I geoscienziati dei Sandia National Laboratories hanno utilizzato rocce stampate in 3D e un avanzato, modello computerizzato su larga scala dei terremoti passati per comprendere e prevenire i terremoti innescati dall'esplorazione energetica.

Iniezione di acqua nel sottosuolo dopo l'estrazione non convenzionale di petrolio e gas, comunemente noto come fracking, la stimolazione dell'energia geotermica e il sequestro dell'anidride carbonica possono provocare terremoti. Certo, le compagnie energetiche fanno la loro dovuta diligenza per verificare la presenza di guasti - rotture nella crosta terrestre superiore che sono soggette a terremoti - ma a volte terremoti, anche sciami di terremoti, colpire inaspettatamente.

I geoscienziati di Sandia hanno studiato come la pressione e lo stress derivanti dall'iniezione di acqua possono trasferirsi attraverso i pori delle rocce fino alle linee di faglia, compresi quelli precedentemente nascosti. Hanno anche frantumato le rocce con punti deboli appositamente progettati per ascoltare il suono di diversi tipi di guasti alle faglie, che aiuterà nella diagnosi precoce di un terremoto indotto.

La variabilità della stampa 3D fornisce informazioni strutturali fondamentali

Per studiare i diversi tipi di guasti per guasto, e i loro segnali di pericolo, Il geoscienziato di Sandia Hongkyu Yoon aveva bisogno di un mucchio di rocce che si fratturassero nello stesso modo ogni volta che applicava pressione, una pressione non dissimile da quella causata dall'iniezione di acqua nel sottosuolo.

Le rocce naturali raccolte nella stessa posizione possono avere un orientamento e una stratificazione dei minerali molto diversi, causando diversi punti deboli e tipi di frattura.

Diversi anni fa, Yoon ha iniziato a utilizzare la produzione additiva, comunemente noto come stampa 3D, fare rocce da un minerale a base di gesso in condizioni controllate, credendo che queste rocce sarebbero state più uniformi. Per stampare le rocce, Yoon e il suo team hanno spruzzato gesso in strati sottili, formando blocchi e cilindri rettangolari da 1 x 3 x 0,5 pollici.

Però, mentre studiava le rocce stampate in 3D, Yoon si rese conto che il processo di stampa generava anche minuscole differenze strutturali che influenzavano il modo in cui le rocce si fratturavano. Questo ha suscitato il suo interesse, portandolo a studiare come la trama minerale nelle rocce stampate in 3D influenza il modo in cui si fratturano.

“Si scopre che possiamo usare quella variabilità delle risposte meccaniche e sismiche di una frattura stampata in 3D a nostro vantaggio per aiutarci a comprendere i processi fondamentali di frattura e il suo impatto sul flusso di fluidi nelle rocce, " ha detto Yoon. Questo flusso di fluido e la pressione dei pori possono innescare terremoti.

Per questi esperimenti, Yoon e collaboratori della Purdue University, un'università con cui Sandia ha una forte partnership, fatto un inchiostro minerale usando polvere di solfato di calcio e acqua. I ricercatori, tra cui i professori della Purdue Antonio Bobet e Laura Pyrak-Nolte, stampato uno strato di solfato di calcio idrato, spessa circa la metà di un foglio di carta, e poi applicato un legante a base d'acqua per incollare lo strato successivo al primo. Il legante ricristallizzava parte del solfato di calcio in gesso, lo stesso minerale utilizzato nella costruzione del muro a secco.

I ricercatori hanno stampato le stesse rocce a base di gesso rettangolari e cilindriche. Alcune rocce avevano gli strati minerali di gesso che scorrevano orizzontalmente, mentre altri avevano strati minerali verticali. I ricercatori hanno anche variato la direzione in cui hanno spruzzato il legante, per creare più variazioni nella stratificazione minerale.

Il team di ricerca ha spremuto i campioni finché non si sono rotti. Il team ha esaminato le superfici di frattura utilizzando laser e un microscopio a raggi X. Hanno notato che il percorso della frattura dipendeva dalla direzione degli strati minerali. Yoon e colleghi hanno descritto questo studio fondamentale in un articolo pubblicato sulla rivista Rapporti scientifici .

Segnali sonori e machine learning per classificare gli eventi sismici

Anche, lavorando con i suoi collaboratori alla Purdue University, Yoon ha monitorato le onde acustiche provenienti dai campioni stampati mentre si fratturavano. Queste onde sonore sono segni di microcricche rapide. Quindi il team ha combinato i dati audio con tecniche di apprendimento automatico, un tipo di analisi avanzata dei dati in grado di identificare modelli in dati apparentemente non correlati, per rilevare segnali di piccoli eventi sismici.

Primo, Yoon e i suoi colleghi hanno utilizzato una tecnica di apprendimento automatico nota come algoritmo di foresta casuale per raggruppare gli eventi microsismici in gruppi causati dagli stessi tipi di microstrutture e identificare circa 25 importanti caratteristiche nei dati del suono del microcrack. Hanno classificato queste caratteristiche in base al significato.

Utilizzando le caratteristiche significative come guida, hanno creato un algoritmo di apprendimento "profondo" a più livelli, come gli algoritmi che consentono agli assistenti digitali di funzionare, e lo hanno applicato ai dati archiviati raccolti da eventi del mondo reale. L'algoritmo di deep learning è stato in grado di identificare i segnali di eventi sismici in modo più rapido e accurato rispetto ai sistemi di monitoraggio convenzionali.

Yoon ha detto che entro cinque anni sperano di applicare molti diversi algoritmi di apprendimento automatico, come questi e quelli con principi di geoscienza incorporati, per rilevare i terremoti indotti legati alle attività dei combustibili fossili nei giacimenti di petrolio o gas. Gli algoritmi possono essere applicati anche per rilevare faglie nascoste che potrebbero diventare instabili a causa del sequestro del carbonio o della stimolazione dell'energia geotermica, Egli ha detto.

"Una delle cose belle del machine learning è la scalabilità, "Ha detto Yoon. "Cerchiamo sempre di applicare determinati concetti che sono stati sviluppati in condizioni di laboratorio a problemi su larga scala:ecco perché facciamo il lavoro di laboratorio. Una volta che abbiamo dimostrato quei concetti di apprendimento automatico sviluppati su scala di laboratorio su dati archiviati, è molto facile adattarlo a problemi su larga scala, rispetto ai metodi tradizionali".

Lo stress si trasferisce attraverso la roccia alle faglie profonde

Una faglia nascosta è stata la causa di un terremoto a sorpresa in un sito di stimolazione geotermica a Pohang, Corea del Sud. Nel 2017, due mesi dopo la fine dell'esperimento di stimolazione geotermica finale, un terremoto di magnitudo 5.5 ha scosso la zona, il secondo terremoto più forte nella storia recente della Corea del Sud.

Dopo il terremoto, i geoscienziati hanno scoperto una faglia nascosta in profondità tra due pozzi di iniezione. Per capire come le sollecitazioni dovute all'iniezione d'acqua siano arrivate alla faglia e abbiano causato il terremoto, Kyung Won Chang, un geoscienziato a Sandia, si rese conto di dover considerare qualcosa di più dello stress dell'acqua che premeva sulle rocce. Oltre a quello stress da deformazione, aveva anche bisogno di spiegare come quello stress si trasferisse alla roccia mentre l'acqua scorreva attraverso i pori della roccia stessa nel suo complesso modello computazionale su larga scala.

Chang e i suoi colleghi hanno descritto il trasferimento dello stress in un articolo pubblicato sulla rivista Rapporti scientifici .

Però, comprendere lo stress di deformazione e il trasferimento di stress attraverso i pori della roccia non è sufficiente per comprendere e prevedere alcuni terremoti indotti da attività di esplorazione energetica. È inoltre necessario considerare l'architettura dei diversi guasti.

Usando il suo modello, Chang ha analizzato un cubo lungo 6 miglia, 6 miglia di larghezza e 6 miglia di profondità dove si è verificato uno sciame di oltre 500 terremoti ad Azle, Texas, da novembre 2013 a maggio 2014. I terremoti si sono verificati lungo due faglie intersecanti, uno a meno di 2 miglia sotto la superficie e un altro più lungo e più profondo. Mentre la faglia superficiale era più vicina ai siti di iniezione delle acque reflue, i primi terremoti avvennero lungo la più lunga, colpa più profonda.

Nel suo modello, Chang scoprì che le iniezioni d'acqua aumentavano la pressione sulla faglia poco profonda. Allo stesso tempo, stress indotto dall'iniezione trasferito attraverso la roccia fino alla faglia profonda. Poiché inizialmente la faglia profonda era più stressata, lì iniziò lo sciame sismico. Lui e Yoon hanno condiviso il modello computazionale avanzato e la loro descrizione dei terremoti di Azle in un articolo recentemente pubblicato nel Journal of Geophysical Research:Solid Earth .

"Generalmente, abbiamo bisogno di modelli multifisici che accoppino diverse forme di stress oltre la semplice pressione dei pori e la deformazione delle rocce, comprendere i terremoti indotti e correlarli con le attività energetiche, come la stimolazione idraulica e l'iniezione di acque reflue, " disse Chang.

Chang ha affermato che lui e Yoon stanno lavorando insieme per applicare e aumentare algoritmi di apprendimento automatico per rilevare faglie precedentemente nascoste e identificare le firme di stress geologico che potrebbero prevedere la magnitudo di un terremoto innescato.

Nel futuro, Chang spera di utilizzare quelle firme di stress per creare una mappa dei potenziali rischi per i terremoti indotti negli Stati Uniti.