CarbonNet：计算机视觉在气候变化中的作用？应用：学习地下储存 CO2 的地质力学，以缓解全球变暖

Mar, 2024

CarbonNet：计算机视觉在气候变化中的作用？应用：学习地下储存 CO2 的地质力学，以缓解全球变暖

CarbonNet: How Computer Vision Plays a Role in Climate Change? Application: Learning Geomechanics from Subsurface Geometry of CCS to Mitigate Global Warming

PDF

Wei Chen, Yunan Li, Yuan Tian

TL;DR利用计算机视觉预测陆地表面位移，为碳捕集和封存（CCS）提供新的方法。通过训练模型直接从地下几何图像中，我们解决了计算量大和模型泛化性差等挑战，从而可以理解碳注入导致的陆地表面位移，并利用训练好的模型支持 CCS 项目的决策制定。

Abstract

We introduce a new approach using computer vision to predict the land surface displacement from subsurface geometry images for Carbon Capture and Sequestration (CCS). CCS has been proved to be a key component for a carbon neutral society. However, scientists see there are challenges al

computer vision land surface displacement carbon capture and sequestration ccs projects model performance

发现论文，激发创造

大规模地质碳和能源储存的高效机器学习代理

通过专门的机器学习模型和领域分解，该研究提出了一种减少大规模地质储存成本的方法，以增强机器学习在地质碳储存中的效率。

Oct, 2023

利用图神经网络学习断层油藏中 CO2 延展规律

利用基于 Graph Neural Network (GNNs) 的模型，结合 MeshGraphNet (MGN) 一步 GNN 模型和基于图形的卷积长 - 短期记忆（GConvLSTM）操作复杂的非结构化网格，在模拟地下复杂断层和裂缝的 CO2 地质储存过程中，准确预测气体饱和度和孔隙压力的时间演化并展现更高的准确度和更少的时间误差积累。

Jun, 2023

基于物理信息的扩散反应系统局部学习

本文提出一种新的物理学和边界条件意识的局部学习方法，扩展 Embed-to-Control 和 Embed-to-Control 和 Observed 模型，用于学习 Advection-Diffusion Reaction 系统中全局状态变量的局部表示，经过油藏模拟数据训练的模型能够预测系统的未来状态，相对于原始 E2C 和 E2CO 模型，缩短了训练时间并提高了准确性。

May, 2023

使用深度学习来描述气候模型中的子网格过程

利用深度学习可以以极小的计算代价代替传统的云细度建模的层状参数化方法，实现全球多年的气候预测。

Jun, 2018

基于多模潜动态模型和深度强化学习的地质碳封存运营优化

多模态潜在动态（MLD）模型用于提高地质碳储存的存储性能，通过快速流量预测和井控优化，结合深度学习框架，训练深度强化学习代理来最大化净现值（NPV）并减少计算资源使用。

Jun, 2024

利用图神经网络从与气候相关的特征预测土壤有机碳

该研究比较了四种图神经网络算子在位置编码器框架中的表现，结果显示 PESAGE 和 PETransformer 模型在土壤有机碳估计方面表现出色，为图神经网络在土壤有机碳预测中的应用奠定了基础。

Nov, 2023

气候下尺度化：基于深度学习的降水数据超分辨率模型，带有注意力块和跳跃连接

通过使用深度卷积神经网络和其他技术，将低分辨率的降水数据降尺度为高分辨率的数据，以追踪降水并提高气候下缩放模型的预测准确性。