Les géoscientifiques des laboratoires nationaux de Sandia ont utilisé des roches imprimées en 3D et un modèle informatique à grande échelle des séismes passés pour comprendre et prévenir les séismes déclenchés par l'exploration énergétique.

Injection d'eau souterraine après extraction pétrolière et gazière non conventionnelle, communément appelé fracturation hydraulique, la stimulation de l'énergie géothermique et la séquestration du dioxyde de carbone peuvent toutes déclencher des tremblements de terre. Bien sûr, les sociétés énergétiques font preuve de diligence raisonnable pour vérifier les défauts - des ruptures dans la croûte supérieure de la terre qui sont sujettes aux tremblements de terre - mais parfois des tremblements de terre, même des essaims de tremblements de terre, frapper à l'improviste.

Les géoscientifiques de Sandia ont étudié comment la pression et le stress liés à l'injection d'eau peuvent être transférés à travers les pores des roches jusqu'aux lignes de faille. y compris ceux précédemment cachés. Ils ont également écrasé des roches avec des points faibles spécialement conçus pour entendre le son de différents types de défaillances, qui aidera à la détection précoce d'un séisme induit.

La variabilité de l'impression 3D fournit des informations structurelles fondamentales

Pour étudier différents types de pannes, et leurs signes avant-coureurs, Le géoscientifique de Sandia, Hongkyu Yoon, avait besoin d'un tas de roches qui se fractureraient de la même manière à chaque fois qu'il appliquait une pression, une pression semblable à la pression causée par l'injection d'eau sous terre.

Les roches naturelles collectées au même endroit peuvent avoir une orientation et une stratification minérales très différentes, provoquant différents points faibles et types de fractures.

Il y a plusieurs années, Yoon a commencé à utiliser la fabrication additive, communément appelée impression 3D, fabriquer des roches à partir d'un minéral à base de gypse dans des conditions contrôlées, croyant que ces roches seraient plus uniformes. Pour imprimer les rochers, Yoon et son équipe ont pulvérisé du gypse en fines couches, formant des blocs et des cylindres rectangulaires de 1 x 3 x 0,5 pouce.

Cependant, alors qu'il étudiait les roches imprimées en 3D, Yoon s'est rendu compte que le processus d'impression générait également d'infimes différences structurelles qui affectaient la façon dont les roches se fracturaient. Cela a piqué son intérêt, l'amenant à étudier comment la texture minérale des roches imprimées en 3D influence la façon dont elles se fracturent.

"Il s'avère que nous pouvons utiliser cette variabilité des réponses mécaniques et sismiques d'une fracture imprimée en 3D à notre avantage pour nous aider à comprendre les processus fondamentaux de la fracturation et son impact sur l'écoulement des fluides dans les roches, ", a déclaré Yoon. Ce flux de fluide et cette pression interstitielle peuvent déclencher des tremblements de terre.

Pour ces expériences, Yoon et ses collaborateurs à Purdue University, une université avec laquelle Sandia a un partenariat fort, fait une encre minérale en utilisant de la poudre de sulfate de calcium et de l'eau. Les chercheurs, dont les professeurs Purdue Antonio Bobet et Laura Pyrak-Nolte, imprimé une couche de sulfate de calcium hydraté, environ la moitié de l'épaisseur d'une feuille de papier, puis appliqué un liant à base d'eau pour coller la couche suivante à la première. Le liant recristallise une partie du sulfate de calcium en gypse, le même minéral utilisé dans les cloisons sèches de construction.

Les chercheurs ont imprimé les mêmes roches rectangulaires et cylindriques à base de gypse. Certaines roches avaient des couches minérales de gypse horizontales, tandis que d'autres avaient des couches minérales verticales. Les chercheurs ont également modifié la direction dans laquelle ils ont pulvérisé le liant, pour créer plus de variation dans la stratification minérale.

L'équipe de recherche a pressé les échantillons jusqu'à ce qu'ils se brisent. L'équipe a examiné les surfaces de fracture à l'aide de lasers et d'un microscope à rayons X. Ils ont remarqué que le chemin de fracture dépendait de la direction des couches minérales. Yoon et ses collègues ont décrit cette étude fondamentale dans un article publié dans la revue Rapports scientifiques .

Signaux sonores et machine learning pour classer les événements sismiques

Aussi, travailler avec ses collaborateurs à l'Université Purdue, Yoon a surveillé les ondes acoustiques provenant des échantillons imprimés lorsqu'ils se sont fracturés. Ces ondes sonores sont des signes de microfissures rapides. Ensuite, l'équipe a combiné les données sonores avec des techniques d'apprentissage automatique, un type d'analyse de données avancée qui peut identifier des modèles dans des données apparemment sans rapport, pour détecter les signaux d'événements sismiques infimes.

D'abord, Yoon et ses collègues ont utilisé une technique d'apprentissage automatique connue sous le nom d'algorithme de forêt aléatoire pour regrouper les événements microsismiques en groupes causés par les mêmes types de microstructures et identifier environ 25 caractéristiques importantes dans les données sonores de microfissures. Ils ont classé ces caractéristiques par importance.

En utilisant les caractéristiques importantes comme guide, ils ont créé un algorithme d'apprentissage « en profondeur » multicouche, comme les algorithmes qui permettent aux assistants numériques de fonctionner, et l'ont appliqué aux données archivées collectées à partir d'événements du monde réel. L'algorithme d'apprentissage en profondeur a pu identifier les signaux d'événements sismiques plus rapidement et avec plus de précision que les systèmes de surveillance conventionnels.

Yoon a déclaré que d'ici cinq ans, ils espèrent appliquer de nombreux algorithmes d'apprentissage automatique différents, comme ceux-ci et ceux avec des principes géoscientifiques intégrés, pour détecter les séismes induits liés aux activités de combustibles fossiles dans les champs de pétrole ou de gaz. Les algorithmes peuvent également être appliqués pour détecter des défauts cachés qui pourraient devenir instables en raison de la séquestration du carbone ou de la stimulation de l'énergie géothermique, il a dit.

"L'un des avantages de l'apprentissage automatique est l'évolutivité, " a déclaré Yoon. "Nous essayons toujours d'appliquer certains concepts qui ont été développés dans des conditions de laboratoire à des problèmes à grande échelle - c'est pourquoi nous travaillons en laboratoire. Une fois que nous avons prouvé ces concepts d'apprentissage automatique développés à l'échelle du laboratoire sur des données archivées, il est très facile de l'adapter à des problèmes à grande échelle, par rapport aux méthodes traditionnelles.

Transferts de contraintes à travers la roche vers les failles profondes

Une faille cachée a été à l'origine d'un tremblement de terre surprise sur un site de stimulation géothermique à Pohang, Corée du Sud. En 2017, deux mois après la fin de la dernière expérience de stimulation géothermique, un séisme de magnitude 5,5 a secoué la région, le deuxième séisme le plus fort de l'histoire récente de la Corée du Sud.

Après le tremblement de terre, les géoscientifiques ont découvert une faille cachée profondément entre deux puits d'injection. Pour comprendre comment les contraintes dues à l'injection d'eau se sont rendues jusqu'à la faille et ont causé le séisme, Kyung Won Chang, un géoscientifique à Sandia, s'est rendu compte qu'il devait considérer plus que le stress de l'eau pressant sur les rochers. En plus de cette contrainte de déformation, il devait également tenir compte de la façon dont cette contrainte était transférée à la roche lorsque l'eau s'écoulait à travers les pores de la roche elle-même dans son modèle informatique complexe à grande échelle.

Chang et ses collègues ont décrit le transfert de stress dans un article publié dans la revue Rapports scientifiques .

Cependant, comprendre les contraintes de déformation et les transferts de contraintes à travers les pores des roches ne suffit pas pour comprendre et prédire certains séismes induits par les activités d'exploration énergétique. L'architecture des différentes failles doit également être prise en compte.

En utilisant son modèle, Chang a analysé un cube de 6 miles de long, 6 miles de large et 6 miles de profondeur où un essaim de plus de 500 tremblements de terre a eu lieu à Azle, Texas, de novembre 2013 à mai 2014. Les séismes se sont produits le long de deux failles sécantes, un moins de 2 milles sous la surface et un autre plus long et plus profond. Alors que la faille peu profonde était plus proche des sites d'injection des eaux usées, les premiers tremblements de terre se sont produits le long du plus long, faute plus profonde.

Dans son modèle, Chang a découvert que les injections d'eau augmentaient la pression sur la faille peu profonde. À la fois, contrainte induite par l'injection transférée à travers la roche jusqu'à la faille profonde. Parce que la faille profonde était plus stressée au départ, l'essaim de tremblement de terre a commencé là. Lui et Yoon ont partagé le modèle informatique avancé et leur description des tremblements de terre d'Azle dans un article récemment publié dans le Journal of Geophysical Research:Solid Earth .

"En général, nous avons besoin de modèles multiphysiques qui couplent différentes formes de contraintes au-delà de la simple pression interstitielle et de la déformation des roches, comprendre les séismes induits et les corréler avec les activités énergétiques, comme la stimulation hydraulique et l'injection d'eaux usées, " dit Chang.

Chang a déclaré que lui et Yoon travaillaient ensemble pour appliquer et mettre à l'échelle des algorithmes d'apprentissage automatique afin de détecter des failles précédemment cachées et d'identifier les signatures de contraintes géologiques qui pourraient prédire l'ampleur d'un tremblement de terre déclenché.

À l'avenir, Chang espère utiliser ces signatures de stress pour créer une carte des dangers potentiels des tremblements de terre induits aux États-Unis.