Core Concepts
米国本土の温度-深度マップを開発するためのInterPIGNNに基づく空間内挿アルゴリズム。
Abstract
この研究は、米国本土の温度-深度マップを開発するために物理情報グラフニューラルネットワークを使用したデータ駆動型空間内挿アルゴリズムを紹介しています。主なポイントは以下の通りです:
導入:
温度変動の理解が重要。
地熱エネルギーの探査と開発に中心的。
地域的な温度-深度マップ:
アパラチア盆地やカスケード山脈など、様々な地域で開発されている。
全国的な温度-深度マップ:
SMUジオサーマルラボによって2006年に作成されたものがあるが、いくつかの制限がある。
InterPIGNN:
InterPIGNNを使用して全国的な温度-深度マップを開発。
データ収集:
BHT、熱流量、岩石熱伝導率などさまざまな物理量からデータ収集。
三次元熱伝導:
地下温度は複雑な物理過程によって規定される。
結果:
InterPIGNNモデルは優れた予測精度を示しました。
利用可能性と影響:
ArcGIS上で提供されており、自然資源の活用や地下現象の理解に重要。
Stats
モデルは4.8°C、5.817 mW/m2、0.022 W/(C・m) の平均絶対誤差を示した。