التقدير الآلي للمعلمات لنمذجة خزانات الحرارة الجوفية باستخدام التعلم الآلي

في التطورات الجيوحرارية، يعد توصيف التدفق الهيدروحراري أمرًا أساسيًا لتوقع الإنتاج المستقبلي وتصميم استراتيجيات تطوير فعالة. تتطلب نماذج المحاكاة العددية تحديد عدد كبير من المعلمات المدخلة لتمثيل الخزان. وقد قدرت معظم الطرق السابقة المعلمات المعقولة من خلال البحث بالتجربة والخطأ باستخدام بيانات القياس، مما يستغرق وقتًا طويلاً ويعتمد على ذاتية المحلل. في هذه الدراسة، نقترح طريقة مبنية على التعلم الآلي لتقدير المعلمات المدخلة (مثل توزيعات النفاذية، ومصدر الحرارة، وظروف المصب) لنمذجة خزانات الحرارة الجوفية. تم إعداد كمية كبيرة من بيانات التدريب بواسطة مقلد خزانات جيوحرارية قادر على حساب توزيعات الضغط ودرجة الحرارة في الحالة الطبيعية. تم تطبيق خوارزميات التعلم الآلي على مشاكل التصنيف والانحدار، وتم اختيار تقنية تعزيز التدرج في النهاية. كانت درجات تقييم الأداء عالية لتقدير المعلمات حتى بالنسبة للمشكلة ثلاثية الأبعاد. تم تطبيق نموذج التعلم الآلي على بيانات ثلاثية الأبعاد تحاكي حقل حرارة جوفية. على الرغم من أن بيانات التدريب كانت لها توزيع مختلف، إلا أن توزيع النفاذية المقدّر أظهر نفس الاتجاه مثل التوزيع الحقيقي. أدت إعادة الحساب باستخدام المعلمات المدخلة المقدرة إلى توزيعات درجة حرارة بدقة جيدة. تُظهر هذه الدراسة بنجاح إمكانية تطبيق النموذج على بيانات الحقل.