| 研究課題/領域番号 |
20K20948
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
辻 健 九州大学, 工学研究院, 教授 (60455491)
|
|---|
| 研究分担者 |
實松 豊 九州大学, システム情報科学研究院, 准教授 (60336063)
Jiang Fei 山口大学, 大学院創成科学研究科, 准教授 (60734358)
平野 靖 山口大学, 大学院創成科学研究科, 准教授 (90324459)
|
|---|
| 研究期間 (年度) |
2020-07-30 – 2022-03-31
|
| キーワード | デジタル岩石 / 機械学習 / 間隙形状 / 弾性波速度 / 電気比抵抗 / 浸透率 / 格子ボルツマン法 / 有限要素法 |
|---|
| 研究実績の概要 |
本研究では、数学的手法(パーシステント・ホモロジー)や機械学習を利用して、岩石の間隙形状（デジタル岩石）から、その物理特性(浸透率、弾性波速度、電気比抵抗)を直接推定する手法を開発した。
（１）パーシステント・ホモロジー（PH）の利用： 様々な岩石の３次元デジタルモデルに対してPHを適用し、パーシステンスダイヤグラム（PD図）を作成した。PD図は岩石の間隙形状の情報を有しており、PD図から岩石モデルの弾性波速度や浸透率を推定できることが明らかになった。さらにPD図を用いることで、フラクチャーの発達過程をモデル化することにも成功した。
（２）機械学習の利用： 岩石の間隙形状を直接、機械学習に学習させて弾性波速度を推定する試みを行なった。まず岩石モデルに対して、格子ボルツマン法を適用することにより浸透率を推定した。さらに岩石モデルに有限要素法を適用することで、弾性波速度や電気比抵抗を推定した。これらを教師データとして、機械学習を実施した。なお、これまではCNNを主に用いてきたが、それに加えてResNetも利用して推定精度の向上を試みた。さらに畳み込み層の数など、多数のパラメータを変化させ、試行錯誤的に最適なパラメータを評価した。その結果、室内実験で生じる誤差と同じオーダーで、浸透率を推定することに成功した。特にResNetを利用することで深い層の学習が可能になり、推定精度を向上させることができた。一方、弾性波速度については、平均２乗和誤差を約70m/s（約2%の誤差）で推定できることが分かった。この誤差は小さく、本手法は実用的であることが分かる。さらに機械学習が注目する領域の可視化（Heat mapの作成）も実施した。その結果、弾性波速度の推定では、機械は、粒子同士の結合の強い固体部に注目していることが分かった。
|
