SYSTEM AND METHOD FOR AUTOMATICALLY ESTIMATING GAS EMISSION PARAMETERS

• Main Authors: KERDREUX, Thomas, HULBERT, Claudia, ROUET-LEDUC, Bertrand, TUEL, Alexandre
• Format: Patent
• Language: English; French
• Published: 30.11.2023
• Subjects: BLASTING; CALCULATING; COMBUSTION APPARATUS; COMBUSTION PROCESSES; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; EARTH DRILLING; EARTH DRILLING, e.g. DEEP DRILLING; ENGINE PLANTS IN GENERAL; FIXED CONSTRUCTIONS; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR INTERNALCOMBUSTION ENGINES; GAS-FLOW SILENCERS OR EXHAUST APPARATUS FOR MACHINES ORENGINES IN GENERAL; HEATING; LIGHTING; MACHINES OR ENGINES IN GENERAL; MECHANICAL ENGINEERING; MINING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR ASLURRY OF MINERALS FROM WELLS; PHYSICS; REGULATING OR CONTROLLING COMBUSTION; STEAM ENGINES; WEAPONS

The present disclosure relates a technique for determining gas emission parameters over a geospatial area. The system includes a non-transitory computer-readable medium for storing the spectral signals obtained from overhead sensors and one or more trained deep-learning classification models. The system further includes one or more processors configured to determine one or more gas emission parameters over the geospatial area based on the one or more spectral signals using the one or more trained deep-learning classification models. Each of the one or more trained deep-learning classification models is generated by generating training data based on training samples representative of spectral signals from the one or more geospatial areas at two or more different time- periods, forming a set of training data batches, and training a deep-learning classification model based on the set of training data batches by applying an iterative optimization procedure to adjust hyperparameters of the deep learning classification model. La présente divulgation concerne une technique de détermination de paramètres d'émission de gaz sur une zone géospatiale. Le système comprend un support lisible par ordinateur non transitoire pour stocker les signaux spectraux obtenus à partir de capteurs aériens et un ou plusieurs modèles de classification d'apprentissage profond entraînés. Le système comprend en outre un ou plusieurs processeurs configurés pour déterminer un ou plusieurs paramètres d'émission de gaz sur la zone géospatiale sur la base du ou des signaux spectraux à l'aide du ou des modèles de classification d'apprentissage profond entraînés. Chacun du ou des modèles de classification d'apprentissage profond entraînés est généré par génération de données d'entraînement sur la base d'échantillons d'entraînement représentatifs de signaux spectraux provenant de la ou des zones géospatiales à deux périodes de temps différentes ou plus, formation d'un ensemble de lots de données d'entraînement et formation d'un modèle de classification d'apprentissage profond sur la base de l'ensemble de lots de données d'entraînement par application d'une procédure d'optimisation itérative pour ajuster des hyperparamètres du modèle de classification d'apprentissage profond.