Presentation Information
[3K0101-06-06]Temperature-distribution modeling over Japan Island using Neural Kriging and temperature-logging data with application to geothermal resource assessment
○Yusei Ieki1, Katsuaki Koike1 (1. Kyoto University)
The chairman: Tatsu KUWATANI (JAMSTEC)
Keywords:
temperature logging data,deep neural network,neural kriging,convective type,conductive type
温室効果ガス排出量削減のために，日本では地熱を用いた発電の促進が重要な課題となっており，特に発電量の大きい超臨界発電が注目されている。しかしながら，長いリードタイムや開発コストとリスクの大きさなどがこの促進を阻害しているとともに，超臨界発電に適した場所の特定も困難な状況にある。これらの解決を図るには，日本列島全域で地下深部までの地温分布を明らかにすることが不可欠である。地温分布推定には温度検層データが用いられるが，データの深度範囲と地点数が限られており，従来の推定法では深部まで適切には推定できない。これを可能にするために，本研究ではDeep Neural Network(DNN)に注目し，バリオグラムによりDNNの学習規準に空間的相関構造を考慮したNeural Kriging(NK; Koike et al. 2001, Math. Geol.)の適用を行った。また，地温の温度変化には対流型と伝導型の2つのパターンがあるため，それを考慮したモデルも作成した。その結果，DNNとNKの比較により，内挿と外挿の両方でNKの推定精度が高いことを確認できた。さらに，対流型と伝導型を考慮したNKにより日本全域にわたり，臨界点(374℃, 22.1MPa以上)の分布の特徴を明らかにするとともに，地熱資源量分布の算定も試みた。