Modernste Gesteinsphysik für Analysen tieferer Erdschichten
Das Schwierige an der wissenschaftlichen Erforschung tieferer Bodenschichten ist, dass sich komplexe Strukturen ohne Licht und nur anhand akustischer und elektromagnetischer Wellen darstellen lassen, die von der Erdoberfläche reflektiert werden. Mit enormem rechnerischen Aufwand werden diese Schallwellen in Echtzeit ausgewertet, und das für die aufgezeichneten Messdaten angewandte Verfahren ist die sogenannte Inversionsmethode. Über die Marie-Skłodowska-Curie-Maßnahmen wurde nun das Projekt MATHROCKS unterstützt, das Simulations- und Inversionsmethoden der nächsten Generation entwickelte und umsetzte, um Materialien unterhalb der Erdoberfläche zu untersuchen. MATHROCKS kombinierte modernste Methoden aus den Bereichen angewandte Mathematik, Hochleistungsrechnen und geophysikalische Datenerfassung für vier ehrgeizige Ziele: Forschung zur Wellenausbreitung in porösem Gestein, Verfeinerung numerischer Methoden und Simulationsmodelle, Anwendung neuester mathematischer Berechnungsmethoden auf geophysikalische Probleme sowie bessere Datenanalyse und -interpretation.
Fortschritte bei der Auswertung von Schallwellen und geologischen Daten
Um die akustischen Eigenschaften von porösem Gestein bestimmen zu können, musste die Arbeitsgruppe mehrere mathematische und rechnerische Probleme lösen, da der Prozess sehr komplex ist. „Statt eines unendlichen Bereichs nahmen wir z. B. einen endlichen Bereich an, was mittels absorbierender (künstlicher) Randbedingungen gelang“, erklärt Projektkoordinator David Pardo. Zur Lösung des Problems der Poroelastizität (Wechselwirkung zwischen flüssigkeitsgefüllten Gesteinsporen und elastischen Wellen) und Erzeugung künstlicher Randbedingungen kam die hybridisierbare diskontinuierliche Galerkin-Methode zum Einsatz. Mittels diskontinuierlicher Petrov-Galerkin-Methode wiederum wurden implizite Zeitschemata höherer Ordnung für Wellenausbreitungssimulationen entwickelt. Trotz der schwierigen Berechnung der Wellenausbreitung, insbesondere in Hochfrequenzbereichen mit stark oszillierenden Lösungen, entwickelte die Gruppe effiziente und stabile Näherungsschemata höherer Ordnung, um genaue Lösungen zu berechnen. „Wir entwickelten hierfür eine neue Methode, die Finite-Elemente-Analyse mit der Fast-Marching-Methode kombiniert, um CT-Scan-Bilder auszuwerten. So konnten wir die Ausbreitung elastischer Wellen in porösem Gestein erklären“, bemerkt Pardo. Die wichtigsten Gesteinsparameter, die die Wellenausbreitung beeinflussen, konnten durch Optimierung und Wiederherstellung der Objekteigenschaften aus Fernfeldmustern bestimmt werden. Für bessere Datenanalysen und Interpretation geophysikalischer Daten kamen Deep Learning und Parameteroptimierung zum Einsatz. Ziel der Arbeit waren neue Erkenntnisse zu Eigenschaften der Erdoberfläche und zur Optimierung von Bohrungen. Mehrere vorgeschlagene Parametrisierungsmodelle wurden in Versuchsreihen validiert, sodass nun eine Alpha-Version des Modells zur Verfügung steht, die entsprechend den realen Bedingungen im unterirdischen Erdboden ständig aktualisiert wird. Die Integration von Deep-Learning-Algorithmen in bestehende numerische Methoden lieferte vielversprechende Lösungsansätze für inverse Probleme in Echtzeit, was ein wichtiger Schritt hin zur genaueren geologischen Beschreibung der analysierten Regionen ist.
Inspiration für Unternehmen und künftige Forschung
Für die Erfolge von MATHROCKS interessieren sich bereits geophysikalische Unternehmen, und internationale Ölunternehmen, die Deep-Learning-Algorithmen in numerische Methoden zur Berechnung der Wellenausbreitung integrieren wollen. Zudem wurden die Projektergebnisse auf der Jahrestagung ‚Formation Evaluation‘ der Universität Texas in Austin, Vereinigte Staaten, Vertretungen von mehr als 25 verschiedenen Ölunternehmen präsentiert. Auch bei der Wissenschaftskommunikation machte das Projekt deutlich Fortschritte, da es Forschungsergebnisse auf lokaler, nationaler und europäischer Ebene sowie an weiterführenden Schulen vorstellte und Kinder in Tagen der offenen Tür an die Wissenschaft heranführte. Zudem wurde eine Zusammenarbeit mit der Initiative „Mujeres con Ciencia“ (Frauen in der Wissenschaft) etabliert, die die grundlegende Rolle von Frauen in der Wissenschaft stärker in den Vordergrund rückte.
Schlüsselbegriffe
MATHROCKS, Erde, Wellenausbreitung, Untergrund, poröses Gestein, Inversion, Deep Learning, künstliche Randbedingungen, Fast-Marching-Methode
