GeoThermalCloud：面向地热资源勘探的机器学习方法
机器学习
2022-10-18 v1 人工智能
应用统计
摘要
本文提出了一种新颖的基于ML的方法，用于面向PFA应用的地热勘探。我们的方法通过开源ML框架GeoThermalCloud \url{https://github.com/SmartTensors/GeoThermalCloud.jl}提供。GeoThermalCloud使用SmartTensors AI平台\url{https://github.com/SmartTensors}中可用的一系列无监督、有监督和物理信息ML方法。此处所呈现的分析使用我们称为NMF的无监督ML算法完成，该算法可在SmartTensors AI平台中获取。我们的ML算法有助于发现新现象、隐藏模式和机制，帮助我们做出明智决策。此外，GeoThermalCloud增强了收集的PFA数据并发现代表地热资源的特征。通过GeoThermalCloud，我们能够识别地热场数据中所需的隐藏模式，从而高效发现盲系统。传统PFA中常被忽视的关键地热特征被GeoThermalCloud提取，并由领域专家分析以提供ML增强的PFA，从而为高效勘探提供信息。我们将ML方法应用于美国境内的多个开源地热数据集（其中部分由既往PFA工作收集）。结果为这些区域的资源类型提供了宝贵见解。这种ML增强的工作流使GeoThermalCloud对地热界颇具吸引力，可改进现有数据集并提取地热勘探中常被忽略的有价值信息。
引用
@article{arxiv.2210.08685,
title = {GeoThermalCloud: Machine Learning for Geothermal Resource Exploration},
author = {Maruti K. Mudunuru and Velimir V. Vesselinov and Bulbul Ahmmed},
journal= {arXiv preprint arXiv:2210.08685},
year = {2022}
}
备注
24 pages, 7 figures