基于深度生成模型的集合方法进行地下结构表征
原文中文，约200字，阅读约需1分钟。发表于：。使用 Wasserstein 生成对抗网络（WGAN-GP）和 Ensemble Smoother with Multiple Data Assimilation（ES-MDA）相结合的方法，可以精确和加速进行地下特征表征，从而准确地估计具有可靠不确定性的未知 K 场的主要特征。
该研究提出了一种新型PI-GANs，用于解决基于有限数量的分散测量数据的前向、反向和混合随机问题。采用Wasserstein GANs进行稳定训练，并使用深度神经网络进行生成和鉴别。结果表明，该方法在解决高维随机微分方程问题上具有准确性和有效性。
