資源探査に関する研究の動向と大規模データプロセッシング

[3K0701-08-05] [Invited Paper]Development of methods to estimate temperature structure at a geothermal field using machine learning

○Kazuya Ishitsuka¹, Yosuke Kobayashi², Tsubasa Ugo³, Koichi Suzuki³, Toru Mogi⁴, Norihiro Watanabe⁵, Yusuke Yamaya⁵, Kyosuke Okamoto⁵, Yasuaki Murata⁵, Hiroshi Asanuma⁵, Anna Suzuki⁶, Atsushi Okamoto⁶, Noriyoshi Tsuchiya⁶, Keigo Kitamura⁷, Tatsuya Kajiwara⁸, Takeshi Sugimoto⁸, Ryoichi Saito⁸ (1. Kyoto University, 2. Muroran Institute of Technology, 3. Hokkaido University, 4. Tokyo Institute of Technology, 5. The National Institute of Advanced Industrial Science and Technology, 6. Tohoku University, 7. Kyushu University, 8. Geothermal Engineering Co., Ltd.)

Keywords:Machine Learning, Geothermal resource, Temperature

地熱地域の温度構造の把握は、地熱システムの理解のために重要である。直接的な温度計測は坑井位置のみで行われるため、近年では、温度情報を有すると考えられる物理探査データや地質的なデータを基として、機械学習により、このような多種のデータを融合的に用いることで、温度構造を推定する手法開発が行われつつある。本研究では、機械学習を用いた温度推定手法として、(a)ニューラルネットワークを用いる手法、(b)スパースモデリングを用いる手法を提案する。また、葛根田地熱地域にこれらの手法を適用し、各手法の特徴について検討を進めており、本発表では、これらの手法開発でこれまでに得られた知見について述べる。