...
机译:地质二氧化碳封存监测设计:一种基于机器学习和不确定性量化的方法
Los Alamos Natl Lab, Earth & Environm Sci Div, Los Alamos, NM 87544 USA;
Los Alamos Natl Lab, Earth & Environm Sci Div, Los Alamos, NM 87544 USA;
Los Alamos Natl Lab, Earth & Environm Sci Div, Los Alamos, NM 87544 USA;
Los Alamos Natl Lab, Earth & Environm Sci Div, Los Alamos, NM 87544 USA;
Los Alamos Natl Lab, Earth & Environm Sci Div, Los Alamos, NM 87544 USA;
Geologic carbon sequestration; Monitoring design; Machine learning; Reduced order model; Data assimilation; Uncertainty reduction;
机译:全局采样,用于集成物理特定子系统和量化CO_2地质隔离的不确定性
机译:碳封存项目压力基础监测网络的成本优化设计,考虑到地质不确定性
机译:机器学习过程中的多相流动动力学变异性多维参数研究
机译:基于机器学习的地质不确定性井位置的优化
机译:使用基于过程的多相模型和地质固碳监测数据,可对参数和二氧化碳羽流进行最佳估计和不确定性量化。
机译:地质碳固存:一种新的近地表保证监测方法
机译:多保真机 - 学习,具有不确定量化和贝叶斯优化材料设计:适用于三元随机合金