• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to project page

2020 Fiscal Year Research-status Report

Direct estimation of hydraulic and elastic properties from rock pore geometry based on machine learning

Research Project

Project/Area Number 20K20948
Research InstitutionKyushu University

Principal Investigator

辻 健  九州大学, 工学研究院, 教授 (60455491)

Co-Investigator(Kenkyū-buntansha) 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, 助教 (60734358)
平野 靖  山口大学, 大学院創成科学研究科, 准教授 (90324459)
Project Period (FY) 2020-07-30 – 2022-03-31
Keywords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
Outline of Annual Research Achievements

1)機械学習用データベースの作成:複数の岩石試料のCT画像からデジタル岩石モデルを構築し、数値計算で弾性波速度、電気比抵抗、浸透率を推定した。弾性波速度と電気比抵抗については、有限要素法をベースとした手法を利用して計算した。また浸透率の推定には、格子ボルツマン法を利用した。この一連の作業により、機械学習に利用する教師データ(デジタル岩石群と、それに対応する物性のデータ)を構築することができた。
2)Persistent Homology(PH)の適用:様々な岩石の3次元デジタルモデル(間隙形状)に対してPHを適用し、Persistent Diagram(PD)図を作成した。このPD図は、岩石間隙形状のトポロジーを反映したものとなっている。本研究により、PD図が岩石モデルの弾性波速度(弾性定数)と関係していることや、PD図を用いればフラクチャーの発達をモデル化できることが明らかとなった。
3)機械学習の利用:PD図を機械学習に入力して、弾性特性・水理特性を調べるアプローチについては課題が見つかった。そのため、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。本研究では、深層学習のモデルの1つであるConvolutional Neural Network(CNN)を用いた。岩石を回転させても弾性波速度は変化しないため、岩石モデルを90 度、180 度、270 度に回転させ、別データとして扱うことでCNNへの入力データを増やした(データオーグメンテーション)。他にも、畳み込み層の数など、多数のパラメータを変化させ、試行錯誤的に精度の検証・向上を試みた。その結果、デジタル岩石の間隙形状から弾性波速度を平均2乗和誤差を約80m/sで推定できることが分かった。弾性波速度の絶対値は3000m/s程度であり、今回開発した手法は実用的であることが分かった。

Current Status of Research Progress
Current Status of Research Progress

1: Research has progressed more than it was originally planned.

Reason

機械学習をデジタル岩石に適用して、岩石の弾性波速度を精度良く推定することに成功した。つまり、当初の主目的を達成できたといえる。また本研究課題に関する研究成果の一部を、学会発表や論文として発表することができた。今後は(当初の予定に含めていない)アップスケーリングの研究にも取り組む予定である。
一方で、Persistent Homology(PH)で得られるPersistence Diagram(PD)を機械学習に入力して物性を調べるアプローチについては課題が見つかり、遅れている。このPHを用いたアプローチよりも、デジタル岩石の間隙形状を直接、機械学習に利用する方が、現段階では高い精度で物性値を推定できている。その理由に、我々が使っているPHの情報(PD図)では捉えることができていない間隙の特徴が、物性の推定精度を低下させている可能性がある。例えば我々が使っているPD図(次元)では、岩石間隙の屈曲度を考慮することが難しいが、この屈曲度は浸透率に強い影響を与える。PHの研究は継続するが、このような課題により、今後は間隙形状を直接CNNに入力して、その岩石モデルの物性値を推定する手法の高精度化を中心に行う。

Strategy for Future Research Activity

岩石の間隙形状をCNNに直接入力して、その岩石モデルの弾性波速度や電気比抵抗、浸透率を推定する手法の高精度化を行う。
また、当初の予定に含まれていなかったアップルケーリングの課題にも取り組む。これまで本研究で取り扱ってきた岩石モデルは、ミリメートルスケールである。そのため、そのモデルサイズよりも大きな不均質構造を反映した物性を推定することができないという課題があった。そこで、本研究で開発した手法(機械学習をデジタル岩石に適用)を応用することで、ミリメートルスケールの物性値をメートルスケールにアップスケーリング手法の開発も試みる。なお、この研究ではメートルスケールの岩石コア試料のCT画像データも利用する。

Causes of Carryover

コロナにより、研究に関わる出張や学会がオンラインになり、旅費の支出がなくなった。コロナの状況を見通すことは困難であるため、計算環境の整備に充てる。

  • Research Products

    (12 results)

All 2021 2020 Other

All Journal Article (5 results) (of which Int'l Joint Research: 2 results,  Peer Reviewed: 4 results,  Open Access: 2 results) Presentation (6 results) (of which Int'l Joint Research: 1 results,  Invited: 1 results) Remarks (1 results)

  • [Journal Article] Scale-independent relationship between permeability and resistivity in mated fractures with natural rough surfaces2021

    • Author(s)
      Sawayama K., Ishibashi T., Jiang F., Tsuji T., Nishizawa O., Fujimitsu Y.
    • Journal Title

      Geothermics

      Volume: 94 Pages: 102065-102065

    • DOI

      10.1016/j.geothermics.2021.102065

    • Peer Reviewed
  • [Journal Article] Relating Hydraulic?Electrical?Elastic Properties of Natural Rock Fractures at Elevated Stress and Associated Transient Changes of Fracture Flow2021

    • Author(s)
      Sawayama K.、Ishibashi T.、Jiang F.、Tsuji T.、Fujimitsu Y.
    • Journal Title

      Rock Mechanics and Rock Engineering

      Volume: - Pages: -

    • DOI

      10.1007/s00603-021-02391-5

    • Peer Reviewed / Open Access
  • [Journal Article] Investigation of viscous coupling effects in three-phase flow by lattice Boltzmann direct simulation and machine learning technique2021

    • Author(s)
      Jiang Fei、Yang Jianhui、Boek Edo、Tsuji Takeshi
    • Journal Title

      Advances in Water Resources

      Volume: 147 Pages: 103797~103797

    • DOI

      10.1016/j.advwatres.2020.103797

    • Peer Reviewed / Open Access / Int'l Joint Research
  • [Journal Article] Inferring fracture forming processes by characterizing fracture network patterns with persistent homology2020

    • Author(s)
      Suzuki A.、Miyazawa M.、Okamoto A.、Shimizu H.、Obayashi I.、Hiraoka Y.、Tsuji T.、Kang P.K.、Ito T.
    • Journal Title

      Computers & Geosciences

      Volume: 143 Pages: 104550~104550

    • DOI

      10.1016/j.cageo.2020.104550

    • Peer Reviewed / Int'l Joint Research
  • [Journal Article] 畳込みニューラルネットワークによる岩石の弾性波速度推定2020

    • Author(s)
      釜野太郎, 實松 豊, 辻 健
    • Journal Title

      映像情報メディア学会技術報告

      Volume: 44 Pages: 55~60

  • [Presentation] パーシステントホモロジーを用いた鋼材の延性破壊過程の3次元解析2020

    • Author(s)
      尾﨑由紀子,中村浩二,宗藤伸治,荒牧正俊,平山恭介,辻 健, 蒋 飛
    • Organizer
      応用のためのトポロジカルデータ解析ワークショップ
  • [Presentation] 表面形状が制約する岩石亀裂の物理的・水理的特性の関係: デジタル岩石物理による検討2020

    • Author(s)
      澤山 和貴,石橋 琢也,蒋 飛,辻 健,藤光 康宏
    • Organizer
      JpGU-AGU Joint Meeting 2020
  • [Presentation] Characterization of permeability based on topological data of fracture network2020

    • Author(s)
      鈴木 杏奈,宮澤 美幸,James Minto,辻 健,伊藤 高敏
    • Organizer
      JpGU-AGU Joint Meeting 2020
  • [Presentation] Pore geometry and elastic moduli of fault rocks accompanied by the Median Tectonic Line in Shikoku, southwestern Japan2020

    • Author(s)
      池田 倫治,K. Kret,辻 健,池田 達紀,辻 智大,大西 耕造,西坂 直樹
    • Organizer
      JpGU-AGU Joint Meeting
  • [Presentation] 機械学習を用いて岩石CT画像から弾性波速度を推定する手法の開発2020

    • Author(s)
      繁 恒樹, 辻 健, 實松 豊, 池田 達紀, 蒋 飛, 澤山 和貴
    • Organizer
      物理探査学会
  • [Presentation] Challenges and Opportunities of Geophysical Exploration to Meet Future Energy Demands2020

    • Author(s)
      Takeshi Tsuji
    • Organizer
      SEACG2020
    • Int'l Joint Research / Invited
  • [Remarks] 辻研究室のホームページ

    • URL

      http://geo.mine.kyushu-u.ac.jp/tsuji/index.html

URL: 

Published: 2021-12-27  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi