(Special session) Development of CCS / CCUS technology for building a zero-emission society

[3209-16-04] Development of a method for detecting soil CO2 anomalies using machine learning

○Yuichi Sugai¹, Yuki Kamachi¹, Takehiro Esaki¹, Yuki Kobayashi², Akihiro Kono² (1. Kyushu University, 2. INPEX)

Chairperson：任 傑 (秋田大学）

Keywords:CO2 storage, Soil CO2, Machine learning, Weather conditions, Anomaly

CCSではCO₂圧入地点の周辺地域において地中に圧入したCO₂の漏洩を監視する必要があるが、漏洩したCO₂と自然に土壌から発生するCO₂との判別が容易ではない。近年、AIによる異常検出手法が注目されており、本研究ではAIを用いた土壌CO₂の異常値検出手法について検討した。九州大学内フィールドに設置したチャンバーの中にCO₂センサーを設置し、土壌CO₂濃度データを取得した。また、測定期間における気象データ（気温、降水量、湿度）をアメダスから入手した。土壌CO₂データと気象データの相関関係を深層学習させ、その反復学習回数を20回および100回とした。学習後のモデルが予想するCO₂濃度と実測されたCO₂濃度を比較し、深層学習モデルによる土壌CO₂濃度の予測精度を評価した。本研究では長期の多変量時系列データに対応できる利点を有するLSTM（Long Short-Term Memory）モデルを採用した。学習回数100回のモデルでは過学習の可能性があり、学習に用いたデータを取得した条件と類似の条件におけるCO₂濃度の予測はできるものの、その条件以外のデータには対応できない可能性が示唆された。一方、学習回数20回のモデルでは、学習に用いたデータを取得した季節とは異なる季節の土壌CO₂も精度よく予測できた。