超越静态模拟；随机建模的现代方法
摘要：随机和条件模拟方法已经被有效地应用于产生具有相同出现概率的空间数值模型的真实实现和模拟。这些方法在地球科学领域具有重要的应用价值，因为它们能够模拟抽样研究数据。这些随机方法还被引入到地统计学领域之外的其他领域，特别是在计算和数据科学界。传统的随机模拟技术主要采用了平稳方法，因为它们模拟速度快且数学上简单。然而，现代计算能力的进步使得实现更先进的非平稳模拟方法成为可能，这些方法包括多个可变结构，并且能够进行更准确、更实际的模拟。由于某些计算可能仍然很慢，可以使用机器学习技术，特别是生成对抗网络（GAN），以提高以前的模拟生成速度，并实现更大的参数化。本文介绍了三种随机模拟方法：使用非平稳协方差的随机模拟、多点模拟和条件GAN。采用SPDE方法作为基准比较。使用合成数据的实验展示了每种方法在保持非平稳结构和条件数据方面的有效性。此外，本文还介绍了一个应用非平稳协方差的案例研究，该研究使用来自上优秀省的La Ceinture de roches vertes de la Haute-Eastmain的实际地球化学样品。
作者：Pejman Shamsipour, Tedd Kourkounakis, Amin Aghaee, Rouzbeh Meshkinnejad, Manit Zaveri, Shawn Hood
论文ID：2208.02875
分类：Geophysics
分类简称：physics.geo-ph
提交时间：2022-08-08