Direct estimation of hydraulic and elastic properties from rock pore geometry based on machine learning

2021 Fiscal Year Final Research Report

• Project/Area Number: 20K20948
• Research Category: Grant-in-Aid for Challenging Research (Exploratory)
• Allocation Type: Multi-year Fund
• Review Section: Medium-sized Section 17:Earth and planetary science and related fields
• Research Institution: Kyushu University
• Principal Investigator: TSUJI Takeshi 九州大学, 工学研究院, 教授 (60455491)
• Co-Investigator(Kenkyū-buntansha): 實松 豊 九州大学, システム情報科学研究院, 准教授 (60336063) ; Jiang Fei 山口大学, 大学院創成科学研究科, 准教授 (60734358) ; 平野 靖 山口大学, 大学院創成科学研究科, 准教授 (90324459)
• Project Period (FY): 2020-07-30 – 2022-03-31
• Keywords: デジタル岩石 / 機械学習 / 間隙形状 / 弾性波速度 / 電気比抵抗 / 浸透率 / 格子ボルツマン法 / 有限要素法

Outline of Final Research Achievements

We have developed methods to estimate physical properties (e.g., permeability, seismic velocity, and electrical resistivity) from the digital rock models based on machine learning and mathematical approach (i.e., persistent homology).
(1) We used machine learning to estimate physical properties (e.g., permeability and seismic velocities) directly from the pore geometry (digital rock model). We evaluated the optimum parameters in machine learning and succeeded to accurately estimate the permeability and seismic velocity.
(2) Because the persistence diagram derived from persistent homology includes information of the shape and geometry of rock pore space, the seismic velocity and permeability of the rock model can be estimated from the persistence diagram.

Free Research Field

探査工学

Academic Significance and Societal Importance of the Research Achievements

・高解像度CTを用いて取得した岩石内部構造の画像データ（デジタル岩石モデル）があれば、その岩石の水理特性や弾性特性、電気的特性を推定することが可能となった。この手法は、岩石の物性推定以外にも、CT画像を扱う医療分野や、人工素材の物性推定などの他分野への展開が考えられる。
・本研究で開発した手法を利用すれば、誰が解析しても同様の結果を得ることができる。近年、実験データの反復試験や再現性の問題が取り上げられることが多いが、その問題を低減することができる。
・機械学習で、物理特性を支配している間隙形状（岩石内部構造）を明らかにできることも分かり、岩石物理や地震学の分野へのフィードバックも可能となった。