Ushbu tuzilgan tanqidiy sharh geologik CO₂ saqlash vaqtida yoriqlarning qayta faollashuvi xavfi fizik modellashtirish, dala va laboratoriya kuzatuvlari, mashinaviy o‘rganish hamda fizikadan xabardor ilmiy mashinaviy o‘rganish yordamida qanday baholanishi kerakligini ko‘rib chiqadi. Yoriqning qayta faollashuvi — avvaldan mavjud yoriq yoki uzilish bo‘ylab qayta sirpanish yoki ochilish harakatining boshlanishidir. Manbaning asosiy xulosasi shuki, inyeksiya bosimi o‘z-o‘zidan kelajakdagi zilzila yoki CO₂ sizib chiqishini belgilamaydi. G‘ovak bosimi, poroelastik umumiy kuchlanish o‘zgarishi, harorat, ko‘p fazali oqim, yoriqlar bog‘liqligi, ishqalanish qonuni, dilatatsiya va o‘tkazuvchanlik evolyutsiyasi birgalikda baholanishi kerak. Sharh bosim va deformatsiyani modellashtirish hamda seysmik signalni qayta ishlash bugungi kunda eng kuchli dalillar bazasiga ega yo‘nalishlar ekanini; istiqboldagi yoriq sirpanishi, dinamik yorilish va seysmiklikni prognozlash esa hanuz cheklangan dalillarga tayanishini xulosa qiladi.

Tadqiqotning muhim hissalaridan biri “yoriq sirpanishini prognozlash” iborasi ostida ko‘pincha bir-biriga aralashtiriladigan maqsadlarni ajratib berishidir. Statik barqarorlik skriningi, dastlabki sirpanish vaqti, aseysmik sirpanish, sirpanishning keyingi evolyutsiyasi, dinamik yorilish, zilzila magnitudasi, seysmiklik darajasi, signalni aniqlash va CO₂ saqlanish natijasi bir xil muammo emas. Har bir maqsad boshqa fizik model, kuzatuv, xato metrikasi va tekshirish darajasini talab qiladi.

Sharh shuningdek fizikadan xabardor neyron tarmoqlar (PINN), Fourier neural operator, DeepONet, graph operator, Gaussian process, CNN/RNN surrogate va boshqa qisqartirilgan tartibli modellarning salohiyatini baholaydi. Bu usullar ko‘p sonli takroriy simulyatsiyalarni tezlashtirishi, monitoring ma’lumotlarini qayta ishlashi va teskari masalalarga yordam berishi mumkinligi tan olinadi; biroq manba o‘rganilgan modelning ta’lim sohasi tashqarisiga ko‘chirilishi, uzilishlarning noto‘g‘ri ifodalanishi, o‘rtacha xato past bo‘lsa ham xavf chegarasining noto‘g‘ri prognoz qilinishi va maydonlararo tekshiruv yetishmasligi haqida jiddiy ogohlantiradi.

Mualliflar taklif qilayotgan operatsion maqsad inyeksiyani avtonom ravishda boshqaradigan sun’iy intellekt emas. Taklif — tasdiqlangan fizik simulyatorlar, monitoring ma’lumotlari, noaniqlik tahlili, tezkor surrogate modellar va aniq qaror qoidalarini birlashtiradigan inson nazoratidagi va zarur bo‘lganda qaror chiqarishdan tiyila oladigan raqamli egizak tuzilmasidir. Tizim faqat ma’lumot sifati yetarli, ish holati tekshirilgan model sohasi ichida va noaniqlik maqbul bo‘lgandagina operatsion tavsiya berishi kerak.

Geologik uglerod saqlash CO₂ ni chuqur sho‘r akviferlar yoki tugagan uglevodorod rezervuarlari kabi geologik birliklarga inyeksiya qilib, uzoq muddat yer ostida ushlab turishni maqsad qiladi. Saqlanishi mumkin bo‘lgan hajm faqat formatsiyaning g‘ovak hajmiga bog‘liq emas. Inyeksiya qilinishi mumkin bo‘lgan miqdor quduqning qabul qilish qobiliyati, rezervuar bosimi, qoplovchi jins yaxlitligi, quduq yaxlitligi, yoriq barqarorligi, bosim o‘zaro ta’siri va saqlangan CO₂ ning uzoq muddat kuzatiluvchanligi bilan cheklanadi.

Inyeksiyaning markaziy operatsion o‘zgaruvchisi bosimdir. Inyeksiya rezervuar g‘ovak bosimini oshiradi, tog‘ jinsi skeleti ko‘taradigan samarali kuchlanishni o‘zgartiradi va poroelastik deformatsiyaga sabab bo‘ladi. Inyeksiya qilinayotgan CO₂ formatsiyadan sovuqroq bo‘lsa, termik qisqarish kuchlanish maydonini qo‘shimcha ravishda o‘zgartirishi mumkin. Yoriq rezervuar bilan gidravlik bog‘langan bo‘lsa, bosim o‘zgarishi yoriq yuzasiga uzatilishi mumkin. Ammo bir xil bosim oshishi turli yoriq geometriyalarida turli natijalar beradi.

Geologik CO₂ saqlashda yoriqning qayta faollashuvi nega bitta bosim chegarasi bilan tushuntirib bo‘lmaydi?

G‘ovak bosimi samarali normal kuchlanishni kamaytirib sirpanishni osonlashtirishi mumkin, ammo yoriqning haqiqiy javobi poroelastik umumiy kuchlanish o‘zgarishlari, termik ta’sirlar, yoriq yo‘nalishi, gidravlik bog‘liqlik, ishqalanish qonuni, geterogenlik, dilatatsiya va o‘tkazuvchanlik teskari aloqalari bilan birgalikda belgilanadi; shu sababli bitta bosim qiymati faqat aniq farazlar ostida skrining chegarasi bo‘lishi mumkin, umumiy maydon prognozi emas.

Samarali kuchlanish

Manba siqilish musbat deb olinadigan ishora konvensiyasida Biot samarali kuchlanishini quyidagicha beradi:

\[ \boldsymbol{\sigma}'=\boldsymbol{\sigma}-\alpha p\mathbf{I} \]

Bu yerda \(\boldsymbol{\sigma}'\) samarali kuchlanish tenzori, \(\boldsymbol{\sigma}\) umumiy kuchlanish tenzori, \(p\) g‘ovak bosimi, \(\alpha\) Biot koeffitsiyenti va \(\mathbf{I}\) birlik tenzordir. Umumiy kuchlanish o‘zgarmasa, \(p\) ning ortishi samarali siquvchi kuchlanishni kamaytiradi.

Yoriq tekisligining birlik normali \(\mathbf{n}\) bo‘lsa, umumiy normal kuchlanish va siljituvchi tortishish manbada:

\[ \sigma_n=\mathbf{n}\cdot\boldsymbol{\sigma}\mathbf{n} \]

\[ \boldsymbol{\tau}=\boldsymbol{\sigma}\mathbf{n}-\sigma_n\mathbf{n}, \qquad \tau=\lVert\boldsymbol{\tau}\rVert \]

deb ta’riflanadi. Yoriq yuzasidagi suyuqlik bosimi \(p_f\) bo‘lsa, samarali normal tortishish:

\[ \sigma_n'=\sigma_n-p_f \]

bo‘ladi. Manbada yoriq bosimi bilan rezervuar matritsasi bosimi majburiy ravishda teng emasligi alohida ta’kidlanadi; past o‘tkazuvchan yoriq yadrosi yoki vaqt bo‘yicha o‘zgaruvchi yoriq transmissivligi ikki bosimning ajralishiga olib kelishi mumkin.

Coulomb sirpanish sharti

Kogeziyasiz avvaldan mavjud yoriq uchun statik Coulomb sharti:

\[ \tau\geq\mu\sigma_n' \]

ko‘rinishidadir. Kogeziya \(c\) qo‘shilganda:

\[ \tau\geq c+\mu\sigma_n' \]

bo‘ladi. Manba Coulomb buzilish kuchlanishini:

\[ \mathrm{CFS}=\tau-c-\mu\sigma_n' \]

deb ta’riflaydi. Musbat CFS faqat tanlangan statik mezon oshib ketganini bildiradi; dinamik yorilish necha kilometr tarqalishini yoki qanday magnitudali zilzila hosil bo‘lishini belgilamaydi.

Kritik bosim tenglamasining chegarasi

Umumiy normal va siljituvchi kuchlanishlar o‘zgarmay qoladigan hamda yoriq bosimi bir tekis oshadigan cheklangan holatda dastlabki sirpanish uchun kritik bosim:

\[ p_{\mathrm{crit}} = \sigma_n-\frac{\tau-c}{\mu} \]

deb yozilishi mumkin. Bu tenglik tez skrining va sonli modelni tekshirish uchun foydalidir. Ammo inyeksiya umumiy kuchlanishni ham o‘zgartirishi, bosim fazoda bir jinsli bo‘lmasligi, yoriq xususiyatlari o‘zgaruvchan bo‘lishi va ishqalanish vaqt o‘tishi bilan rivojlanishi mumkinligi sababli bu butun maydon uchun universal sirpanish chegarasi emas.

Poroelastik kuchlanish uzatilishi

Quasi-static mexanik muvozanat:

\[ \nabla\cdot\boldsymbol{\sigma}-\rho_b\mathbf{g}=0 \]

munosabati bilan beriladi. Chiziqli izotrop termo-poroelastiklik uchun manba:

\[ \boldsymbol{\sigma} = 2G\boldsymbol{\varepsilon} + \lambda\,\mathrm{tr}(\boldsymbol{\varepsilon})\mathbf{I} + \alpha p\mathbf{I} + 3K\alpha_T(T-T_0)\mathbf{I} \]

ifodasidan foydalanadi. \(G\) siljish moduli, \(\lambda\) Lamé parametri, \(K\) drenajlangan bulk moduli va \(\alpha_T\) chiziqli termik kengayish koeffitsiyentidir.

Bu tenglama muhim nuqtani ko‘rsatadi: inyeksiya faqat yoriq yuzasidagi suyuqlik bosimini o‘zgartirmaydi; rezervuarning kengayishi yoki sovishi atrofdagi umumiy kuchlanish maydonini ham o‘zgartiradi. Shu sababli rezervuardan uzoqdagi yoriqlar ham poroelastik kuchlanish uzatilishidan ta’sirlanishi mumkin.

Bosim diffuziyasi

Soddalashtirilgan bir jinsli bir fazali muhit uchun gidravlik diffuzivlik:

\[ D_h=\frac{k}{\mu S_s} \]

va xarakterli bosim tarqalish masofasi:

\[ L_d\sim\sqrt{D_ht} \]

deb beriladi. \(k\) o‘tkazuvchanlik, \(\mu\) dinamik qovushoqlik, \(S_s\) bosimga asoslangan saqlash koeffitsiyenti va \(t\) vaqtdir.

Bu masshtablash ma’lum ishlash davrida yoriq bosim o‘zgarishiga duch kelishi mumkinmi-yo‘qmi, tez baholashga yordam beradi. Ammo ko‘p fazali oqim, geterogen formatsiya va yuqori o‘tkazuvchan bog‘langan yoriqlar tarmog‘i bu oddiy xatti-harakatni jiddiy o‘zgartirishi mumkin.

Ko‘p fazali oqim

CO₂ saqlashda suv va CO₂ bir nechta faza o‘rtasida taqsimlanishi mumkinligi uchun komponent bo‘yicha massa saqlanishi talab qilinadi. Manba \(\kappa\) komponenti uchun umumiy ko‘rinishni:

\[ \frac{\partial}{\partial t} \left[ \sum_\beta \phi S_\beta\rho_\beta X_\beta^\kappa \right] + \nabla\cdot \left[ \sum_\beta \left( \rho_\beta X_\beta^\kappa\mathbf{q}_\beta + \mathbf{j}_\beta^\kappa \right) \right] = q^\kappa \]

deb beradi. Bu yerda \(\beta\) fazani, \(\phi\) g‘ovaklikni, \(S_\beta\) faza to‘yinganligini, \(\rho_\beta\) faza zichligini, \(X_\beta^\kappa\) komponent massa ulushini, \(\mathbf{q}_\beta\) Darcy oqimini va \(\mathbf{j}_\beta^\kappa\) diffuzion oqimni ifodalaydi.

Darcy oqimi:

\[ \mathbf{q}_\beta = -\frac{\mathbf{k}k_{r\beta}}{\mu_\beta} \left( \nabla p_\beta-\rho_\beta\mathbf{g} \right) \]

ko‘rinishidadir. Bunday modelni yopish uchun kapillyar bosim, nisbiy o‘tkazuvchanlik, faza muvozanati va tegishli termodinamik munosabatlar kerak.

Termik ta’sirlar

Inyeksiya qilinadigan CO₂ formatsiyadan sovuqroq bo‘lsa, issiqlik uzatilishi faqat suyuqlik xossalarini emas, mexanik kuchlanishni ham o‘zgartirishi mumkin. Manba soddalashtirilgan energiya tenglamasini:

\[ \frac{\partial U}{\partial t} + \nabla\cdot \left( \sum_\beta h_\beta\rho_\beta\mathbf{q}_\beta - \lambda_T\nabla T \right) = Q_T \]

ko‘rinishida beradi. Sovish quduq atrofidagi gorizontal siquvchi kuchlanishni kamaytirishi, tortilish yorig‘ini osonlashtirishi yoki qiya yoriqdagi normal va siljituvchi kuchlanishlarni o‘zgartirishi mumkin. Ammo termik ta’sir belgisi yoriq yo‘nalishi va mexanik cheklovlarga bog‘liq bo‘lgani uchun “sovuq CO₂ yoriqlarni har doim beqarorlashtiradi” deb umumlashtirish mumkin emas.

Rate-and-state ishqalanish

Mohr–Coulomb dastlabki sirpanish chegarasini ta’riflaydi; sirpanish barqarormi yoki tezlashuvchimi, buni o‘zi tushuntirmaydi. Manba rate-and-state ishqalanishni:

\[ \mu = \mu_0 + a\ln\left(\frac{V}{V_0}\right) + b\ln\left(\frac{\theta V_0}{D_c}\right) \]

va qarish qonunini:

\[ \frac{d\theta}{dt} = 1-\frac{V\theta}{D_c} \]

bilan ifodalaydi. Bu yerda \(V\) sirpanish tezligi, \(V_0\) etalon tezlik, \(\theta\) holat o‘zgaruvchisi va \(D_c\) xarakterli sirpanish masofasidir.

Barqaror holatda \(a-b<0\) tezlik-zaiflashuvi bilan bog‘liq va tegishli qattiqlik sharoitida beqaror sirpanishga imkon berishi mumkin; \(a-b>0\) esa odatda barqaror sirpanishni qo‘llab-quvvatlaydi.

Xarakterli nukleatsiya uzunligi manbada sxematik ravishda:

\[ L_c = C\frac{GD_c}{(b-a)\sigma_n'} \]

deb yoziladi. Manba bu munosabat masshtablash maqsadida ishlatilishini; \(C\) koeffitsiyenti geometriya, o‘lcham va tanlangan state-evolution qonuniga qarab o‘zgarishini alohida ta’kidlaydi. Laboratoriya parametrlarini kilometr masshtabidagi yoriqqa universal koeffitsiyent bilan bevosita ko‘chirish to‘g‘ri emas.

Model yoriq sirpanishini ko‘rsatsa, bu zilzila yoki CO₂ sizib chiqishi deganimi?

Yo‘q. Quasi-static sirpanish yoriqning umumiy siljishini ko‘rsatishi mumkin, ammo bu harakatning qancha qismi seysmik nurlanishga aylanishini belgilamaydi; xuddi shuningdek, yoriqning mexanik faollashuvi CO₂ uchun doimiy o‘tkazuvchi sizib chiqish yo‘li hosil bo‘lganini isbotlamaydi, chunki gidravlik natija yoriq yadrosi, shikastlanish zonasi, dilatatsiya, kompaksiyalanish, kapillyar kirish bosimi va ko‘p fazali o‘tkazuvchanlik bilan alohida belgilanadi.

Yoriq ochiqligi va o‘tkazuvchanlik

Ideal parallel plastinalar uchun birlik kenglikdagi yoriq oqimi manbada kubik qonun bilan:

\[ q_f = -\frac{b^3}{12\mu}\nabla_{\parallel}p \]

deb beriladi. Unga mos ekvivalent ichki o‘tkazuvchanlik:

\[ k_f=\frac{b^2}{12} \]

bilan masshtablanadi. Shunday qilib, transmissivlik ochiqlikning kubiga, o‘tkazuvchanlik esa kvadratiga bog‘liq. Ochiqlikdagi kichik o‘zgarishlar yoriq bo‘ylab oqimga kuchli ta’sir ko‘rsatishi mumkinligining asosiy sababi shu.

Haqiqiy yoriqlar esa parallel silliq plastinalar emas. G‘adir-budurlik, kontakt maydoni, kanallanish, gouge, ko‘p fazali to‘lish va shikastlanish zonalari oqimni o‘zgartiradi. Sirpanish ayrim hududlarda dilatatsiya orqali o‘tkazuvchanlikni oshirsa, boshqa sharoitlarda gouge kompaksiyasi o‘tkazuvchanlikni kamaytirishi mumkin.

Seysmik moment va magnituda

Seysmik moment:

\[ M_0 = G\int_A D_s\,dA \approx GA\overline{D_s} \]

deb ta’riflanadi. \(G\) siljish moduli, \(A\) yorilish maydoni va \(D_s\) seysmik sirpanishdir.

\(M_0\) N·m birlikda bo‘lganda moment magnitudasi:

\[ M_w = \frac{2}{3} \left( \log_{10}M_0-9.1 \right) \]

deb hisoblanishi mumkin. Ammo quasi-static model hisoblagan umumiy yoriq sirpanishining hammasini \(D_s\) deb qabul qilish ilmiy jihatdan to‘g‘ri emas. Barqaror sirpanish, plastik deformatsiya, yangi yoriq hosil bo‘lishi va ishqalanish issiqligi energiyani sarflashi mumkin.

Yoriq sirpanishi bilan sizib chiqish orasidagi yetishmaydigan bog‘lanish

Yoriq sirpangandan keyin o‘tkazuvchanlik albatta oshadi degan faraz avtomatik emas. Gilga boy yoriq yadrosi sirpanishdan keyin ham past o‘tkazuvchan bo‘lib qolishi mumkin; dilatatsiyalangan shikastlanish zonasi esa vaqtinchalik yoki doimiy oqim yo‘lini hosil qilishi mumkin. Bundan tashqari, CO₂ yoriqqa kirishi uchun faqat gidravlik bog‘lanish emas, mos kapillyar kirish sharoitlari ham kerak.

Shuning uchun manba mexanik faollashuv, gidravlik transmissivlik va haqiqiy CO₂ migratsiyasini alohida modellar va kuzatuvlar bilan bog‘lashni tavsiya qiladi.

Bir yo‘nalishli, ikki yo‘nalishli va monolit bog‘lash

Manbada muhim vaqt masshtabi farqi ham mavjud. Rezervuar modeli soatlardan oylargacha cho‘ziladigan qadamlar bilan ishlashi mumkin, dinamik yorilish esa millisekund yoki soniyadan kichik aniqlikni talab qilishi mumkin. Shu sababli uzoq muddatli quasi-static saqlash modelini faqat kritik yoriqqa yaqinlashganda mahalliy dinamik yorilish modeliga bog‘lash ko‘proq asosli bo‘lishi mumkin.

Asosiy sonli model oilalari

Manbaning yondashuvi hech bir dastur yoki model oilasini “g‘olib” deb e’lon qilmaydi. Model tanlovi prognoz maqsadi bilan belgilanadi. Masalan, mintaqaviy bosim boshqaruvida ko‘p fazali rezervuar modeli asosiy talab bo‘lishi mumkin, mahalliy yoriqning sirpanishdan keyingi xatti-harakatida esa ochiq uzilish va mos ishqalanish qonuni muhimroq bo‘lishi mumkin.

Maydon dalillari ierarxiyasi

Mashinaviy o‘rganish qaysi vazifalarda yetukroq, qaysilarida cheklangan?

Mashinaviy o‘rganish bo‘yicha eng yetuk dalillar seysmik hodisani aniqlash, faza picking, waveform qayta ishlash va katalogni qo‘llab-quvvatlash kabi monitoring vazifalaridadir; simulator surrogate va ma’lumot assimilyatsiyasi nazoratli dizayn sohalarida foydalidir, ammo yangi CO₂ saqlash maydonida kelajakdagi yoriq sirpanishi yoki seysmiklikni istiqbolli ravishda prognozlash dalillari hanuz cheklangan.

Avval vazifa, keyin algoritm

Manba kamida besh xil ML vazifasini ajratadi: hodisani aniqlash/faza picking, waveform tasnifi, fizik o‘zgaruvchilarning regressiyasi yoki teskari bahosi, istiqbolli yoriq/seysmiklik prognozi va simulator surrogate modellashtirish.

Hodisani aniqlash modeli continuous seismic yozuvda signal topadi. Phase picker P va S kelish vaqtlarini aniqlaydi. Classifier waveform-ni shovqin, portlatish yoki sirpanish turiga ajratishi mumkin. Bularning hech biri kelajakda yoriq qachon yorilishini avtomatik ravishda prognoz qilmaydi.

Leakage-safe ma’lumotlarni bo‘lish

Waveform oynalarini tasodifiy aralashtirish bir xil fizik hodisaning bir-biriga juda o‘xshash qismlari ham ta’lim, ham test to‘plamiga tushishiga sabab bo‘lishi mumkin. Manba kuchli tekshiruv uchun ketma-ket butun hodisa, namuna/tajriba, vaqt bloki, quduq/sensor tarmog‘i va oxirida mutlaqo boshqa maydon bo‘yicha ajratishni tavsiya qiladi.

Noyob hodisalarda accuracy nega chalg‘itadi?

Operatsion jihatdan muhim yoriq sirpanishlari odatiy ishlashga nisbatan juda kam uchraydi. Har doim “hodisa yo‘q” deydigan tasniflagich yuqori accuracy ko‘rsatishi mumkin, ammo xavfni boshqarish uchun hech qanday qiymat bermasligi mumkin. Shu sababli precision–recall tuzilishi, false alarm darajasi, ehtimollik kalibrlashi va sinf bo‘yicha natijalar ma’noliroqdir.

Manba, shuningdek, prognoz ehtimollarini reliability diagram, Brier skori yoki log-loss bilan kalibrlashni tavsiya qiladi. Operatsion xarajatlar faqat algoritmik skor optimallashtirish uchun emas, balki noto‘g‘ri signal va o‘tkazib yuborilgan hodisaning real oqibatlariga qarab operator va regulyatorlar bilan birga belgilanishi kerak.

Laboratoriya “zilzila prognozi” nega bevosita maydonga ko‘chirilmaydi?

Nazoratli ishqalanish tajribalarida continuous acoustic xususiyatlar yoriq holati va takrorlanuvchi tajriba siklidagi buzilishgacha qolgan vaqt haqida ma’lumot bera olishi ko‘rsatilgan. Ammo laboratoriya tizimlari nazoratli geometriya, zich sensorlar va cheklangan sonli failure mode ni o‘z ichiga oladi. Haqiqiy yoriqlar geterogen, to‘liq kuzatilmagan va turli masshtablarda yuklanadigan tuzilmalardir.

Bu tajribalar fizik state ma’lumoti mavjudligini ko‘rsatadi; yangi CO₂ saqlash maydonida zilzila vaqtini muvaffaqiyatli prognoz qilish dalili emas.

Fizikadan xabardor mashinaviy o‘rganish nima?

Manba “physics-informed” yorlig‘ini bitta usul nomi sifatida ishlatmaydi. Uch asosiy sinfni ajratadi:

• Physics-constrained learner: PINN kabi, differensial tenglama yoki interfeys residual-larini yo‘qotish funksiyasiga qo‘shadigan modellar.
• Learned operator: Fourier neural operator, DeepONet yoki graph operator kabi, kirish maydonidan yechim maydoniga moslashni o‘rganadigan modellar.
• Simulator emulator / reduced-order model: Muayyan full-order simulyatorning tanlangan chiqishini belgilangan parametr sohasida yaqinlashtiradi.

Bosim yoki Coulomb stressini neural network kirishiga aylantirish physics-guided feature engineering hisoblanadi; PINN bilan bir xil narsa emas.

PINN yo‘qotish funksiyasi

PINN fizik holatni \(\hat{y}(\mathbf{x},t;\boldsymbol{\theta})\) bilan yaqinlashtiradi va ma’lumot hamda fizika residual-larini birgalikda minimallashtiradi:

\[ L= w_dL_{\mathrm{data}} + w_mL_{\mathrm{momentum}} + w_fL_{\mathrm{mass}} + w_TL_{\mathrm{energy}} + w_bL_{\mathrm{BC/IC}} \]

\(w_i\) vaznlari turli loss komponentlarini muvozanatlash uchun xizmat qiladi. Bir tenglamaning sonli masshtabi boshqasidan juda katta bo‘lsa, ta’lim fizik jihatdan nomuvozanat bo‘lishi mumkin; shu sababli nondimensionalization va adaptiv vaznlash kerak bo‘lishi mumkin.

PINN-lar ba’zan “mesh-free” deb ta’riflansa-da, manba bu ibora to‘liq emasligini bildiradi. Tarmoq hali ham collocation, chegara, boshlang‘ich va kuzatuv nuqtalariga muhtoj. Hisoblash xarajati mesh yechimidan optimallashtirishga ko‘chadi; ayniqsa 3B geterogen va uzilishli yoriq muammolarida klassik chekli element usulidan tezroq yoki mustahkamroq bo‘lishi kafolatlanmaydi.

Neural operator va surrogate modellar

Neural operator-lar o‘tkazuvchanlik maydoni, chegara shartlari va quduq boshqaruvlari kabi funksiyalardan bosim/deformatsiya maydonlariga o‘tishni o‘rganishi mumkin. Ta’lim tugagach, ko‘p ssenariylarni tez baholash qobiliyati ensemble prognoz va noaniqlik tahlili uchun qimmatlidir.

Ammo ta’limda bo‘lmagan yoriq geometriyasi, o‘tkazuvchanlik kontrasti yoki ish sharoitlarida xato keskin oshishi mumkin. Shu sababli faqat global L2 xato yetarli emas. Maksimal bosim, xavf chegarasiga yetish vaqti, yoriq tortishi, sirpanish maydoni va leakage rate kabi qarorga yo‘naltirilgan metrikalar ham alohida tekshirilishi kerak.

Teskari masalada fizika o‘zi ma’lumot yaratmaydi

PINN yoki Bayesian inversion bilan o‘tkazuvchanlik, yoriq transmissivligi yoki ishqalanish parametri baholanishi mumkin. Ammo turli parametr kombinatsiyalari bir xil bosim yoki deformatsiya kuzatuvini hosil qilishi mumkin. Governing equations ishlatish kuzatuvda yo‘q axborotni yaratmaydi.

Shu sababli identifiability, posterior correlation va model discrepancy ochiq hisobot qilinishi kerak. Bosim, deformatsiya, harorat, plume tasvirlash va seysmik ma’lumot turli jarayonlarni cheklagani uchun ko‘p ma’lumotli assimilyatsiya bitta ma’lumot turiga qaraganda qimmatroqdir.

Operatsion yoriq-xavf modeli qaysi tekshirish darajasiga yetishi kerak?

Operatsion ishonchlilik kod ishlashini ko‘rsatishdan ko‘proq narsani talab qiladi; manba tekshirish pog‘onasini kod verifikatsiyasi → kanonik benchmark → laboratoriya verifikatsiyasi → mustaqil retrospektiv maydon testi → maydonlararo challenge → istiqbolli prognoz tarzida tuzadi va xavfsizlik jihatidan muhimroq yoki avtonomroq qaror uchun pog‘onaning yuqoriroq bosqichlarida dalil talab qiladi.

Tekshirish pog‘onasi

Kalibrlash verifikatsiya emas. O‘tgan bosim ma’lumotiga moslangan model o‘sha tarixiy ma’lumotni yaxshi qayta yaratishi mumkin, ammo kelajakdagi inyeksiya bosqichida to‘g‘ri prognoz berishi shart emas.

Ehtimollik xavfi

Manba xavf metrikasini umumiy ko‘rinishda:

\[ P\left[g(\mathbf{m},\mathbf{u})>g_{\mathrm{lim}}\mid\mathbf{d}\right] \]

bilan ifodalaydi. Bu yerda \(\mathbf{m}\) noaniq model parametrlari va strukturaviy ssenariylarni, \(\mathbf{u}\) operatsion boshqaruvlarni, \(\mathbf{d}\) kuzatuvlarni va \(g\) bosim, sirpanish, magnituda yoki sizib chiqish kabi ishlash miqdorini ifodalaydi.

Bu yondashuv bitta “xavfsiz bosim” sonidan boyroq. Kuchlanish, yoriq ishqalanishi va bog‘liqlik noaniq bo‘lganda failure chegarasi ham taqsimot ko‘rinishida bo‘ladi. Operatsion bosim oynasi shunga mos ravishda ehtimollik asosida boshqarilishi kerak.

Model noaniqligi qaysi qatlamlardan iborat?

Manba noaniqlikni kamida quyidagi qatlamlarga ajratadi: kirish/parametr noaniqligi, geologik-strukturaviy ssenariy noaniqligi, o‘lchash xatosi, sonli xato, model shakli discrepancy-si va surrogate approximation error.

Masalan, tor neural-network posterior model real geologiyani yaxshi ifodalaydi degani bo‘lmasligi mumkin. Ta’lim ensemble-i ehtimoliy yoriq geometriyalarini o‘z ichiga olmasa, surrogate o‘zining noto‘g‘ri dunyosi ichida juda “ishonchli” bo‘lishi mumkin.

Inson nazoratidagi raqamli egizak

Manbaning strict ta’rifida raqamli egizak faqat dashboard yoki bitta kalibrlangan model emas. Doimiy yangilanadigan state model, observation operator, ma’lumot sifatini nazorat qilish, ma’lumot assimilyatsiyasi, prognoz, noaniqlik tarqalishi, qaror qoidalari va audit trail birgalikda mavjud bo‘lishi kerak.

Ma’lumot yomon bo‘lsa yoki holat valid domain tashqarisida bo‘lsa, tizimning “yanada ishonchli prognoz” berishi emas, abstain qilishi tavsiya etiladi. Bunday holatda inyeksiya oshirilmasligi, konservativ limit saqlanishi, full-order model qayta ishga tushirilishi va mustaqil inson tekshiruvi o‘tkazilishi kerak.

Avtonom boshqaruv nega tavsiya etilmaydi?

Manbada reinforcement learning va tez optimallashtirish kelajakdagi ehtimoliy vositalar sifatida ko‘riladi, ammo chop etilgan misollarning ko‘pi simulyatsiya darajasida ekanligi ta’kidlanadi. O‘rganilgan siyosat simulyator kamchiliklaridan foydalanishi yoki modelda bo‘lmagan geologiyada muvaffaqiyatsiz bo‘lishi mumkin.

Yaqin muddatli maqsad inson nazoratidagi avtomatlashtirishdir: mashinaviy o‘rganish ma’lumot hajmini kamaytirishi, surrogate model ssenariylarni tezlashtirishi, optimallashtirish nomzod ish rejalari taklif qilishi mumkin; yakuniy vakolat tekshirilgan protseduralar bilan ishlaydigan malakali xodimlarga tegishli bo‘lishi kerak.

Tadqiqot yo‘l xaritasi

Tadqiqot Usuli va Natijalari

Sharh usuli

Adabiyotlar Scopus, Web of Science, Google Scholar, ScienceDirect, OnePetro, nashriyot ma’lumot bazalari hamda oldinga/orqaga iqtibos zanjirlash orqali iterativ ravishda to‘plangan. Adabiyotlar bo‘yicha so‘nggi yangilanish 10 Avgust 2026 sanasida amalga oshirilgan.

Qidiruvlar “CO₂ storage”, “geologic carbon sequestration”, “CCS”, “fault reactivation”, “induced seismicity”, “poro-elasticity”, “fault slip”, “caprock integrity”, “THM”, “THMC”, “finite element”, “discrete element”, “machine learning”, “physics-informed”, “surrogate” va “neural operator” kabi mavzu bloklarini birlashtirgan.

Skrining uch bosqichda olib borilgan: sarlavha/annotatsiya mosligi; duplikatlar va texnik bo‘lmagan mazmunni chiqarib tashlash; so‘ng geometriya, governing equations, konstitutiv faraz, chegara sharti, ma’lumot manbai, prognoz maqsadi va verifikatsiya dalili nuqtai nazaridan to‘liq matnni baholash.

Manbalar to‘rtta dalil muhitida kodlangan: bevosita CO₂ saqlash; nazoratli laboratoriya; non-CO₂ inyeksiya analogi; sintetik/sonli benchmark.

Verifikatsiya darajalari esa kod verifikatsiyasi, laboratoriya verifikatsiyasi, retrospektiv maydon baholashi, maydonlararo baholash va istiqbolli prognoz sifatida ajratilgan.

Dastlabki qidiruvlar ro‘yxatdan o‘tgan protokol asosida bajarilmagani uchun dastlab topilgan yozuvlar soni, duplikatlarni olib tashlagandan keyingi yozuvlar soni, to‘liq matn baholashlari va chiqarib tashlashlar soni saqlanmagan. Mualliflar keyinchalik bu sonlarni taxmin qilib “false precision” yaratmaganlar. Yakuniy sintez 98 ta iqtibosni o‘z ichiga oladi.

Usul yetukligi qanday baholandi?

Sharh bir algoritmga umumiy “yetuklik balli” berish o‘rniga muayyan prognoz vazifasiga qarab beshta mezondan foydalanadi: dalilning bevositaligi, verifikatsiya darajasi, mustaqil takrorlash, maqsadga mos metrika/noaniqlik kalibrlashi va qayta ishlab bo‘lish yoki operatsion sinov.

Bevosita CO₂ saqlash dalili operatsion tayyorgarlikni baholashda sintetik benchmark, laboratoriya, tabiiy zilzila yoki geotermal analogiyadan yuqoriroq vaznga ega.

Cheklangan dalil ko‘pincha sintetik/laboratoriya yoki bitta retrospektiv maydon qo‘llab-quvvatlashini; rivojlanayotgan/o‘rta daraja takrorlangan nazoratli yoki retrospektiv maydon ko‘rsatmalarini; nisbatan yetuk daraja esa mustaqil tadqiqotlar/maydonlar, miqdoriy noaniqlik va istiqbolli yoki operatsion dalilni anglatadi.

Bugun nimalarni nisbatan ishonchli prognoz qilish mumkin?

Manbaga ko‘ra yetarlicha tavsiflangan tizimlarda reservoir pressure va deformatsiya hisoblari eng kuchli maydon dalillariga ega. Bu modellarda bevosita kuzatuv taqqoslashlari, observation operator-lar va aniqlangan xato o‘lchovlari mavjud.

Seysmik hodisani aniqlash va phase picking ham katta tabiiy seysmiklik ma’lumot to‘plamlarida kuchli tashqi verifikatsiyani ko‘rsatadi; ammo CO₂ maydoniga o‘tkazilganda sensor geometriyasi, shovqin va detection threshold qayta tekshirilishi kerak.

Dastlabki sirpanish vaqti noaniqroq, chunki u boshlang‘ich kuchlanish va ishqalanishga juda sezgir. Sirpanish evolyutsiyasi maydon masshtabida kamdan-kam o‘lchanadigan konstitutiv parametrlarni talab qiladi. Maksimal magnituda esa yoriq bog‘liqligi va rupture arrest haqida bosim ma’lumotining o‘zi bera olmaydigan axborotga bog‘liq.

Model murakkabligi nega avtomatik ravishda noaniqlikni kamaytirmaydi?

Ko‘proq fizika qo‘shish ayrim strukturaviy bias-larni kamaytirishi mumkin; biroq yangi parametrlar va yangi noaniqliklarni ham qo‘shadi. Poorly constrained THMC model soddaroq HM modelidan kengroq prognoz noaniqligini hosil qilishi mumkin.

Xuddi shuningdek, chuqurroq neural network nomuvofiq event catalog, noma’lum in-situ stress yoki ifodalanmagan yoriq geometriyasini qoplay olmaydi. Manba algoritmik murakkablik o‘rniga qaror uchun haqiqatan zarur jarayonlarni modellashtirishni tavsiya qiladi.

Tavsiya etilgan integratsiyalashgan ish oqimi

1. Yoriqlar va boshlang‘ich kuchlanish inventari tuziladi va alternativ strukturaviy modellar ensemble holida saqlanadi.
2. Analitik skrining bilan kritik yoriqlar va bosim marjalari aniqlanadi.
3. Mintaqaviy ko‘p fazali rezervuar modeli bosim o‘zaro ta’siri va CO₂ plume xatti-harakatini hisoblaydi.
4. Xavf jihatidan muhim ssenariylar geomekanik modelga ulanadi; turli konstitutiv va chegara farazlari sinovdan o‘tkaziladi.
5. Laboratoriya o‘lchovlari ishqalanish, dilatatsiya va o‘tkazuvchanlik parametrlarini cheklaydi.
6. Monitoring tarmog‘i qarorni belgilovchi noaniqliklarni kamaytiradigan tarzda loyihalanadi.
7. Inyeksiya davomida bosim, deformatsiya va seysmik kuzatuvlar ensemble-ni yangilaydi.
8. Mashinaviy o‘rganish hodisani aniqlash va ma’lumotni kamaytirishda; surrogate modellar ensemble prognozlarda ishlatiladi.
9. Tavsiya etilgan operatsion o‘zgarishlar tatbiq etilishidan oldin full-order model bilan qayta tekshiriladi.
10. Kutilmagan kuzatuvlar model discrepancy tahlilini va zarur bo‘lsa konservativroq operatsiyani ishga tushiradi.

Tadqiqot qo‘llab-quvvatlaydigan xulosa

Geologik CO₂ saqlashda yoriqning qayta faollashuvi ko‘p fizika, ko‘p ma’lumot va noaniqlikni o‘z ichiga oluvchi qaror muammosidir. Bitta model sinfi yoki bitta “AI skori” barcha maqsadlarni ishonchli hal qilmaydi.

Site-scale bosim va deformatsiya uchun continuum reservoir geomechanics bugungi kunda eng kuchli dalillar bazasiga ega. Ochiq yoriq kinematikasi yoki yoriq o‘sishi kerak bo‘lgan muammolar uchun interface, discontinuum, DFN, XFEM va phase-field kabi usullar qo‘shimcha qiymat berishi mumkin.

Mashinaviy o‘rganish monitoring analitikasi, simulator surrogate va ma’lumot assimilyatsiyasida foydalidir. Physics-informed usullar ayniqsa ko‘p takroriy baholashlar, inverse problem yoki limited-domain surrogate uchun qimmatlidir.

Operatsion tayyorgarlik algoritm yangiligiga emas; mustaqil verifikatsiya, noaniqlik kalibrlashi, maydonlararo test, istiqbolli samaradorlik va aniq fallback/human-governance qoidalariga bog‘lanishi kerak.

Tadqiqot qo‘llab-quvvatlamaydigan xulosa

Sharh muayyan neural network CO₂ inyeksiyasidan kelib chiqadigan kelajak zilzilalarni ishonchli ravishda oldindan prognoz qilganini ko‘rsatmaydi.

PINN yoki neural operator klassik FEM/FVM yechuvchilardan umuman olganda aniqroq yoki tezroq ekanini isbotlamaydi. Natija muammo o‘lchami, ta’lim xarajati, geometriya, uzilishlar va foydalanish soniga bog‘liq.

Yoriq sirpanishi avtomatik CO₂ sizib chiqishi emas. Bosim oshishi avtomatik zilzila emas. Mikroseysmiklikni aniqlash ham kelajakdagi katta yorilishni prognozlash emas.

Tavsiya etilgan raqamli egizak arxitekturasi hozirgi tijoriy CO₂ saqlash loyihalarida prospectively validated autonomous-control tizimi sifatida ko‘rsatilmagan. Manba uni tadqiqot va boshqaruv yo‘l xaritasi sifatida taqdim etadi.

Asosiy sharh cheklovlari

Qidiruv jarayoni ro‘yxatdan o‘tgan PRISMA protokoli bilan boshlanmagan va dastlabki bosqich yozuvlari soni saqlanmagan. Shu sababli tadqiqot sistematik dalil xaritasi yoki meta-tahlil emas.

Adabiyotlar turli geologiyalar, inyeksiya masshtablari, monitoring tarmoqlari, model maqsadlari va samaradorlik metrikalarini o‘z ichiga olgani uchun sonli natijalarni bitta pooled “accuracy” ostida birlashtirish ilmiy jihatdan to‘g‘ri emas.

Istiqbolli maydon prognozi kam. Ko‘plab ML natijalari tabiiy zilzila, laboratoriya yoki sintetik simulyatsiya ma’lumotlaridan keladi. Shu sababli algoritmik samaradorlik va CO₂ saqlashdagi operatsion dalil darajasi bir xil narsa emas.

Manba va Usul Haqida Izoh

Asl tadqiqot: Multiphysics, Machine Learning, and Physics Informed Approaches to Fault Reactivation During Geological CO2 Storage: A Critical Review and Research Roadmap.

Mualliflar: Godsway Akpabli; Hamid Rahnema; William Apau Marfo; Kelvin Hayford; Kwamena Opoku Duartey; Joseph Osei-Nsankyire.

Mas’ul muallif: Kwamena Opoku Duartey.

Muassasalar: Department of Petroleum and Natural Gas Engineering, New Mexico Institute of Mining and Technology, Socorro, New Mexico, USA; Petroleum Research and Recovery Center, New Mexico Institute of Mining and Technology, Socorro, New Mexico, USA.

Jurnal: Advances in Carbon Neutrality.

Nashriyot: MDPI.

Bibliografik yozuv: Advances in Carbon Neutrality, 2026, Jild 1, Son 1, Maqola 1.

DOI: 10.3390/acn1010001.

Nashr sanasi: 20 Sentabr 2026.

Qabul qilindi / qayta ko‘rib chiqildi / tasdiqlandi: 12 Avgust 2026 / 7 Sentabr 2026 / 15 Sentabr 2026.

Manba turi: Review; tuzilgan tanqidiy sharh va tadqiqot yo‘l xaritasi.

Taqriz holati: Taqrizli nashr jarayonidan o‘tgan, qayta ko‘rib chiqish va qabul sanalari aniq ko‘rsatilgan jurnal maqolasidir.

Litsenziya: Creative Commons Attribution (CC BY). Manba PDF litsenziya versiyasi raqamini alohida ko‘rsatmagani sababli versiya raqami taxmin qilinmagan.

Sharh ma’lumot manbalari: Scopus, Web of Science, Google Scholar, ScienceDirect, OnePetro, nashriyot ma’lumot bazalari va oldinga/orqaga iqtibos zanjirlash.

So‘nggi qidiruv yangilanishi: 10 Avgust 2026.

Yakuniy manba korpusi: 98 iqtibos.

PRISMA holati: Mualliflar PRISMA-ga mos corpus da’vosini qilmaydi. Boshlang‘ich yozuvlar, duplikatlarni olib tashlagandan keyingi yozuvlar va chiqarib tashlangan to‘liq matnlar soni saqlanmagan.

Sintez turi: Sifatli, mexanizm va dalil-darajasiga asoslangan tuzilgan sintez; non-commensurate maqsad va metrikalar sababli pooled samaradorlik statistikasi yoki meta-analitik ta’sir kattaligi hisoblanmagan.

Dalil sinflari: Bevosita CO₂ saqlash; nazoratli laboratoriya; non-CO₂ inyeksiya analogi; sintetik/sonli benchmark.

Verifikatsiya darajalari: Kod verifikatsiyasi; laboratoriya verifikatsiyasi; retrospektiv maydon baholashi; maydonlararo baholash; istiqbolli prognoz.

Asosiy fizika sohalari: Ko‘p fazali oqim, poroelastiklik, termomexanika, yoriq ishqalanishi, yoriq o‘tkazuvchanligi, dinamik yorilish va THMC teskari aloqalari.

Asosiy sonli yondashuvlar: Analitik/yarim analitik usullar, FEM, finite-volume/integrated finite-difference, explicit finite-difference, DEM, DFN gibridlari, XFEM/embedded discontinuities va phase-field fracture.

Asosiy mashinaviy o‘rganish yondashuvlari: CNN, transformer, tree ensemble, support vector machine, generalized linear model, Gaussian process, recurrent model, PINN, Fourier neural operator, DeepONet, graph operator, CNN/RNN surrogate va reduced-order model.

Markaziy maydon misollari: In Salah, Illinois Basin Decatur, Otway, Sleipner, Snøhvit va Ketzin; Basel va boshqa inyeksiya misollari analogik dalil sifatida ko‘rib chiqilgan.

Asosiy xulosa: Bosim va deformatsiyani modellashtirish hamda seismic signal processing eng kuchli mavjud dalillar bazasiga ega; istiqbolli yoriq sirpanishi va seysmiklik prognozi cheklangan dalil darajasidadir.

Raqamli egizak yondashuvi: State model + observation operator + QC + data assimilation + forecast + uncertainty + decision rules + audit trail + human oversight. Validated-domain tashqarisida tizimning abstain/fallback xatti-harakatini ko‘rsatishi tavsiya etiladi.

Moliyalashtirish: Tadqiqot tashqi moliyalashtirish olmagan.

Etika: Institutional Review Board va informed consent qo‘llanilmaydi; tadqiqot yangi inson/hayvon tajribasini o‘z ichiga olmaydi.

Ma’lumotlar mavjudligi: Yangi ma’lumot yaratilmagan yoki tahlil qilinmagan. Sintez qilingan axborot iqtibos keltirilgan adabiyotlardan olingan. Mualliflarning asl sintez rasmlarining tahrirlanadigan versiyalari asosli so‘rov bo‘yicha mas’ul muallifdan olinishi mumkinligi bildirilgan.

Manfaatlar to‘qnashuvi: Mualliflar manfaatlar to‘qnashuvini bildirmagan.

Sun’iy intellektdan foydalanish bayonoti: ChatGPT image generation/editing funksiyalari faqat mualliflar tomonidan asl tayyorlangan sxemalarning vizual sayqallanishi, hizalanishi, o‘qilishi va vizual izchilligini yaxshilash uchun ishlatilgan. Manba AI eksperimental yoki sonli ma’lumot yaratish, adabiyot qidirish, dalil tanlash, ilmiy tahlil qilish yoki texnik natija chiqarish uchun ishlatilmaganini aniq bildiradi.

Muallif hissalari: Konseptuallashtirish: Godsway Akpabli; usul: Godsway Akpabli va William Apau Marfo; dasturiy ta’minot: Godsway Akpabli; formal tahlil va tadqiqot: Godsway Akpabli va William Apau Marfo; resurslar: Hamid Rahnema; dastlabki qoralama: Godsway Akpabli va William Apau Marfo; ko‘rib chiqish/tahrirlash: Hamid Rahnema, Kelvin Hayford, Kwamena Opoku Duartey va Joseph Osei-Nsankyire; vizualizatsiya: Godsway Akpabli; nazorat va loyiha boshqaruvi: Hamid Rahnema.

Asosiy uslubiy cheklovlar: Ro‘yxatdan o‘tgan sistematik sharh protokolining mavjud emasligi; dastlabki skrining sonlarining saqlanmaganligi; adabiyotlarning geologiya, maqsad va metrika jihatidan geterogenligi; istiqbolli maydon prognozlarining kamligi; ayrim ML dalillarining tabiiy zilzila/laboratoriya/sintetik sohalardan ko‘chirilishi; in-situ stress, yoriq bog‘liqligi va CO₂ sharoitidagi ishqalanish/o‘tkazuvchanlik ma’lumotlarining yetishmasligi; model discrepancy va monitoring detection limitlarining operatsion prognozlarni cheklashi.

Vizual foydalanish izohi: Manba rasmlari CC BY litsenziyali bo‘lsa-da Verianla uchun piksel nusxa talab etilmaydi. Figure 1, Figure 4, Figure 8, Figure 9, Figure 10 va Figure 11 ning ilmiy munosabatlari mustaqil, semantik jihatdan ekvivalent texnik sxemalar sifatida qayta qurilishi mumkin. Maydon seysmogrammasi yoki sonli kontur kabi real ma’lumot taassurotini beradigan uydirma raster tasvirlar yaratilmasligi kerak.

Verianla Live: Inyeksiya → reservoir state → fault response → monitoring → action zanjiri uchun Live Process; model oilalari va yetuklik uchun Live Compare; verifikatsiya pog‘onasi va inson nazoratidagi raqamli egizak uchun source-derived Live Figure mos keladi.