Stage Data Science - Estimation de la magnitude maximale des séismes induits en géothermie Actif

CONTEXTE

La sismicité induite lors des opérations d’injection de fluide dans un contexte de géothermie profonde est majoritairement constituée de micro‑événements (M<2) non ressentis. Néanmoins, des séismes plus importants peuvent survenir, être perçus par la population et devenir bloquants pour la sécurité des opérations, l’acceptabilité sociale et, in fine, la viabilité des projets. Bien estimer la magnitude maximale () associée à une opération d’injection est de ce fait, déterminant.

Des modèles d’estimation de  existent mais n’ont pas permis d’anticiper l’occurrence de magnitudes élevées sur certains projets (e.g. Pohang ou Basel) conduisant à leur abandon. Ces approches reposent sur un nombre restreint de paramètres supposés contrôler la sismicité. Or, compte tenu de la complexité des mécanismes en jeu, des approches multivariables pourraient s’avérer plus performantes. Dans ce contexte, une base de données homogène couvrant plusieurs opérations d’injection sur différents sites géothermiques a été constituée et peut être mobilisée.

MISSIONS

L’objectif est d’améliorer l’estimation de  par des modèles prédictifs multivariables (modèles statistiques paramétriques et intelligence artificielle) en intégrant des variables opérationnelles (e.g. débit d’injection, pression d’injection, …) et sismologiques (e.g. les magnitudes, le temps inter-événement, localisation, …). Concrètement, durant ce stage il s’agira de :

• Identifier des variables clés pour l’estimation de , via une analyse de données approfondie de la base de données et, le cas échéant, la consolidation de la base par de nouveaux indicateurs calculés.
• Tester des modèles statistiques paramétriques (régressions multiples linéaires et non linéaires).
• Explorer des approches par intelligence artificielle : par Machine Learning (e.g. Random Forest, XGBoost) et par Deep Learning en intégrant des données sismologiques plus fines (formes d’onde, spectrogrammes).

PROFIL

Etudiant(e) de niveau Bac+5 spécialisé(e) en géophysique avec une compétence/expérience dans la data science / statistique. Ou de niveau Bac+5 en data science / statistiques avec un fort intérêt pour la sismologie ou la physique plus généralement.

Vous avez une bonne maîtrise de l’environnement de programmation Python (notamment TensorFlow, Scikit-learn). Vous êtes force de proposition et avez le goût du challenge et du travail en équipe.

CONTEXTE

La sismicité induite lors des opérations d’injection de fluide dans un contexte de géothermie profonde est majoritairement constituée de micro‑événements (M<2) non ressentis. Néanmoins, des séismes plus importants peuvent survenir, être perçus par la population et devenir bloquants pour la sécurité des opérations, l’acceptabilité sociale et, in fine, la viabilité des projets. Bien estimer la magnitude maximale () associée à une opération d’injection est de ce fait, déterminant.

Des modèles d’estimation de  existent mais n’ont pas permis d’anticiper l’occurrence de magnitudes élevées sur certains projets (e.g. Pohang ou Basel) conduisant à leur abandon. Ces approches reposent sur un nombre restreint de paramètres supposés contrôler la sismicité. Or, compte tenu de la complexité des mécanismes en jeu, des approches multivariables pourraient s’avérer plus performantes. Dans ce contexte, une base de données homogène couvrant plusieurs opérations d’injection sur différents sites géothermiques a été constituée et peut être mobilisée.

MISSIONS

L’objectif est d’améliorer l’estimation de  par des modèles prédictifs multivariables (modèles statistiques paramétriques et intelligence artificielle) en intégrant des variables opérationnelles (e.g. débit d’injection, pression d’injection, …) et sismologiques (e.g. les magnitudes, le temps inter-événement, localisation, …). Concrètement, durant ce stage il s’agira de :

• Identifier des variables clés pour l’estimation de , via une analyse de données approfondie de la base de données et, le cas échéant, la consolidation de la base par de nouveaux indicateurs calculés.
• Tester des modèles statistiques paramétriques (régressions multiples linéaires et non linéaires).
• Explorer des approches par intelligence artificielle : par Machine Learning (e.g. Random Forest, XGBoost) et par Deep Learning en intégrant des données sismologiques plus fines (formes d’onde, spectrogrammes).

PROFIL

Etudiant(e) de niveau Bac+5 spécialisé(e) en géophysique avec une compétence/expérience dans la data science / statistique. Ou de niveau Bac+5 en data science / statistiques avec un fort intérêt pour la sismologie ou la physique plus généralement.

Vous avez une bonne maîtrise de l’environnement de programmation Python (notamment TensorFlow, Scikit-learn). Vous êtes force de proposition et avez le goût du challenge et du travail en équipe.