مقياسحرارة جيولوجي بالتعلم العميق للمكامن العميقة

معرفة درجة حرارة المكمن هي أثمن معلومة في الاستكشاف الحراري الأرضي المبكر، غير أن قياسها يعني الحفر. تستنتجها مقاييس الحرارة الكيميائية الكلاسيكية من كيمياء الينابيع لكنها تفترض توازناً بين المائع والمعادن يكسره الخلط وفقدان الغازات بشكل روتيني؛ فيما تتطلب الطرق متعددة المكونات خبرة ثرموديناميكية قلّما تتوفر للبرامج. تقدّم هذه الدراسة (جيولوجيك®، 2025) منصة aiION®: مقياس حرارة كيميائي بالتعلم العميق يتنبأ بدرجة حرارة المكمن العميق من ثمانية مدخلات تُقاس روتينياً: الأيونات الرئيسية والسيليكا ودرجة الحموضة لعينة الماء.

دُرّب النموذج على 674 عينة مياه منتقاة بدقة من الحوض العظيم في نيفادا، أحد أفضل الأقاليم الحرارية الأرضية توثيقاً في العالم، مع درجات حرارة مستهدفة مستنتجة تقاطعياً من أربعة خطوط أدلة مستقلة: مقاييس السيليكا الكلاسيكية، وقياس الحرارة متعدد المكونات iGeoT، وقاعدة بيانات درجات حرارة قاع الآبار (2,365 مدخلاً)، ونموذج تعلّم آلة قائم. ومن بين أربع خوارزميات مُقارنة، فازت الشبكة العصبية العميقة بحسم، مفسّرةً أكثر من 97% من تباين درجات الحرارة على بيانات التدريب والاختبار معاً بخطأ مطلق متوسط يقارب 2.6 درجة مئوية. وعند التحقق على 42 بئراً جديدة من حقول حرارية أرضية حول العالم، حافظت aiION® على معامل تحديد 0.83 — دليل على قابلية تطبيق عالمية حقيقية لا على مواءمة منحنيات محلية.