統合された多次元アウトスクロップデータを用いた3次元離散断裂ネットワークモデリングに向けて.

科学分野:

• 地質科学は地質科学である.
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• コンピューティング地質学

背景:

• アナログのアウトクリップは,地震と井戸ログの解像度を超えたディスクリートフラクチャーネットワーク (DFN) データを提供します.
• 骨折の特徴付けには,幾何学,トポロジック,地力学的属性の専門的な解釈が必要です.
• アウトスクロップデータは制限され,DFNモデルの精度に影響を与える可能性があります.

研究 の 目的:

• デジタルアウトスクロップデータを用いて,骨折特徴とDFNモデリングのためのAI駆動の方法論を開発する.
• 人工知能によるDFN分析とパラメータ推定におけるバイアスを軽減する.
• 断裂持続性を含む決定的およびストキャスティック体積モデルを作成する.

主な方法:

• 3D断裂データ (ストライク/ディップ) の修正されたK-Meansアルゴリズムによる球形のクラスタリング.
• ストカスティック・グラディエンツ・デッサント (ストカスティック・グラディエンツ・デッサント) は,フラクタル・フラクチャー・プロパガンダを考慮して,パワー・ローの見積もりをするためのものです.
• ポティグアール盆地におけるジャンダイラ形成の炭酸岩への応用.ケーススタディ.

主要な成果:

• AI統合は,DFN分析とパラメータ推定におけるバイアスを成功裏に軽減しました.
• 骨折の持続性を持つ決定的およびストキャスティック体積モデルが生成されました.
• 2Dデータと3Dデータの間のより強い相関は,接続性,骨折の強度,および長さの分布で観察されました.

結論:

• 提案されたAI方法論は,デジタルアウトスクロップデータからDFNモデリングの精度を高めます.
• このアプローチは,堅牢なモデル生成のための多様な断裂属性を効果的に統合しています.
• AI駆動の断層特徴化は,地表下の地質モデリングのためのより信頼性の高い基礎を提供します.