論文の概要: Lithological Controls on the Permeability of Geologic Faults: Surrogate Modeling and Sensitivity Analysis

• arxiv url: http://arxiv.org/abs/2511.09674v1
• Date: Fri, 14 Nov 2025 01:03:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.406338
• Title: Lithological Controls on the Permeability of Geologic Faults: Surrogate Modeling and Sensitivity Analysis
• Title（参考訳）: 地質断層の透水性に関するLithological Controls:Surrogate Modeling and Sensitivity Analysis
• Authors: Hannah Lu, Lluıs Salo-Salgado, Ruben Juanes,
• Abstract要約: 断層帯は複雑で不均一な透水性構造を示す。 PreDICTフレームワークを用いて,リソロジー制御が断層透過性に与える影響について検討する。 フローベースアップスケーリングステップをエミュレートするために,ニューラルネットワークサロゲートを開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fault zones exhibit complex and heterogeneous permeability structures influenced by stratigraphic, compositional, and structural factors, making them critical yet uncertain components in subsurface flow modeling. In this study, we investigate how lithological controls influence fault permeability using the PREDICT framework: a probabilistic workflow that couples stochastic fault geometry generation, physically constrained material placement, and flow-based upscaling. The flow-based upscaling step, however, is a very computationally expensive component of the workflow and presents a major bottleneck that makes global sensitivity analysis (GSA) intractable, as it requires millions of model evaluations. To overcome this challenge, we develop a neural network surrogate to emulate the flow-based upscaling step. This surrogate model dramatically reduces the computational cost while maintaining high accuracy, thereby making GSA feasible. The surrogate-model-enabled GSA reveals new insights into the effects of lithological controls on fault permeability. In addition to identifying dominant parameters and negligible ones, the analysis uncovers significant nonlinear interactions between parameters that cannot be captured by traditional local sensitivity methods.
• Abstract（参考訳）: 断層帯は層序的, 構成的, 構造的要因の影響を受け, 複雑かつ不均一な透水性構造を示す。 本研究では, 確率的断層形状の生成, 物理的に制約された物質配置, フローベースアップスケーリングを結合した確率的ワークフローである PreDICT フレームワークを用いて, リソロジー制御が断層透過性に与える影響について検討する。 しかし、フローベースのアップスケーリングのステップはワークフローの非常に高価なコンポーネントであり、何百万ものモデル評価を必要とするため、グローバル感度分析(GSA)の魅力を損なう大きなボトルネックを提示する。 この課題を克服するために、フローベースのアップスケーリングステップをエミュレートするニューラルネットワークサロゲートを開発した。 このサロゲートモデルは、高い精度を維持しながら計算コストを劇的に削減し、GSAの実現を可能にする。 代理モデル対応GSAは、リソロジー制御が断層透過性に及ぼす影響に関する新たな知見を明らかにしている。 支配的なパラメータと無視可能なパラメータを識別することに加えて、従来の局所感度法では捉えられないパラメータ間の重要な非線形相互作用を明らかにする。

関連論文リスト

• Combining SHAP and Causal Analysis for Interpretable Fault Detection in Industrial Processes [1.924423011183876]
  この研究は、テネシー・イーストマン・プロセス(テネシー・イーストマン・プロセス)の複雑な力学でよく知られたベンチマークを用いて、そのような困難に対処する。 我々は、問題をより管理可能で透明な形式に転換し、障害予測を駆動する最も重要なプロセスの特徴を指摘します。 その結果得られた因果構造は、SHAPの発見と著しく一致し、重要なプロセス要素である冷却と分離システム(障害発生の鍵となるもの)を一貫して強調した。
  論文  参考訳（メタデータ） (2025-10-27T19:56:46Z)
• Security-Robustness Trade-offs in Diffusion Steganography: A Comparative Analysis of Pixel-Space and VAE-Based Architectures [9.052172453384332]
  本研究は,キャパシティ・アウェア・アダプティブ・最適化によってキャパシティ・アウェア・アダプティブ・最適化によって調整されたスケールファクタによって支配される近似ガウス写像に基づく効率的なフレームワークを導入する。 この枠組みを統合解析ツールとして用いて, 画素空間モデルにおけるステガノグラフィーの系統的比較分析を行い, VAEに基づく潜在空間システムと比較した。
  論文  参考訳（メタデータ） (2025-10-08T16:53:52Z)
• Deconstructing Intraocular Pressure: A Non-invasive Multi-Stage Probabilistic Inverse Framework [0.0]
  緑内障は眼圧上昇(IOP)による可逆性失明の主因である 非侵襲的に測定不能な変数をスパースなルーチンデータから推定するフレームワークを開発する。 本フレームワークは, 直接物理機器に匹敵する精度で, 最先端のトノグラフィーと良好な一致を実現している。
  論文  参考訳（メタデータ） (2025-09-17T16:50:23Z)
• Process mining-driven modeling and simulation to enhance fault diagnosis in cyber-physical systems [5.065341495341096]
  CPS(Cyber-Physical Systems)の故障診断は,システムの信頼性と運用効率の確保に不可欠である。 本稿では, 時系列, プロセスマイニング, シミュレーションにおける集団異常検出を統合した, 教師なし故障診断手法を提案する。 これにより、予測保守と産業環境のためのデジタルツインの開発を支援する総合的なフォールト辞書の作成が可能になる。
  論文  参考訳（メタデータ） (2025-06-26T17:29:37Z)
• Model Hemorrhage and the Robustness Limits of Large Language Models [119.46442117681147]
  大規模言語モデル(LLM)は、自然言語処理タスク全体で強力なパフォーマンスを示すが、デプロイメント用に修正された場合、大幅なパフォーマンス低下を経験する。 この現象をモデル出血(パラメータ変更とアーキテクチャ変更によるパフォーマンス低下)と定義する。
  論文  参考訳（メタデータ） (2025-03-31T10:16:03Z)
• Towards Physically Consistent Deep Learning For Climate Model Parameterizations [46.07009109585047]
  パラメータ化は、気候予測において、系統的なエラーと大きな不確実性の主な原因である。 深層学習(DL)に基づくパラメータ化は、計算に高価で高解像度のショートシミュレーションのデータに基づいて訓練されており、気候モデルを改善するための大きな可能性を示している。 本稿では,DLに基づくパラメータ化のための効率的な教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-06T10:02:49Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
  本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。 シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T19:57:19Z)
• Probabilistic Bearing Fault Diagnosis Using Gaussian Process with Tailored Feature Extraction [10.064000794573756]
  転がり軸受は、過酷な環境下での長時間の運転により、様々な障害にさらされる。 現在の深層学習法は, 決定論的分類の形で軸受断層診断を行う。 本研究では,予測の不確実性を考慮した確率的故障診断フレームワークを開発した。
  論文  参考訳（メタデータ） (2021-09-19T18:34:29Z)

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。