Ученые нашли способ правильно выбирать места захоронения углекислого газа
Модель оценки пригодности объектов к захоронению в них экологически опасного лишнего углекислого газа предложили ученые Томского политеха. По их словам, разработка учитывает множество разных параметров и имеет высокую точность прогноза. Результаты опубликованы в журнале Expert Systems with Applications.
В последние десятилетия с развитием промышленности растут масштабы сжигания углеводородного топлива, что приводит к увеличению выбросов в атмосферу антропогенного углекислого газа (CO2). Интенсивное выделение именно этого газа, по мнению экспертов, является одной из основных причин глобального потепления.
Один из наиболее перспективных методов устранения углекислого газа – геологическое захоронение, отметили специалисты вуза. По их словам, существуют два основных подхода к этому процессу: «отработавший» углерод либо используют для увеличения эффективности добычи углеводородов, либо закачивают в глубокозалегающие водоносные пласты.
Ученые Томского политехнического университета (ТПУ) предложили модель оценки эффективности связывания CO2 в той или иной горной породе с учетом большого числа параметров. По их словам, разработка с высокой точностью предсказывает поведение углекислоты в заданных условиях, что позволяет подобрать оптимальные объекты ее захоронения.«
"Не каждое геологическое формирование может стать надежным хранилищем СО2. В качестве объектов хранения в первую очередь рассматривают глубокозалегающие водоносные горизонты, а также истощенные месторождения нефти и газа", – рассказал автор работы, инженер-исследователь Центра Хериот-Ватт ТПУ Шадфар Давуди.
Инженер-исследователь Центра Хериот-Ватт Томского политеха Шадфар Давуди представляет модели месторождений
Новая модель основана на применении методов машинного обучения. Добиться высокой точности прогноза ученым, по их словам, удалось благодаря большому объему обучающей выборки и детальному планированию экспериментов.
«В качестве исходных данных для обучения было использовано 5450 рядов данных. На основе этого набора модель определяет зависимость между переменными и результатом, а затем учится прогнозировать аналогичные зависимости на новых данных», – объяснил Шадфар Давуди.
В дальнейшем ученые планируют улучшить качество прогноза модели за счет оптимизации алгоритма и применения новой методики предобработки исходных данных.
Исследование ТПУ проводится при поддержке программы Минобрнауки «Приоритет-2030».