VAE-basierte Datenraum-Inversion prognostiziert Fault Slip in CO₂‑Storage

In einer wegweisenden Studie wird gezeigt, wie ein variationaler Autoencoder (VAE) in Kombination mit einer Datenraum-Inversion (DSI) die Gefahr von Fault Slip in CO₂‑Speicherprojekten zuverlässig vorhersagen kann. Durch die Simulation von rund tausend vorab definierten Geomodellen werden sämtliche möglichen Zustände des Untergrunds abgebildet, ohne dass anschließend noch neue Posterior‑Modelle erzeugt werden müssen.

Die Forscher haben ein synthetisches 3‑D‑System mit zwei Faults entwickelt, in dem heterogene Durchlässigkeits‑ und Porositätsfelder mittels geostatistischer Software erzeugt wurden. Für jede Realisierung wurden unsichere geomechanische und Fault‑Parameter aus prioren Verteilungen gezogen und anschließend gekoppelte Flow‑Geomechanik‑Simulationen mit der GEOS‑Software durchgeführt.

Der VAE, aufgebaut aus gestapelten Convolutional‑Long‑Short‑Term‑Memory‑Schichten, lernt aus den Prior‑Simulationen, die Felder für Druck, Dehnung, effektiven Normal‑ und Schubstress in ein kompaktes latentes Raum‑Format zu kodieren. Dieses Modell wird dann in die DSI‑Pipeline integriert, wobei Messdaten aus Überwachungskaminen (Druck und Dehnung) als Beobachtungen dienen. Auf diese Weise lassen sich Posterior‑Verteilungen für alle interessierenden Größen – inklusive Fault‑Slip‑Tendenz – direkt aus den Prior‑Simulationen ableiten.

Die Ergebnisse zeigen, dass die posterioren Vorhersagen die synthetisch erzeugte „wahre“ Lösung nahezu exakt reproduzieren, was die Methode als leistungsfähiges Werkzeug für die Risikobewertung in CO₂‑Speicherprojekten bestätigt. Die Kombination aus VAE‑Modellierung und Datenraum‑Inversion eröffnet damit neue Möglichkeiten, komplexe Coupled‑Flow‑Geomechanik‑Probleme effizient und zuverlässig zu analysieren.