Aug, 2024
深度学习代理模型在表面位移和流动中的加速训练及其在基于MCMC的CO2储存作业历史匹配中的应用
Accelerated training of deep learning surrogate models for surface
displacement and flow, with application to MCMC-based history matching of CO2
storage operations
TL;DR本研究提出了一种新的代理建模框架，以解决深度学习代理模型在地下流动应用中的训练需求高的难题。通过结合大量低成本流动模拟与较少的耦合模拟，提出了一种有效的训练方法，利用残余U-Net架构提升预测精度，最后展示该模型在历史匹配中的有效性，显著减少不确定性并提升预测准确性。