成真のモデルについて、生産予測と地質シナリオパラメータの両方において明確な不確かさの低減を観察する。 総合的な手法は、各ケースにおける合成真のモデルと整合した後続のジオモデルを提供するために、追加的に示される。

関連論文リスト

• DiffusionSfM: Predicting Structure and Motion via Ray Origin and Endpoint Diffusion [53.70278210626701]
  マルチビュー画像から3次元シーン形状とカメラポーズを直接推定するデータ駆動型マルチビュー推論手法を提案する。 我々のフレームワークであるDiffusionSfMは、シーン幾何学とカメラを、グローバルフレーム内のピクセルワイズ線源とエンドポイントとしてパラメータ化します。 我々は、DiffusionSfMを合成データセットと実データセットの両方で実証的に検証し、古典的および学習ベースのアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-05-08T17:59:47Z)
• Latent diffusion models for parameterization and data assimilation of facies-based geomodels [0.0]
  拡散モデルは、ランダムノイズを特徴とする入力場から新しい地質学的実現を生成するために訓練される。 遅延拡散モデルは、ジオモデリングソフトウェアからのサンプルと視覚的に整合した実現を提供する。
  論文  参考訳（メタデータ） (2024-06-21T01:32:03Z)
• Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
  我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。 LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。 LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
  論文  参考訳（メタデータ） (2024-03-11T05:35:38Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Surrogate Model for Geological CO2 Storage and Its Use in Hierarchical MCMC History Matching [0.0]
  我々は、最近導入されたR-U-Netサロゲートモデルを拡張し、幅広い地質シナリオから引き出されたジオモデルの実現を取り扱う。 本研究では, 人工真理モデルにおける観測井の観測データを用いて, 地質的不確実性を大幅に低減することを示した。
  論文  参考訳（メタデータ） (2023-08-11T18:29:28Z)
• VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
  深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。 ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。 本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2023-04-03T13:13:19Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• GELATO: Geometrically Enriched Latent Model for Offline Reinforcement Learning [54.291331971813364]
  オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。 本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。 提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
  論文  参考訳（メタデータ） (2021-02-22T19:42:40Z)

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。