Yeraltı kayaçlarındaki çatlaklarda su ve diğer sıvıların nasıl hareket ettiğini anlamak, enerji sektöründen çevre mühendisliğine kadar pek çok alanda hayati önem taşıyor. Ancak bu süreçleri tahmin etmek, çatlakların karmaşık yapısı ve yer altı koşullarındaki belirsizlikler nedeniyle oldukça zor.
Yeni geliştirilen yöntem, bu zorluğa üç farklı bilimsel yaklaşımı birleştirerek çözüm getiriyor. İlk olarak, çatlak açıklığı ile geçirgenlik arasındaki ilişkilerdeki hataları Bayesci istatistik yöntemleriyle düzeltiyor. Ardından, uzaysal olarak dağılmış geçirgenlik istatistiklerini tahmin etmek için derin öğrenme algoritması kullanıyor. Son olarak da, Darcy ölçeğindeki akış modellemesi ile belirsizlikleri etkili geçirgenlik değerlerine yansıtıyor.
Utah'daki Little Grand Wash Fayı hasar zonundaki doğal kayma çatlaklarından elde edilen karot örnekleri üzerinde test edilen sistem, hem gerçek hem de basitleştirilmiş geometriler üzerinde başarılı sonuçlar verdi. Yöntemin en önemli avantajı, ölçüm hatalarından kaynaklanan belirsizlikleri ve eksik model tanımlamalarını hesaba katabilmesi.
Bu gelişme, yeraltı su kaynaklarının yönetiminden jeotermal enerji üretimine, petrol arama çalışmalarından karbon depolamaya kadar birçok alanda daha güvenilir tahminler yapılmasını sağlayabilir.