Reservoirtemperaturbestimmung mittels künstlicher neuronaler Netze (KNN)

Die Anwendung von Geothermometrie wird seit Jahrzehnten zur geothermischen Reservoirtemperaturabschätzung genutzt. Eine stetige Weiterentwicklung der klassischen Geothermometer über multikomponente Lösungen bis hin zu Anwendung künstlicher Intelligenz stehen heutzutage zur Verfügung. Die Entwicklung leistungsstarker Computer bietet die Möglichkeit Deep Learning-Algorithmen zur Temperaturabschätzung des Reservoirs heranzuziehen. Mittels künstlicher neuronaler Netze kann, aus einer Auswahl geochemischen Eingangsparametern, auf die Temperatur im Untergrund geschlossen werden. Für die Anwendung auf geothermale Wässer, wird deren chemische Zusammensetzten benötigt. Die Hauptkationen und –anionen sowie die SiO2-Konzentration und der pH-Wert dienen dem Netz als Eingangsparameter. Über die Verknüpfung und Wichtung der Neuronen innerhalb der Layer des neuronalen Netzwerkes wird die neuentwickelte künstliche Intelligenz trainiert und mithilfe von Probedatensätzen validiert. Hierbei stimmen die modellierten Reservoirtemperaturen mit den in-situ-Temperaturmessungen der ausgewerteten Geothermiefelder überein. Die Nutzung von künstlichen neuronalen Netzen, gegenüber konventionellen Geothermometern, stellt eine Neuerung dar, die sich durch schnelle und einfache Anwendbarkeit sowie hoher Genauigkeit im Umgang mit große Datenmengen auszeichnet.