TraceRIFT: Reference-preserving ensemble selection for discrete fracture networks from incomplete traces

Unter der Erdoberfläche ist Gestein selten ein massiver, ununterbrochener Block. Stattdessen ist es oft ein zerklüftetes Mosaik, das von unzähligen Rissen und Spalten durchzogen wird, die ein komplexes, dreidimensionales Geflecht bilden, das als diskretes Bruchstellennetzwerk bekannt ist. Diese verborgenen Pfade sind entscheidend für das Verständnis darüber, wie Wasser, Öl oder sogar Wärme durch den Boden fließen. Geologen können sehen, wo diese Risse die Oberfläche einer Klippe oder eines Straßenaufschlusses kreuzen, was sichtbare Linien hinterlässt, die als Spuren bezeichnet werden. Diese Oberflächenspuren sind jedoch nur eine Teilansicht eines viel größeren, unsichtbaren Gefüges. Genau wie ein einzelner Schatten nicht die volle Form eines komplexen Objekts offenbaren kann, können einige wenige Oberflächenspuren vielen verschiedenen möglichen unterirdischen Netzwerken entsprechen. Einige dieser verborgenen Netzwerke könnten eng miteinander verbunden sein, was Flüssigkeiten das freie Fließen ermöglicht, während andere isolierte Gesteinsinseln darstellen könnten, die Bewegungen vollständig blockieren. Die Herausforderung für Wissenschaftler besteht darin, aus den begrenzten, oft fragmentierten Oberflächendaten, die sie zur Verfügung haben, eine kleine, handhabbare Menge der wahrscheinlichsten Möglichkeiten zu rekonstruieren, ohne versehentlich diejenige zu verwerfen, die tatsächlich korrekt ist.

Seit Jahren verlassen sich Forscher auf Computersimulationen, um Tausende dieser möglichen unterirdischen Netzwerke basierend auf Beobachtungen an der Oberfläche zu generieren. Das Problem entsteht, wenn sie entscheiden müssen, welche zehn sie für weitere Studien behalten. Traditionelle Methoden wählen oft die zehn aus, die der ursprünglichen besten Vermutung am ähnlichsten sind, aber dieser Ansatz kann gefährlich sein. Indem sie sich nur auf die offensichtlichsten Übereinstimmungen konzentrieren, könnten diese Methoden ein etwas anderes Netzwerk übersehen, das, obwohl es an der Oberfläche weniger ähnlich ist, tatsächlich die verborgene Struktur darunter darstellt. Es ist ein wenig so, als würde man versuchen, einen bestimmten Schlüssel in einem großen Schlüsselbund zu finden; wenn man nur die Schlüssel auswählt, die exakt so aussehen wie der, den man in der Hand hält, übersieht man vielleicht denjenigen, der ins Schloss passt, aber etwas anders aussieht. Das Ziel ist es, eine Kerngruppe der wahrscheinlichsten Kandidaten zu behalten und gleichzeitig sicherzustellen, dass die endgültige Auswahl auch das volle Spektrum plausibler unterirdischer Formen abdeckt, selbst jener, die etwas ungewöhnlich aussehen.

In einer neuen Studie hat ein Forscherteam der Chang'an University in China eine Methode namens TraceRIFT eingeführt, um dieses Auswahlrätsel zu lösen. Ihre Arbeit konzentriert sich auf ein spezifisches Szenario, in dem die Oberflächendaten unvollständig sind, etwa weil Teile der Gesteinswand verborgen oder die Risse zu fragmentiert sind, um klar gesehen zu werden. Die Forscher begannen damit, für jeden Testfall einen Pool von vierundsechzig verschiedenen dreidimensionalen Bruchstellennetzwerken zu generieren, die alle mit den verfügbaren begrenzten Oberflächenspuren konsistent waren. Aus diesem Pool mussten sie eine endgültige Liste von zehn Netzwerken auswählen. Anstatt einfach die obersten zehn basierend darauf auszuwählen, wie gut sie einer einzelnen Vorhersage entsprechen, behandelt TraceRIFT den Auswahlprozess als ein Abdeckungsproblem. Es fragt: „Welche zehn Netzwerke beschreiben zusammen betrachtet die breiteste Vielfalt an möglichen unterirdischen Realitäten?“

Die Methode funktioniert, indem sie eine Kerngruppe von sechs Netzwerken schützt, die bereits auf Basis bestehenden geologischen Wissens als die wahrscheinlichsten Kandidaten gelten. Diese sechs bleiben in der endgültigen Liste festgeschrieben, um sicherzustellen, dass die wahrscheinlichsten Szenarien niemals verloren gehen. Die Forscher verwenden dann eine ausgeklügelte mathematische Strategie, um die verbleibenden vier Netzwerke aus dem restlichen Pool zu wählen. Diese vier werden spezifisch deshalb ausgewählt, weil sie neue Informationen hinzufügen und Lücken füllen, die die Kerngruppe möglicherweise übersieht. Das System bewertet jede potenzielle Ergänzung, indem es prüft, wie gut sie verschiedene Aspekte des Bruchstellennetzwerks abdeckt, wie etwa die Anzahl der verbundenen Risse, die Größe der Risse und deren Orientierung im Raum. Das Ziel ist es, sicherzustellen, dass die endgültige Gruppe von zehn eine diverse Menge an Möglichkeiten repräsentiert, wodurch das Risiko verringert wird, dass die wahre unterirdische Struktur außen vor bleibt.

Die Forscher testeten diesen Ansatz anhand von tausenden simulierten unterirdischen Netzwerken, bei denen die wahre Antwort bekannt war. Sie verglichen TraceRIFT mit anderen Methoden, die entweder einfach die ähnlichsten Netzwerke auswählten oder versuchten, Ähnlichkeit und Diversität auf unterschiedliche Weise auszubalancieren. Die Ergebnisse zeigten, dass TraceRIFT signifikant besser darin war, die Lücke zwischen der ausgewählten Liste und dem bestmöglichen im Pool verfügbaren Kandidaten zu schließen. Wenn die Oberflächendaten fragmentiert waren oder Teile fehlten, reduzierte die neue Methode den „Retrieval Regret“ – die Distanz zwischen der ausgewählten Menge und dem besten Kandidaten im Pool – im Vergleich zum Standardansatz um fast dreiundzwanzig Prozent. Das bedeutet, dass die von TraceRIFT erstellte Liste von zehn Netzwerken viel wahrscheinlicher ein Netzwerk enthielt, das der besten verfügbaren Option im Pool sehr nahe kam, als die Listen, die durch ältere Methoden erstellt wurden. Darüber hinaus gelang es der Methode, die ursprünglichen Top-Kandidaten zu bewahren, wodurch sichergestellt wurde, dass die vertrauenswürdigsten geologischen Interpretationen im Prozess der Suche nach Diversität nicht verworfen wurden.

Um zu beweisen, dass die Methode in der realen Welt funktioniert, wandte das Team sie auf eine öffentliche Datenbank von Bruchstellenkarten eines Ortes namens Wadi Birk an. Sie erstellten virtuelle Testfälle mit realen Daten, um zu sehen, ob das System die Komplexität tatsächlicher geologischer Formationen bewältigen kann. Die Methode generierte erfolgreich Kandidatennetzwerke und bewahrte die Kerngruppe der Hypothesen, was demonstrierte, dass der Ansatz robust genug ist, um über Computersimulationen hinauszugehen. Die Studie unterstreicht, dass die größte Fehlerquelle bei diesen Rekonstruktionen oft nicht in der initialen Generierung der Möglichkeiten liegt, sondern im letzten Schritt der Auswahl dessen, was man behält. Durch die Trennung der Aufgabe der Generierung von Kandidaten von der Aufgabe der Auswahl derselben und durch die Verwendung einer Strategie, die Abdeckung gegenüber einfacher Ähnlichkeit wertschätzt, bietet TraceRIFT einen zuverlässigeren Weg, um die verborgene Architektur der Erdkruste zu verstehen. Dieser Fortschritt ermöglicht es Geologen, bessere Entscheidungen über Grundwasserressourcen, Erdölförderung und die Stabilität von Gesteinsformationen zu treffen, indem sichergestellt wird, dass ihre Shortlist an Möglichkeiten sowohl präzise als auch umfassend ist.