Enfoque integrado para predecir la intensidad de la fractura de roca basada en el rastreo de radón y la red neuronal...

Área de la Ciencia:

• Geología
• La geofísica
• Inteligencia artificial

Sus antecedentes:

• La determinación precisa de la intensidad de la fractura de roca es vital para la exploración de recursos (petróleo, gas, energía geotérmica).
• La medición directa de las fracturas rocosas es tecnológicamente difícil, lo que dificulta la evaluación precisa de la intensidad.

Objetivo del estudio:

• Desarrollar un enfoque integrado para predecir la intensidad de las fracturas rocosas.
• Utilizar redes neuronales artificiales (ANN) combinadas con el rastreo de radón para una mayor precisión de la predicción.

Principales métodos:

• Estableció un modelo de migración de radón para simular las tasas de exhalación de radón en las masas rocosas fracturadas.
• Fracturas de roca generadas mediante el modelo de red de fracturas discretas (DFN).
• Entrenado una ANN con 900 conjuntos de datos simulados numéricamente.

Principales resultados:

• Logró una alta precisión de predicción con un coeficiente de determinación de 0,907.
• Identificó el número de capas ocultas y neuronas como factores críticos para la precisión del modelo ANN.
• Validación del modelo mediante la predicción de la intensidad de fractura de un afloramiento, mostrando una estrecha concordancia (diferencia del 7,5%) con los valores medidos.

Conclusiones:

• El método integrado de ANN y trazado de radón proporciona un método confiable para predecir la intensidad de la fractura de la roca.
• Esta técnica ofrece una solución viable para superar las limitaciones de la medición directa de la fractura en las prácticas geológicas y de ingeniería.