La génération d’énergie géothermique nécessite un sous-sol perméable pour libérer efficacement la chaleur lorsque des fluides froids sont forcés dans la roche. Cette recherche révèle les moments optimaux pour un transfert d'énergie efficace en exposant le lien avec les microséismes, qui sont surveillés en surface par des sismomètres. L'équipe a publié ses conclusions dans Nature Communications .

À l'aide de deux ensembles de données des projets de démonstration EGS Collab et Utah FORGE, les chercheurs ont utilisé l'apprentissage automatique pour extraire le « bruit » trouvé dans les données qui masquait le lien. Les chercheurs ont ensuite utilisé l’apprentissage automatique pour créer un modèle à partir d’un site et l’ont appliqué avec succès à l’autre – un processus appelé apprentissage par transfert – suggérant que le lien a été formé sur la base de la physique générale des roches souterraines. Cela signifie que cela est probablement vrai pour tous les sites d'énergie géothermique, ont déclaré les chercheurs.

"Le succès de l'apprentissage par transfert confirme la généralisabilité des modèles", a déclaré Pengliang Yu, chercheur postdoctoral à Penn State et auteur principal de l'étude. "Cela suggère que la surveillance sismique pourrait être largement utilisée pour améliorer l'efficacité du transfert d'énergie géothermique sur un large éventail de sites."

L'augmentation de la perméabilité des roches est essentielle à toute une série de méthodes d'extraction d'énergie, a déclaré Yu. La perméabilité des roches a un impact sur la récupération traditionnelle des combustibles fossiles ainsi que sur les énergies renouvelables, notamment la production d'hydrogène. Les méthodes d'hydrofracturation introduisent des fluides froids dans le sous-sol à travers la roche poreuse, ce qui crée des pressions élevées qui brisent la roche en tension ou en cisaillement.

Ce processus crée des microséismes similaires aux tremblements de terre naturels, mais à une échelle beaucoup plus petite. En augmentant la perméabilité de la roche, les énergies telles que la chaleur et les hydrocarbures peuvent atteindre plus facilement la surface.

Yu a déclaré que leur algorithme montrait un lien direct, ce qui signifie que la roche devenait la plus perméable lorsque l'activité sismique était la plus forte.

L'identification du lien entre l'activité sismique et la perméabilité des roches améliore la capacité d'extraction d'énergie tout en garantissant que les microséismes restent en dessous du seuil susceptible de causer des dommages ou d'être observés par le public.

"L'apprentissage automatique a joué un rôle clé dans la découverte de la relation entre l'activité sismique et la perméabilité des roches", a déclaré la co-auteure Parisa Shokouhi, professeur de sciences de l'ingénierie et de mécanique au College of Engineering. "Cela a permis d'identifier les attributs importants des données sismiques pour prédire l'évolution de la perméabilité des roches. Nous avons limité l'algorithme d'apprentissage automatique pour garantir un modèle physiquement significatif. En retour, la prédiction du modèle a révélé un lien physique jusqu'alors inconnu entre les données sismiques et la perméabilité des roches."

Augmenter la disponibilité de l'énergie géothermique réduirait la dépendance aux combustibles fossiles, ont déclaré les chercheurs. De plus, ils ont noté que relier la perméabilité des roches aux microséismes peut être utile pour surveiller le mouvement des gaz pour la séquestration du carbone et la production et le stockage d'hydrogène souterrain.

La recherche fait partie d'un projet plus vaste visant à réduire les coûts et à augmenter la production d'énergie géothermique et à utiliser l'apprentissage automatique pour mieux comprendre et prédire les tremblements de terre, y compris les microséismes.

"Le travail de Yu fait partie de nos efforts visant à faire progresser l'exploration géothermique et la production d'énergie géothermique à l'aide de méthodes d'apprentissage automatique", a déclaré le co-auteur Chris Marone, professeur de géosciences à Penn State. "Nos études en laboratoire montrent des liens clairs entre l'évolution des propriétés élastiques avant les tremblements de terre en laboratoire, et nous sommes ravis de voir que des relations similaires sont observées dans la nature."