論文の概要: Parameterization method of reservoir properties for ensemble-based data assimilation using intermediate latent space of StyleGAN

• arxiv url: http://arxiv.org/abs/2609.39626v1
• Date: Wed, 30 Sep 2026 12:35:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.763257
• Title: Parameterization method of reservoir properties for ensemble-based data assimilation using intermediate latent space of StyleGAN
• Title（参考訳）: StyleGANの中間潜時空間を用いたアンサンブルデータ同化のための貯水池特性のパラメータ化法
• Abstract要約: アンサンブル・スムーダーは、現在ヒストリマッチングで利用できる最も成功し効率的なテクニックである。 ディープラーニングモデルはパラメータ化を行う上で最も効率的である。 StyleGAN2モデルとのデータの同化は、遅延z空間と中間w空間を別々に行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Ensemble smoothers are the most successful and efficient techniques currently available for history matching. However, because these methods rely on Gaussian assumptions, their performance is severely degraded when the prior geology is described in terms of complex facies distributions (non-Gaussian). In this way, for these methods, we need to apply efficient parameterization techniques. Currently, the most efficient methods for performing parameterization are deep learning models. However, given the variety of existing deep learning models, studies have not identified which is most suitable for use with ensemble-based methods, although some important models had already been evaluated. Based on a recent literature review, the most promising models selected were VAE-GAN, Latent Diffusion, and StyleGAN models. As a novel aspect of this work, data assimilation with the second generation of StyleGAN (StyleGAN2) model was performed using the latent z-space and intermediate w-space, separately. They were applied in two 2D case studies: one categorical (three facies) and the other continuous. The results demonstrated that all three models are highly efficient, with the StyleGAN2 model standing out for generating samples with geological realism and achieving excellent data matching in the cases studied. Our findings show that performing data assimilation with StyleGAN2 using the intermediate space (w-space) yielded better results than the traditional application in the latent space (z-space). This is due to the fact that ESMDA uses linear updates and the w-space is much more linear and disentangled than the highly entangled z-space, thereby ensuring that the updated vectors remain close to realistic geological patterns. These results were validated using main geostatistical and history matching metrics.
• Abstract（参考訳）: アンサンブル・スムーダーは、現在ヒストリマッチングで利用できる最も成功し効率的なテクニックである。 しかし、これらの手法はガウスの仮定に依存するため、それ以前の地質学が複雑な相の分布(非ガウス的)で記述されるとき、その性能は著しく劣化する。 このようにして、これらの手法には効率的なパラメータ化手法を適用する必要がある。 現在、パラメータ化を行う最も効率的な方法はディープラーニングモデルである。 しかし,既存の様々なディープラーニングモデルを考えると,いくつかの重要なモデルがすでに評価されているものの,どのモデルがアンサンブルベースの手法に最も適しているかは特定されていない。 最近の文献レビューに基づいて、選択された最も有望なモデルは、VAE-GAN、Latent Diffusion、StyleGANモデルである。 この研究の新たな側面として、第2世代のStyleGAN(StyleGAN2)モデルとデータ同化を、潜在z空間と中間w空間を別々に行った。 2次元のケーススタディでは,1つのカテゴリー(3つの相)ともう1つの連続(連続)が適用された。 その結果,StyleGAN2モデルでは,地質学的リアリズムを持つサンプルを生成でき,その場合の優れたデータマッチングを実現することができた。 その結果, 中間空間 (w-space) を用いたStyleGAN2とデータ同化を行うことで, 従来の潜在空間 (z-space) の応用よりも良好な結果が得られた。 これは、ESMDAが線形更新を使用しており、w-空間は高度に絡み合ったz-空間よりもはるかに線形で非絡み合いであり、それによって更新されたベクトルが現実的な地質パターンに近づき続けることを保証するためである。 これらの結果は,主測地値と履歴整合値を用いて検証した。

関連論文リスト

• Enhancing the Parameterization of Reservoir Properties for Data Assimilation Using Deep VAE-GAN [0.0]
  この研究は、ESMDAと統合された変分オートエンコーダ生成適応ネットワーク(VAE-GAN)と呼ばれるディープラーニングモデルを実装するために、両者の強みを組み合わせることに革新的である。 その結果,VAE-GANモデルを適用することで,高品質な貯水池記述(GAN)と生産曲線(VAEと同様)の整合性が得られることがわかった。
  論文  参考訳（メタデータ） (2026-03-19T11:20:20Z)
• Nonparametric Data Attribution for Diffusion Models [57.820618036556084]
  生成モデルのデータ属性は、個々のトレーニング例がモデル出力に与える影響を定量化する。 生成画像とトレーニング画像のパッチレベルの類似性によって影響を測定する非パラメトリック属性法を提案する。
  論文  参考訳（メタデータ） (2025-10-16T03:37:16Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)
• 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)
• Improved Distribution Matching for Dataset Condensation [91.55972945798531]
  本稿では,分布マッチングに基づく新しいデータセット凝縮法を提案する。 提案手法は,計算資源の少ない従来の最適化指向手法よりも優れている。
  論文  参考訳（メタデータ） (2023-07-19T04:07:33Z)
• Latent Space Model for Higher-order Networks and Generalized Tensor Decomposition [18.07071669486882]
  我々は、複雑な高次ネットワーク相互作用を研究するために、一般的な潜在空間モデルとして定式化された統一フレームワークを導入する。 一般化された多線形カーネルをリンク関数として、潜伏位置と観測データとの関係を定式化する。 本手法が合成データに与える影響を実証する。
  論文  参考訳（メタデータ） (2021-06-30T13:11:17Z)
• Data Assimilation Predictive GAN (DA-PredGAN): applied to determine the spread of COVID-19 [0.0]
  本稿では,時間内予測のためのGAN(Generative Adversarial Network)とDA-PredGAN(DA-PredGAN)の新たな利用法を提案する。 GANは、現実的に見える画像の生成に優れた結果を達成した後、最近多くの注目を集めています。
  論文  参考訳（メタデータ） (2021-05-17T10:56:53Z)
• A Bayesian Approach with Type-2 Student-tMembership Function for T-S Model Identification [47.25472624305589]
  2型ファジィセットに基づくファジィック回帰クラスタリングは,非スパースデータに対して顕著な結果を示した。 ファジック回帰モデルのための革新的アーキテクチャを示し、スパースデータモデリングのために設計された新しい学生分布に基づく会員関数を提案する。
  論文  参考訳（メタデータ） (2020-09-02T05:10:13Z)
• Recent Developments Combining Ensemble Smoother and Deep Generative Networks for Facies History Matching [58.720142291102135]
  本研究は、ファシズムモデルのための連続パラメータ化を構築するためのオートエンコーダネットワークの利用に焦点を当てる。 本稿では,VAE,GAN,Wasserstein GAN,変分自動符号化GAN,サイクルGANの主成分分析(PCA),転送スタイルネットワークのPCA,スタイル損失のVAEの7種類の定式化をベンチマークする。
  論文  参考訳（メタデータ） (2020-05-08T21:32:42Z)

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。