tTEM 조사 및 시추공 데이터로부터 자동 확률론적 3D 점토 분율 모델

Scientific Reports 12권, 기사 번호: 17112(2022) 이 기사 인용

752 액세스

1 인용

측정항목 세부정보

중부 유럽의 대부분의 도시화 및 농업 지역에서 얕은 지하층은 종종 가장 광범위하게 사용되는 층(물 펌핑, 얕은 지열, 물질 굴착)인 제4기 퇴적물로 구성됩니다. 이러한 모든 퇴적물은 종종 복잡하게 얽혀 있어 공간적 변동성이 크고 복잡성이 높습니다. 지구물리학적 데이터는 지하에 관한 빠르고 신뢰할 수 있는 정보원이 될 수 있습니다. 그러나 이러한 데이터의 통합에는 시간이 많이 걸릴 수 있고, 전체 3D 공간에서 사실적인 보간이 부족하며, 최종 불확실성이 표현되지 않는 경우가 많습니다. 본 연구에서는 자동 프레임워크에서 시추공과 지구물리학적 데이터를 불확실성과 결합하는 새로운 방법론을 제안합니다. 저항률로부터 점토 비율을 예측하는 공간적으로 변화하는 변환기 기능은 시추공 설명을 제어점으로 사용하여 반전됩니다. 이는 Multiple Points Statistics 알고리즘과 Gaussian Random Function을 기반으로 하는 3D 확률적 보간 프레임워크와 결합됩니다. 이 새로운 워크플로를 사용하면 데이터와 데이터의 불확실성을 강력하게 통합할 수 있으며 기존 워크플로보다 사용자 개입이 덜 필요합니다. 이 방법론은 스위스 아레 계곡 상류의 지상 기반 견인 과도 전자기 데이터(tTEM) 및 시추공 데이터에 대해 설명됩니다. 이 위치에서는 계곡 전체에 걸쳐 점토 부분의 3D 사실적인 고공간 해상도 모델이 얻어졌습니다. 매우 조밀한 데이터 세트를 통해 교차 검증을 통해 예측 값의 품질과 해당 불확실성을 입증할 수 있었습니다.

얕은 충적 제4기 대수층은 물 공급이나 얕은 지열 에너지 개발에 자주 사용됩니다. 이러한 맥락에서 지하수 자원 평가, 오염 물질 이동 연구, 지표수와의 상호 작용 평가 또는 인접한 지열 우물 사이의 영향 구역 중첩 방지와 같은 광범위한 관련 질문을 해결해야 하는 경우가 많습니다. 이러한 모든 질문은 해당 대수층의 구조와 내부 이질성을 모델링한 후에만 적절하게 답할 수 있습니다.

이러한 모델은 종종 여러 단계로 구성됩니다1,2. 소규모 모델의 경우 유일한 데이터 소스로 시추공을 사용하는 것이 일반적입니다. 그러나 이러한 접근 방식은 대부분의 공간적 이질성을 인식하지 못하는 경우가 많으므로 부적절한 모델과 잘못된 결론으로 ​​이어질 수 있습니다. 시추공은 지형의 국부적, 수직적 분포를 추론하는 정보의 유일한 원천입니다. 복잡한 3D 구조를 추정하는 데 도움이 되지 않는 경우가 많습니다. 관심 영역이 넓은 경우 불확실성을 허용 가능한 수준으로 줄이기 위해 시추공 수를 늘리는 것은 종종 어렵고 시간이 많이 걸리며 비용이 많이 듭니다. 해결책은 저렴한 지구물리학적 데이터와 시추공 데이터를 결합하는 것입니다. 지구물리학적 데이터는 수동으로 해석되어 구조 모델로 결합되는 경우가 많으며, 이 모델은 암석학 또는 현상 시뮬레이션으로 채워지고 마지막으로 물리적 특성으로 채워집니다. 이러한 워크플로우는 예를 들어 공중 전자기 또는 지진 데이터로부터 지질 모델을 생성하는 데 효율적인 것으로 입증되었습니다3,4. 그러나 이러한 모델링 단계는 복잡하고 종종 다른 소프트웨어가 필요합니다. 또한 일부 확률론적 방법이 자주 사용되더라도4,5 불확실성이 전체 작업 흐름을 통해 항상 전파되는 것은 아닙니다. 종종 일부 단계는 결정론적인 것으로 간주되며 결과적인 지질학적 모델은 이용 가능한 대부분의 포괄적인 지식에 맞는 모델입니다6,7,8,9. 마지막으로 대규모 데이터 세트로 작업할 때 시추공과 지구물리학적 데이터를 모두 사용하여 구조 모델을 수동으로 구성하는 데 시간이 많이 걸릴 수 있습니다.

따라서 여러 데이터 유형을 통합하고 구조적 또는 매개변수적 모델을 생성할 수 있는 자동 접근 방식이 필요합니다. 예를 들어, 자동 알고리즘을 사용하여 3D 점토 모델을 빠르게 생성하면 데이터를 수동으로 통합할 수 없는 지방 당국에 큰 이점이 될 수 있습니다.