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

Sous la surface de la Terre, la roche est rarement un bloc solide et ininterrompu. Au contraire, elle est souvent une mosaïque fracturée, sillonnée d'innombrables fissures et crevasses qui forment un réseau complexe en trois dimensions appelé réseau de fractures discrètes. Ces voies cachées sont cruciales pour comprendre comment l'eau, le pétrole ou même la chaleur circulent à travers le sol. Les géologues peuvent voir où ces fissures intersectent la surface d'une falaise ou d'une coupe de route, laissant derrière elles des lignes visibles appelées traces. Cependant, ces lignes de surface ne sont qu'une vue partielle d'une structure souterraine beaucoup plus vaste et invisible. Tout comme une seule ombre ne peut révéler la forme complète d'un objet complexe, quelques traces de surface peuvent correspondre à de nombreux réseaux souterrains différents possibles. Certains de ces réseaux cachés pourraient être étroitement connectés, permettant aux fluides de circer librement, tandis que d'autres pourraient être des îlots de roche isolés, bloquant tout mouvement. Le défi pour les scientifiques consiste à prendre les données de surface limitées, souvent fragmentées, dont ils disposent et à reconstruire un ensemble restreint et gérable des possibilités souterraines les plus probables sans écarter accidentellement celle qui est réellement correcte.

Pendant des années, les chercheurs se sont appuyés sur des simulations informatiques pour générer des milliers de ces réseaux souterrains possibles basés sur des observations de surface. Le problème survient lorsqu'ils doivent choisir les dix qu'il faut conserver pour une étude plus approfondie. Les méthodes traditionnelles choisissent souvent les dix qui ressemblent le plus à la première hypothèse la plus probable, mais cette approche peut être dangereuse. En se concentrant uniquement sur les correspondances les plus évidentes, ces méthodes pourraient négliger un réseau légèrement différent qui, bien que moins similaire en surface, est en réalité la structure réelle cachée en dessous. C'est un peu comme essayer de trouver une clé spécifique dans un grand trousseau ; si vous ne choisissez que les clés qui ressemblent exactement à celle que vous tenez, vous pourriez manquer celle qui ouvre la serrure mais qui a une apparence légèrement différente. L'objectif est de conserver un groupe central des candidats les plus probables tout en garantissant que la sélection finale couvre également toute la gamme des formes souterraines plausibles, même celles qui paraissent un peu inhabituelles.

Dans une nouvelle étude, une équipe de chercheurs de l'Université de Chang'an en Chine a introduit une méthode appelée TraceRIFT pour résoudre ce casse-tête de sélection. Leur travail se concentre sur un scénario spécifique où les données de surface sont incomplètes, peut-être parce que certaines parties de la paroi rocheuse sont cachées ou que les fissures sont trop fragmentées pour être vues clairement. Les chercheurs ont commencé par générer un ensemble de soixante-quatre réseaux de fractures tridimensionnels différents pour chaque cas de test, tous cohérents avec les traces de surface limitées disponibles. À partir de cet ensemble, ils devaient établir une liste finale de dix réseaux. Au lieu de simplement choisir les dix meilleurs basés sur la qualité de leur correspondance avec une prédiction unique, TraceRIFT traite le processus de sélection comme un problème de couverture. La méthode pose la question suivante : « Quels dix réseaux, lorsqu'ils sont examinés ensemble, décrivent la plus grande variété de réalités souterraines possibles ? »

La méthode fonctionne en protégeant un groupe central de six réseaux qui sont déjà considérés comme les candidats les plus probables selon les connaissances géologiques existantes. Ces six réseaux restent fixes dans la liste finale pour garantir que les scénarios les plus probables ne soient jamais perdus. Les chercheurs utilisent ensuite une stratégie mathématique sophistiquée pour choisir les quatre réseaux restants parmi le reste du groupe. Ces quatre réseaux sont sélectionnés spécifemment parce qu'ils apportent de nouvelles informations, comblant les lacunes que le groupe central pourrait omettre. Le système évalue chaque ajout potentiel en vérifiant sa capacité à couvrir différents aspects du réseau de fractures, tels que le nombre de fissures connectées, la taille des fissures et leur orientation dans l'espace. L'objectif est de s'assurer que le groupe final de dix représente un ensemble diversifié de possibilités, réduisant ainsi le risque que la véritable structure souterraine ne soit oubliée.

Les chercheurs ont testé cette approche en utilisant des milliers de réseaux souterrains simulés où la réponse réelle était connue. Ils ont comparé TraceRIFT à d'autres méthodes qui choisissent simplement les réseaux les plus similaires ou qui tentent d'équilibrer la similitude et la diversité de différentes manières. Les résultats ont montré que TraceRIFT était nettement plus efficace pour réduire l'écart entre la liste sélectionnée et le meilleur candidat disponible dans le groupe. Lorsque les données de surface étaient fragmentées ou incomplètes, la nouvelle méthode a réduit le « regret de récupération » — la distance entre l'ensemble sélectionné et le meilleur candidat du groupe — de près de vingt-trois pour cent par rapport à l'approche standard. Cela signifie que la liste de dix réseaux produite par TraceRIFT était beaucoup plus susceptible de contenir un réseau très proche de la meilleure option disponible que les listes produites par les anciennes méthodes. De plus, la méthode a réussi à préserver les candidats initiaux les plus importants, garantissant que les interprétations géologiques les plus fiables n'étaient pas écartées dans le processus de recherche de diversité.

Pour prouver que la méthode fonctionne dans le monde réel, l'équipe l'a appliquée à une base de données publique de cartes de fractures provenant d'un lieu appelé Wadi Birk. Ils ont créé des cas de test virtuels utilisant des données réelles pour voir si le système pouvait gérer la complexité des formations géologiques réelles. La méthode a réussi à générer des réseaux candidats et à préserver le groupe central d'hypothèses, démontrant que l'approche est suffisamment robuste pour dépasser le cadre des simulations informatiques. L'étude souligne que la principale source d'erreur dans ces reconstructions ne provient pas de la génération initiale des possibilités, mais de l'étape finale consistant à choisir lesquelles conserver. En séparant la tâche de génération des candidats de la tâche de sélection, et en utilisant une stratégie qui valorise la couverture plutôt que la simple similitude, TraceRIFT offre un moyen plus fiable de comprendre l'architecture cachée de la croûte terrestre. Cette avancée permet aux géologues de prendre de meilleures décisions concernant les ressources en eau souterraine, l'extraction de pétrole et la stabilité des formations rocheuses, tout en s'assurant que leur liste de possibilités est à la fois précise et exhaustive.