TU Darmstadt / ULB / TUprints

Subsurface Characterization by Means of Geovisual Analytics

Linsel, Adrian (2021):
Subsurface Characterization by Means of Geovisual Analytics. (Publisher's Version)
Darmstadt, Technische Universität,
DOI: 10.26083/tuprints-00018575,
[Ph.D. Thesis]

[img]
Preview
Text
Dissertation_Linsel.pdf
Available under CC-BY-SA 4.0 International - Creative Commons, Attribution Share-alike.

Download (49MB) | Preview
Item Type: Ph.D. Thesis
Status: Publisher's Version
Title: Subsurface Characterization by Means of Geovisual Analytics
Language: English
Abstract:

This Thesis is concerned with one of the major problems in subsurface characterizations emerging from ever-increasing loads of data in the last decades: What kind of technologies suit well for extracting novel, valid and useful knowledge from persistent data repositories for the characterization of subsurface regions and how can such technologies be implemented in an integrated, community-open software platform? In order to address those questions, an interactive, open-source software platform for geoscientific knowledge discovery has been developed, which enables domain experts to generate, optimize and validate prognostic models of the subsurface domain. Such a free tool has been missing in the geoscientific community so far. The extensible software platform GeoReVi (Geological Reservoir Virtualization) implements selected aspects of geovisual analytics with special attention being paid to an implementation of the knowledge discovery in databases process. With GeoReVi the human expert can model and visualize static and dynamic systems in the subsurface in a feedback cycle. The created models can be analyzed and parameterized by means of modern approaches from geostatistics and data mining. Hence, knowledge that is useful to both the assessment of subsurface potentials and to support decision-making during the utilization process of the subsurface regions can be extracted and exchanged in a formalized manner. The modular software application is composed of both integrated and centralized databases, a graphical user interface and a business logic. In order to fulfill the needs of low computing time in accordance with high computational complexity of spatial problems, the software system makes intense use of parallelism and asynchronous programming. The competitiveness of industry branches, which are aimed at utilizing the subsurface in unknown regions, such as the geothermal energy production or carbon capture and storage, are especially dependent on the quality of spatial forecasts for relevant rock and fluid properties. Thus, the focus of this work has been laid upon the implementation of algorithms, which enhance the predictability of properties in space under consideration of uncertainty. The software system was therefore evaluated in ample real-world scenarios by solving problems from scientific, educational and industrial projects. The implemented software system shows an excellent suitability to generically address spatial problems such as interpolation or stochastic simulation under consideration of numerical uncertainty. In this context, GeoReVi served as a tool for discovering new knowledge with special regard to investigating the heterogeneity of rock media on multiple scales of investigation. Among others, it could be demonstrated that the three-dimensional scalar fields of different petrophysical and geochemical properties in sandstone media may diverge significantly at small-scales. In fact, if the small-scale variability is not considered in field-scale projects, in which the sampling density is usually low, statistical correlations and thus empirical relationships might be feigned. Furthermore, it could be demonstrated that the simple kriging variance, which is used to simulate the natural variability in sequential simulations, systematically underestimates the intrinsic variability of the investigated sandstone media. If the small-scale variability can be determined by high-resolution sampling, it can be used to enhance conditional simulations at the scale of depositional environments.

Alternative Abstract:
Alternative AbstractLanguage

Die vorliegende Thesis behandelt eines der zentralen Probleme prognostischer Untergrundmodellierungen in Zeiten stetig wachsender Datenmengen: Wie kann neues, valides und nutzbares Wissen zur Bewertung von Untergrundpotenzialen aus großen Datenbanken mit geowissenschaftlichem Kontext optimal extrahiert und verwertet werden? Hierzu wurde ein interaktives, quelloffenes visuelles Wissensfindungssystem mit Datenbankanbindung entwickelt, mit dem geowissenschaftliche Datensätze verwaltet und semi-automatisiert prognostische Untergrundmodelle entwickelt, validiert und optimiert werden können. Solch ein quelloffenes System fehlte bislang innerhalb der geowissenschaftlichen Forschungsgemeinschaft. Das System basiert auf dem Prinzip der Wissensfindung in Datenbanken und implementiert ausgewählte Aspekte aus der Disziplin der visuellen Analytik. In einem interaktiven Benutzer-Maschine-Kreislauf können Domänenexperten statische und dynamische Untergrundsysteme modellieren, um neues Wissen zur Beurteilung von Geopotenzialen aus vorhandenen Datensätzen zu extrahieren. Das System stellt hierfür moderne Algorithmen der Geostatistik oder des Data Mining zur Verfügung. Das mehrschichtige, modulare Softwaresystem besteht aus lokalen und zentralisierten Datenbanken, einer graphischen Benutzeroberfläche und einer Geschäftslogik. Datensätze aus wissenschaftlichen und industriellen Projekten, die vorwiegend aus der Domäne der geologischen Reservoircharakterisierung stammen, wurden in das System importiert und genutzt, um wissenschafltiche Fragestellungen unter Zuhilfenahme des Softwaresystems zu beantworten. Die Wirtschaftlichkeit der Reservoirnutzung ist maßgeblich von der Qualität räumlicher Prognosen relevanter Untergrundparameter abhängig, weswegen der Schwerpunkt dieser Arbeit auf die Implementierung von Algorithmen zur Verbesserung der Vorhersagbarkeit dieser Untergrundparameter gelegt wurde. Das Softwaresystem wurde diesbezüglich in realen Testszenarien evaluiert. Die Ergebnisse der Fallstudien zeigen, dass sich visuelle Wissensfindungssysteme hervorragend dafür eignen, geowissenschaftliche Fragestellungen unter der Berücksichtigung von Unsicherheiten zu lösen. In den Fallstudien konnte gezeigt werden, dass sich die räumliche Ausprägung von dreidimensionalen Skalarfeldern physikalisch-chemischer Eigenschaften in Sandsteinmedien auf der sub-Meterskala signifikant unterscheiden kann. Ohne Berücksichtigung der kleinskaligen geologischen Variabilität könnten Rückschlüsse über statistische Zusammenhänge auf der Anwendungsskala, auf der die Beprobungsdichte generell gering ist, fälschlicherweise impliziert werden. In dieser Fallstudie konnte des Weiteren gezeigt werden, dass die Simple Kriging Varianz, die zur stochastischen Nachbildung der natürlichen Variabilität in sequentiellen Simulationen Verwendung findet, die natürliche Variabilität innerhalb der untersuchten porösen Sandsteinmedien systematisch unterschätzt. Falls die natürliche Variabilität in hochauflösenden Studien ermittelt werden kann, kann diese genutzt werden, um die Simulation der lokalen Variabilität innerhalb sedimentärer Ablagerungsräume zu verbessern.

German
Place of Publication: Darmstadt
Collation: XX, 203 Seiten
Classification DDC: 500 Naturwissenschaften und Mathematik > 550 Geowissenschaften
Divisions: 11 Department of Materials and Earth Sciences > Earth Science > Applied Sedimentary Geology
Date Deposited: 26 May 2021 08:06
Last Modified: 26 May 2021 08:06
DOI: 10.26083/tuprints-00018575
URN: urn:nbn:de:tuda-tuprints-185756
Referees: Hinderer, Prof. Dr. Matthias ; Schafmeister, Prof. Dr. Maria-Theresia
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/18575
Export:
Actions (login required)
View Item View Item