Hacia el modelado tridimensional de redes de fracturas discretas utilizando datos de afloramiento multidimensionales...

Área de la Ciencia:

• Las geociencias son ciencias geológicas.
• La inteligencia artificial es inteligencia artificial.
• Geología computacional Geología computacional.

Sus antecedentes:

• Los afloramientos analógicos ofrecen datos de la red de fractura discreta (DFN) más allá de la resolución sísmica y del registro de pozos.
• La caracterización de la fractura requiere una interpretación especializada de los atributos geométricos, topológicos y geomecánicos.
• Los datos de afloramiento pueden ser limitados, lo que podría afectar la precisión de los modelos DFN.

Objetivo del estudio:

• Desarrollar una metodología impulsada por IA para la caracterización de fracturas y el modelado de DFN utilizando datos de afloramiento digital.
• Para mitigar el sesgo en el análisis de DFN y la estimación de parámetros a través de la inteligencia artificial.
• Para crear modelos volumétricos deterministas y estocásticos que incorporen la persistencia de la fractura.

Principales métodos:

• Agrupación esférica con un algoritmo K-Means modificado para datos de fractura 3D (strike/dip).
• Descenso de gradiente estocástico para la estimación de la ley de potencia, considerando la propagación de la fractura fractal.
• Aplicación a las rocas carbonatadas de la formación de Jandaíra en la cuenca de Potiguar para estudio de caso.

Principales resultados:

• La integración de IA mitigó con éxito el sesgo en el análisis de DFN y la estimación de parámetros.
• Se generaron modelos volumétricos deterministas y estocásticos con persistencia de fractura.
• Se observó una correlación más fuerte entre los datos 2D y 3D para la conectividad, la intensidad de la fractura y la distribución de la longitud.

Conclusiones:

• La metodología de IA propuesta mejora la precisión del modelado DFN a partir de datos de afloramiento digital.
• El enfoque integra efectivamente diversos atributos de fractura para la generación de modelos robustos.
• La caracterización de fracturas impulsada por IA proporciona una base más confiable para el modelado geológico del subsuelo.