• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  • Teoria encontra aplicação:técnicas de aprendizado de máquina para exploração geotérmica
    p Crédito:Penn State

    p Quando Jing Yang, professor assistente de engenharia elétrica, começou a procurar aplicações práticas para sua pesquisa de aprendizado de máquina, parceria com Chris Marone, professor de geociências, por seu trabalho em exploração geotérmica segura e eficiente e produção de energia, foi um ajuste perfeito. p Yang e Marone receberam recentemente uma Concessão Semente Multidisciplinar da Penn State 2019 por sua pesquisa colaborativa "Abordagens de aprendizado de máquina para exploração geotérmica segura".

    p "Trabalho com aprendizado de máquina há vários anos, "disse Yang." Minha pesquisa é mais teórica, e quero mostrar como a teoria pode ser relacionada à prática. Os aplicativos relacionados à energia podem ser o lugar onde as técnicas de aprendizado de máquina podem manifestar um grande impacto. "

    p O trabalho tem como objetivo usar o aprendizado de máquina tanto para melhor prever a atividade sísmica durante a exploração geotérmica quanto para otimizar a produção de energia geotérmica.

    p Os sistemas geotérmicos requerem a criação de fraturas por meio de estimulação hidráulica. Esta formação de fratura e estimulação está associada a micro-terremotos (MEQs) que podem danificar edifícios e outras estruturas de superfície. Marone e Yang esperam que, usando os algoritmos de aprendizado de máquina (ML) de Yang, eles sejam capazes de prever e prever eventos sísmicos como MEQs.

    p "Estamos muito interessados ​​em saber se existem certos precursores para micro-terremotos, para que possamos prever quando uma grande atividade sísmica vai acontecer em um futuro próximo, sobre o qual algumas ações imediatas podem ser tomadas antes que algo destrutivo aconteça, "disse Yang.

    p Um componente crítico para esta pesquisa é a capacidade dos algoritmos de ML de prever essa atividade sísmica em grande escala. Os pesquisadores atualmente tiveram sucesso com a coleta de dados e previsão de atividade sísmica no laboratório, mas eles precisam garantir que podem fazer essas previsões em escala de campo.

    p "Se você tiver milhares de sensores gerando medições em um fluxo contínuo, analisar os fluxos de dados em tempo real é extremamente desafiador. O problema se torna ainda mais complicado quando muitos microeventos acontecem ao mesmo tempo, "disse Yang." Então [a questão é] como poderíamos localizar ou inferir com mais precisão esses eventos que acontecem abaixo da superfície a partir de dados de streaming. "

    p O segundo objetivo do projeto é extrair com segurança a quantidade ideal de energia geotérmica no processo de fraturamento hidráulico.

    p “Queremos controlar cuidadosamente a quantidade de fluido injetado no solo para que possamos alcançar alta produção de energia geotérmica, e, ao mesmo tempo, garantir que não cause danos ao site, as estruturas de superfície e assim por diante, "disse Yang.

    p Para fazer isso, Yang e Marone desenvolverão uma estrutura de aprendizagem por reforço segura. Isso envolverá a criação de algoritmos escalonáveis ​​para lidar com ambientes desconhecidos e que poderão ser transferidos do laboratório para uso em campo.

    p Marone e Yang planejam usar os resultados deste esforço preliminar para desenvolver um projeto maior financiado e estender este trabalho além da produção de energia geotérmica em outras áreas.

    p "As técnicas de aprendizado de reforço seguro que estou desenvolvendo permitem que um agente de aprendizado maximize a produção e, ao mesmo tempo, garanta a segurança. Mas a segurança não é apenas um problema para a exploração geotérmica, "disse Yang." O aprendizado por reforço seguro pode ter aplicações muito importantes em outros domínios, como a direção autônoma. Por exemplo, queremos que um carro aprenda automaticamente o ambiente e adapte continuamente seu movimento de acordo. Ao mesmo tempo, queremos garantir que o carro não tome decisões imprudentes diante das incertezas nas consequências previstas.

    p "Portanto, a segurança durante a aprendizagem é definitivamente uma questão muito importante aqui, "Yang acrescentou." E as técnicas desenvolvidas aqui podem ser potencialmente modificadas e adaptadas para garantir a segurança com direção autônoma e outras situações. "


    © Ciência https://pt.scienceaq.com