PulseAugur
中
实时 07:10:33
English(EN) Data assimilation for subsurface flow using latent diffusion model parameterization: performance of ensemble-Kalman and Monte Carlo techniques

潜在扩散模型增强地下水流数据同化

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种利用潜在扩散模型（LDM）进行地下水流模拟数据同化的新方法。该方法旨在提高模型参数与观测数据匹配的校准精度，同时保持地质真实性。研究在LDM潜在空间中比较了集合卡尔曼方法和蒙特卡洛技术，发现虽然集合卡尔曼方法可以减少不确定性，但可能产生不切实际的模型。然而，严格的蒙特卡洛采样在实现地质真实性和改进不确定性减少方面显示出潜力。 AI

影响 这项研究为地下水流模拟提供了一种新颖的方法，通过提高数据同化的准确性和地质真实性，有可能改善资源勘探和管理。

排序理由 该集群包含一篇学术论文，详细介绍了使用潜在扩散模型进行数据同化的新方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Louis J. Durlofsky ·

    Data assimilation for subsurface flow using latent diffusion model parameterization: performance of ensemble-Kalman and Monte Carlo techniques

    Data assimilation (DA) in subsurface flow entails calibrating model parameters to match observed data, typically at wells, while preserving geological realism. Latent diffusion models (LDMs) provide efficient mappings from high-dimensional geological model space to a low-dimensio…

  2. arXiv stat.ML TIER_1 English(EN) · Guido Di Federico, Wenchao Teng, Louis J. Durlofsky ·

    Data assimilation for subsurface flow using latent diffusion model parameterization: performance of ensemble-Kalman and Monte Carlo techniques

    arXiv:2606.11140v1 Announce Type: cross Abstract: Data assimilation (DA) in subsurface flow entails calibrating model parameters to match observed data, typically at wells, while preserving geological realism. Latent diffusion models (LDMs) provide efficient mappings from high-di…

相关实体

相关话题