Reducing Geological and Geomechanical Uncertainty in Volcanic Geothermal Systems Through Integrated Well Log and Drilling Data Interpretation: Insights from Northeastern Iceland

Die Charakterisierung von Gesteinseigenschaften im Untergrund in Hochtemperatur-Geothermiesystemen ist aufgrund der begrenzten Datenverfügbarkeit grundsätzlich schwierig. Extreme Temperaturen schränken den Einsatz von Bohrlochsonden ein, Zirkulationsverluste verhindern häufig die Rückgewinnung von Bohrklein, und Kernbohrungen sind extrem teuer. Infolgedessen stehen für große Bohrintervalle oft nur minimale direkte geologische Informationen zur Verfügung, was die Unsicherheiten der Untergrundscharakterisierung erhöht. Diese Dissertation adressiert diese Herausforderungen durch die Entwicklung datengetriebener Ansätze, die geologische und mechanische Erkenntnisse aus begrenzten Bohrlochlogs und Bohrkennzahlen ableiten, speziell für vulkanische Geothermiegebiete im Nordosten Islands. Die Dissertation etabliert objektive Datenvorverarbeitungsroutinen als Grundlage für eine zuverlässige Charakterisierung des Untergrunds. Es werden strukturierte Verfahren für Bohrlochlogs und Bohrkennzahlen entwickelt, bei denen die Parameterauswahl auf geologische und mechanische Fragestellungen ausgerichtet ist. Diese transparenten und reproduzierbaren Datenvorverarbeitungsroutinen sind eine Voraussetzung, um eine ausreichende Datenqualität für interpretierbare Ergebnisse aus Anwendungen des maschinellen Lernens sowie für aus Bohrkennzahlen abgeleiteten Indikatoren der Bohrkopfinteraktion mit dem Gestein sicherzustellen. Auf die prozessierten Bohrlochlogs wurde ein unüberwachtes ein unüberwachtes maschinelles Lernverfahren in Form einer Clusteranalyse angewendet, um eine Faziesklassifizierung auch ohne Bohrklein zu ermöglichen. Fazieskalssifizierungen basierend auf Bohrlochdaten bilden physikalisch konsistente Gesteinsgruppen ab, die in dieser Arbeit hinsichtlich ihrer lithologischen Zusammensetzung und ihrer Porosität interpretiert werden. Die Ergebnisse zeigen, dass sich Eigenschaften vulkanischer Gesteine auch aus einer begrenzten Anzahl an Bohrlochlogs ableiten lassen und dass Clusteranalysen Unsicherheiten reduzieren können, die von unvollständigen oder falschen Bohrklein Beschreibungen stammen. Darüber hinaus ermöglicht der vorgeschlagene Ansatz die Rekonstruktion der Untergrundheterogenität von mafischen und felsischen vulkanischen Sequenzen und bietet einen konsistenten Interpretationsrahmen zwischen verschiedenen Bohrungen und Geothermiegebieten. Des Weiteren integriert die Arbeit die Fazieskalssifizierung mit Bohrkennzahlen, um zu untersuchen, ob das Bohrverhalten als indirekter Indikator für mechanische Gesteinseigenschaften dienen kann. Nach der Minimierung operativer Einflüsse, kann gezeigt werden, das Variationen in der Bohreindringsrate und des Gewichts auf den Bohrkopf die porositätsbedingten Festigkeitsunterschiede zwischen den vulkanischen Gesteinseinheiten reflektieren. Konsistente Bohrsignaturen an Faziesgrenzen zeigen, wie Lavaflussschichtungen, Brekzien und Intrusionen die Bohrbarkeit beeinflussen. Die Integration der Faziesklassifizeirung mit Bohrkennzahlen erlaubt die Entwicklung eines konzeptionellen geologisch-mechanischen Modells basierend auf Bohrsignaturen. Insgesamt zeigt diese Dissertation, dass eine limitierte Anzahl an Bohrlochlogs und Bohrdaten kein grundsätzliches Hindernis für die Charakterisierung des Untergrunds in Geothermiesystemen darstellen. Durch objektive Datenvorverarbeitungsroutinen, unüberwachte maschinelle Lernverfahren und eine integrierte Analyse von Bohrlochdaten lassen sich auch in datenarmen Sitautionen robuste geologische und mechanische Erkenntnisse gewinnen.