論文の概要: Prediction of Fault Slip Tendency in CO${_2}$ Storage using Data-space Inversion

• arxiv url: http://arxiv.org/abs/2601.05431v1
• Date: Thu, 08 Jan 2026 23:41:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-12 17:41:49.793194
• Title: Prediction of Fault Slip Tendency in CO${_2}$ Storage using Data-space Inversion
• Title（参考訳）: データ空間インバージョンを用いたCO${_2}$ストレージにおけるフォールトスリップ傾向の予測
• Authors: Xiaowen He, Su Jiang, Louis J. Durlofsky,
• Abstract要約: 本研究では, 圧力, 応力場, ひずみ場, 断層すべり傾向を予測するために, 可変オートエンコーダ (VAE) ベースのデータ空間インバージョン (DSI) フレームワークを実装した。 DSI-VAEフレームワークは, 圧力, ひずみ, 応力場および断層すべり傾向の正確な予測を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately assessing the potential for fault slip is essential in many subsurface operations. Conventional model-based history matching methods, which entail the generation of posterior geomodels calibrated to observed data, can be challenging to apply in coupled flow-geomechanics problems with faults. In this work, we implement a variational autoencoder (VAE)-based data-space inversion (DSI) framework to predict pressure, stress and strain fields, and fault slip tendency, in CO${_2}$ storage projects. The main computations required by the DSI workflow entail the simulation of O(1000) prior geomodels. The posterior distributions for quantities of interest are then inferred directly from prior simulation results and observed data, without the need to generate posterior geomodels. The model used here involves a synthetic 3D system with two faults. Realizations of heterogeneous permeability and porosity fields are generated using geostatistical software, and uncertain geomechanical and fault parameters are sampled for each realization from prior distributions. Coupled flow-geomechanics simulations for these geomodels are conducted using GEOS. A VAE with stacked convolutional long short-term memory layers is trained, using the prior simulation results, to represent pressure, strain, effective normal stress and shear stress fields in terms of latent variables. The VAE parameterization is used with DSI for posterior predictions, with monitoring wells providing observed pressure and strain data. Posterior results for synthetic true models demonstrate that the DSI-VAE framework gives accurate predictions for pressure, strain, and stress fields and for fault slip tendency. The framework is also shown to reduce uncertainty in key geomechanical and fault parameters.
• Abstract（参考訳）: 多くの地下運用において, 断層すべりの可能性を正確に評価することが不可欠である。 従来のモデルに基づく履歴マッチング手法では, 観測データに校正された後続地形モデルの生成が困難であり, 断層を伴う流れ-力学の結合問題に適用することが困難である。 本研究では,CO${_2}$ストレージプロジェクトにおいて,圧力・応力・ひずみ場・断層すべり傾向を予測するために,可変オートエンコーダ(VAE)ベースのデータ空間インバージョン(DSI)フレームワークを実装した。 DSIワークフローで必要とされる主な計算は、O(1000)以前のジオモデルのシミュレーションを必要とする。 次に, 過去のシミュレーション結果と観測データから直接, 興味のある部分の後方分布を推定し, 後続のジオモデルを生成する必要がなくなる。 ここで使用されるモデルは、2つの断層を持つ合成3Dシステムである。 不均質な透水性および多孔性体の実現は、測地ソフトウェアを用いて発生し、それ以前の分布から各実現について不確実な測地力学および断層パラメータをサンプリングする。 GEOSを用いてこれらのジオモデルに対する連成流れ-力学シミュレーションを行った。 圧力, ひずみ, 有効応力, せん断応力場を潜伏変数の観点から表現するために, 先行シミュレーション結果を用いて, 畳み込み長短期記憶層を積み重ねたVAEを訓練する。 VAEパラメータ化はDSIと共に後部予測に使われ、観測された圧力とひずみのデータを提供する監視井戸が使用される。 DSI-VAEフレームワークは, 圧力, ひずみ, 応力場および断層すべり傾向の正確な予測を行う。 このフレームワークは、重要な地盤力学および断層パラメータの不確実性を低減することも示されている。

関連論文リスト

• Leveraging generative adversarial networks with spatially adaptive denormalization for multivariate stochastic seismic data inversion [0.0]
  本研究では,地震データから相の予測と複数の相関した連続特性を示す反復的測地逆解析アルゴリズムSPADE-GANInvを提案する。 SPADE-GANは現実的なジオメトリを再現するように訓練され、シーケンシャルなコシミュレーションは相依存性の連続特性の空間的変動を予測する。 本手法は2次元合成シナリオとフィールドデータの両方で実証され, フルスタック地震データからフェーシ, ポロシティ, 音響インピーダンスの予測を目標としている。
  論文  参考訳（メタデータ） (2025-12-02T15:25:22Z)
• Accelerated training of deep learning surrogate models for surface displacement and flow, with application to MCMC-based history matching of CO2 storage operations [0.0]
  本研究では,CO2飽和度,圧力,表面変位を予測し,炭素貯蔵操作の履歴マッチングに用いるための新しいサロゲートモデリングフレームワークを提案する。 ここでのトレーニングには、多数の安価なフローオンリーのシミュレーションと、結合された実行回数のはるかに少ない組み合わせが含まれる。
  論文  参考訳（メタデータ） (2024-08-20T10:31:52Z)
• Addressing Misspecification in Simulation-based Inference through Data-driven Calibration [43.811367860375825]
  本研究は, モデル不特定性を克服するフレームワークであるロPEを導入し, 実世界の小キャリブレーションによる地下構造パラメータの測定を行った。 4つの合成課題と2つの実世界の問題により、RoPEはベースラインを上回り、情報的およびキャリブレーションされた信頼区間を一貫して返却することを示した。
  論文  参考訳（メタデータ） (2024-05-14T16:04:39Z)
• 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)
• Graph Neural Networks for Pressure Estimation in Water Distribution Systems [44.99833362998488]
  水分配ネットワーク(WDN)における圧力と流量の推定により、水管理会社は制御操作を最適化できる。 物理に基づくモデリングとデータ駆動型アプローチであるグラフニューラルネットワーク(GNN)を組み合わせて,圧力推定問題に対処する。 我々のGNNモデルでは、オランダの大規模WDNの圧力は1.94mH$O、MAPEは7%と見積もられている。
  論文  参考訳（メタデータ） (2023-11-17T15:30:12Z)
• History Matching for Geological Carbon Storage using Data-Space Inversion with Spatio-Temporal Data Parameterization [0.0]
  データ空間インバージョン(DSI)では、履歴にマッチした興味の量は、後続のジオモデルを構築することなく直接推測される。 これは、ベイズの設定内でのO(1000)事前シミュレーション結果、データパラメータ化、および後続サンプリングのセットを用いて効率よく達成される。 新たなパラメータ化では、次元縮小のための対向オートエンコーダ(AAE)と畳み込み長短期メモリ(convLSTM)ネットワークを使用して、圧力場と飽和場の空間分布と時間的進化を表す。
  論文  参考訳（メタデータ） (2023-10-05T00:50:06Z)
• Strategic Geosteeering Workflow with Uncertainty Quantification and Deep Learning: A Case Study on the Goliat Field [0.0]
  本稿では,オフラインとオンラインのフェーズからなる実践的なワークフローを提案する。 オフラインフェーズには、不確実な事前ニアウェルジオモデルのトレーニングと構築が含まれている。 オンラインフェーズでは、フレキシブルな反復アンサンブルスムーズ(FlexIES)を使用して、極深電磁データのリアルタイム同化を行う。
  論文  参考訳（メタデータ） (2022-10-27T15:38:26Z)
• Learning Large-scale Subsurface Simulations with a Hybrid Graph Network Simulator [57.57321628587564]
  本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。 HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。 産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
  論文  参考訳（メタデータ） (2022-06-15T17:29:57Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• End-to-end neural network approach to 3D reservoir simulation and adaptation [0.0]
  貯留層シミュレーションと適応問題に対する統一的なアプローチを提示する。 単一のニューラルネットワークモデルは、3D貯留層モデルの初期地質パラメータから前方通過を可能にする。 提案手法は,数桁のシミュレーション速度アップの利点を生かして,正確な貯留層シミュレーションと履歴マッチングを提供する。
  論文  参考訳（メタデータ） (2021-02-20T10:03:45Z)
• Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
  本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。 地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
  論文  参考訳（メタデータ） (2020-02-05T10:11:26Z)

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。