Автоматическая стохастическая 3D-модель фракции глины на основе данных tTEM-съемки и скважинных данных.

Том 12 научных отчетов, номер статьи: 17112 (2022) Цитировать эту статью

752 доступа

1 Цитаты

Подробности о метриках

В большинстве урбанизированных и сельскохозяйственных районов Центральной Европы неглубокие подземные слои состоят из четвертичных отложений, которые часто являются наиболее широко используемыми слоями (откачка воды, неглубокая геотермическая обработка, добыча материалов). Все эти месторождения зачастую сложно переплетены, что приводит к высокой пространственной изменчивости и высокой сложности. Геофизические данные могут быть быстрым и надежным источником информации о подземельях. Тем не менее, интеграция этих данных может занять много времени, отсутствует реалистичная интерполяция в полном трехмерном пространстве, а конечная неопределенность часто не отображается. В этом исследовании мы предлагаем новую методологию объединения скважинных и геофизических данных с неопределенностью в автоматической системе. Пространственно изменяющаяся функция транслятора, которая прогнозирует фракцию глины на основе удельного сопротивления, инвертируется с использованием описания скважин в качестве контрольных точек. Он сочетается с системой трехмерной стохастической интерполяции, основанной на алгоритме статистики множественных точек и случайной функции Гаусса. Этот новый рабочий процесс позволяет надежно учитывать данные и их неопределенность и требует меньшего вмешательства пользователя, чем уже существующие рабочие процессы. Методика проиллюстрирована для данных наземных буксируемых переходных электромагнитных процессов (tTEM) и данных скважин в верхней части долины Ааре, Швейцария. В этом месте была получена трехмерная реалистичная модель глинистой фракции с высоким пространственным разрешением по всей долине. Очень плотный набор данных позволил продемонстрировать качество прогнозируемых значений и соответствующие им неопределенности с помощью перекрестной проверки.

Мелкие аллювиальные четвертичные водоносные горизонты часто используются для водоснабжения или добычи геотермальной энергии на мелководье. В этом контексте часто необходимо решить широкий спектр сопутствующих вопросов, таких как оценка ресурсов подземных вод, изучение миграции загрязнителей, оценка взаимодействия с поверхностными водами или предотвращение перекрытия зон влияния между соседними геотермальными скважинами. На все эти вопросы можно будет дать правильный ответ только после моделирования структуры и внутренних неоднородностей этих водоносных горизонтов.

Эти модели часто строятся в несколько этапов1,2. Для мелкомасштабных моделей обычно используется использование скважин в качестве единственного источника данных. Однако такой подход часто не учитывает большую часть пространственной неоднородности и, следовательно, может привести к неадекватным моделям и неверным выводам. Скважины являются лишь одним источником информации, позволяющим сделать выводы о местном и вертикальном распределении фаций. Они часто оказывают ограниченную помощь при оценке сложных трехмерных структур. Когда область интересов широка, увеличение количества скважин для снижения неопределенности до приемлемого уровня часто является трудной, трудоемкой и дорогостоящей задачей. Решение состоит в том, чтобы объединить менее дорогие геофизические данные и данные скважин. Геофизические данные часто интерпретируются и объединяются вручную в структурную модель, которая затем заполняется литологическим или фациальным моделированием и, наконец, физическими свойствами. Такой рабочий процесс оказался эффективным при создании геологических моделей, например, на основе аэроэлектромагнитных или сейсмических данных3,4. Но эти этапы моделирования сложны и часто требуют другого программного обеспечения. Более того, даже если часто используются некоторые стохастические методы4,5, неопределенности не всегда распространяются на весь рабочий процесс. Часто некоторые шаги считаются детерминированными, и результирующая геологическая модель соответствует большинству имеющихся всесторонних знаний6,7,8,9. Наконец, при работе с большим набором данных построение структурной модели вручную с использованием как скважинных, так и геофизических данных может занять много времени.

Поэтому существует потребность в автоматическом подходе, который мог бы интегрировать несколько типов данных и создавать структурные или параметрические модели. Например, быстрое создание 3D-моделей из глины с помощью автоматического алгоритма может принести большую пользу местным властям, которые часто не имеют возможности вручную интегрировать данные.