Machine Learning visto como un medio para mejorar la exploración y producción geotérmica
EGS diagram (source: DOE, Geothermal Technologies Program)
carlos Jorquera
6 May 2019
Utilizando algoritmos automáticos de aprendizaje de máquinas, dos investigadores de la Universidad Estatal de Pennsylvania busca reducir el riesgo inherente de la exploración y explotación geotérmica.
Dos investigadores de la Universidad Estatal de Pennsylvania están examinando la idea de usar algoritmos de aprendizaje de máquinas (machine learning) para manejar los riesgos de sismicidad inducida durante la exploración y producción geotérmica. La investigación, titulada “Enfoques de aprendizaje automático para la exploración geotérmica segura”, le ha otorgado a Jing Yang y Chris Marone la Beca Multidisciplinaria de Semillas de Penn State en 2019.
La pareja espera que se puedan utilizar algoritmos de aprendizaje automático para predecir eventos sísmicos, como los micro terremotos, al realizar la formación de fracturas a través de la estimulación hidráulica. Hasta ahora, se han realizado ejecuciones exitosas en el laboratorio, pero los investigadores están trabajando para replicar este éxito en la escala de campo.
La segunda parte de su investigación tiene como objetivo ayudar a determinar la cantidad de fluido que se debe inyectar en el suelo para lograr una alta producción de energía geotérmica sin causar daños estructurales al sitio.
Para cumplir con estos objetivos, Yang y Marone desarrollarán un marco de aprendizaje de refuerzo seguro con algoritmos escalables que se pueden transferir de un laboratorio a otro y pueden manejar condiciones desconocidas. Con éxito, los investigadores esperan que el trabajo se pueda aplicar a otras áreas fuera de la producción de energía geotérmica.
Para más detalles sobre el estudio, puede consultar el siguiente enlace:Phys.org
Fuente: Phys.org / TninkGeoEnergy
