Core Concepts
深層学習を用いて、離散的な亀裂-基質モデルから等価な透水係数テンソルを予測する。
Abstract
本研究では、深層学習を用いて、離散的な亀裂-基質モデル(DFM)から等価な透水係数テンソルを予測する手法を提案している。
まず、DFNモデルを用いて亀裂ネットワークを生成し、基質の空間ランダムフィールドを表現する。これらを組み合わせたDFMモデルを用いて数値的な均質化を行い、等価な透水係数テンソルを算出する。
次に、深層学習のサロゲートモデルを構築する。入力には、基質の空間ランダムフィールドと亀裂の幾何学的・水理学的特性を用い、出力には等価な透水係数テンソルを予測する。3つの異なる亀裂-基質透水係数比に対して、それぞれ独立したサロゲートモデルを訓練する。
サロゲートモデルの予測精度は、亀裂-基質透水係数比が大きくなるほど低下する。一方で、亀裂密度が減少するほど予測精度が向上する。また、基質の空間相関長に対する影響も分析している。
最後に、サロゲートモデルを用いた場合と数値的な均質化を用いた場合の比較を行い、サロゲートモデルの高速化効果を示している。
Stats
亀裂-基質透水係数比が1 × 103の場合、等価透水係数テンソルの対角成分の決定係数R2は0.99以上
亀裂-基質透水係数比が1 × 105の場合、等価透水係数テンソルの対角成分の決定係数R2は0.91程度
亀裂-基質透水係数比が1 × 107の場合、等価透水係数テンソルの対角成分の決定係数R2は0.80程度
Quotes
"深層学習を用いて、離散的な亀裂-基質モデル(DFM)から等価な透水係数テンソルを予測する手法を提案している。"
"サロゲートモデルの予測精度は、亀裂-基質透水係数比が大きくなるほど低下する。"
"亀裂密度が減少するほど予測精度が向上する。"