利用生成对抗网络进行地质模型参数化与生成
机器学习
2019-04-10 v2 计算物理
数据分析、统计与概率
地球物理
摘要
地质模型参数化的主要挑战之一在于能否捕捉地下常见复杂地质结构。近年来，生成对抗网络（GAN）被提出作为一种用于复杂数据生成与参数化的高效方法，在诸如重现自然图像（手写数字、人脸等）等具有挑战性的计算机视觉任务中展现出最先进的性能。本工作中，我们研究 Wasserstein GAN 在地质模型参数化中的应用。通过涉及不同渗透率模式与地下流动问题的若干测试案例，评估该方法在不确定性传播任务中的有效性。结果表明，GAN 能够生成在视觉和定量上均保留地质模型多点统计特征的样本。生成的样本同时再现了参考地质模型的地质结构与流动统计特性。
引用
@article{arxiv.1708.01810,
title = {Parametrization and generation of geological models with generative adversarial networks},
author = {Shing Chan and Ahmed H. Elsheikh},
journal= {arXiv preprint arXiv:1708.01810},
year = {2019}
}