Nous commençons par décrire brièvement l'approche géostatistique dans le contexte d'un problème inverse linéaire, puis discutons les difficultés rencontrées dans le cadre d'une implémentation à grande échelle. Ensuite, en utilisant une approche basée sur les matrices hiérarchiques, nous montrons comment réduire le coût de calcul d'un produit matrice-vecteur de O(m 2 ) à O(m log m) dans le cas de matrices de covariance denses ; m désignant ici le nombre d'inconnues. Combinée avec un solveur de Krylov, qui ne requiert pas la construction explicite de la matrice, cette méthode conduit à un algorithme beaucoup plus rapide pour résoudre le système d'équations associé à l'approche géostatistique. Nous illustrons enfin la performance de notre algorithme dans un situation spécifique, surveiller la concentration de CO 2 à l'aide de la tomographie sismique entre puits. Abstract -Application of Hierarchical Matrices to Linear Inverse Problems in Geostatistics -Characterizing the uncertainty in the subsurface is an important step for exploration and extraction of natural resources, the storage of nuclear material and gasses such as natural gas or CO 2 . Imaging the subsurface can be posed as an inverse problem and can be solved using the geostatistical approach [Kitanidis P.K. (2007) Geophys. Monogr. Ser. 171, 19-30, doi:10.1029/171GM04;Kitanidis (2011 Kitanidis ( ) doi: 10.1002
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.