2026
Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2026
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak05
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2026-06-29
Online
DOI: 10.18154/RWTH-2026-08592
URL: https://publications.rwth-aachen.de/record/1041398/files/1041398.pdf
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
Datenquantitätsuntersuchung (frei) ; data quantity assessment (frei) ; geological modeling (frei) ; geologisches Modellieren (frei) ; geometric analysis (frei) ; geometrische Analyse (frei)
Thematische Einordnung (Klassifikation)
DDC: 550
Kurzfassung
Strukturelle geologische Modellierung ist zur Beschreibung des Untergrundes essentiell. Diese ist beispielsweise relevant für die Planung der unterirdischen Lagerung hochradioaktiver Abfälle, wobei die Langzeitsicherheit eines Endlagers maßgeblich von der Charakterisierbarkeit des Umgebungsgesteins abhängt, das als stofflicher und thermischer Puffer dienen soll. Daher ist es wichtig, statistische Ungewissheiten in geologischen Modellen zu untersuchen, die in jedem Schritt der Modellierung auftreten können. Dies wurde im GeoBlocks-Projekt getan, in dessen Rahmen diese Arbeit entstand. Ein wesentlicher Faktor, der zu statistischen Ungewissheiten in Geomodellen beiträgt, ist die geometrische Komplexität des Untergrundes, die bei der Geomodellierung nur unzureichend reproduziert werden kann. Ein gängiger Weg, die geometrische Variabilität trotzdem zu approximieren, ist die Erstellung großer Mengen probabilistischer Modellrealisationen. Um diese Sets geometrisch zu charakterisieren und einzelne Modelle zu vergleichen, bedarf es jedoch quantitativer Vergleichsmethoden. Eine solche Methode wurde im Rahmen dieser Arbeit entwickelt. Sie beruht auf der Messung geometrischer Parameter an zweidimensionalen Schnitten aus dreidimensionalen Körpern. Die horizontalen und vertikalen Ausdehnungen einer Struktur werden orthogonal zu den horizontalen Hauptachsen des Körpers erfasst. Zudem werden Gradienten- und Krümmungsdaten gemessen. Die Datenanalyse gibt Einblick in geometrische Eigenschaften von Strukturen. Die Ausdehnungsdaten spiegeln die Anisotropie einer Struktur wider, belegen die Existenz von Überhangskonfigurationen und offenbaren den Charakter der Top-Fläche. Die Gradienten- und Krümmungsdaten gewähren Einblick in die Steilheit der lateralen Wände eines Körpers, seiner Sphärizität und der Top-Fläche. Die Kullback-Leibler Divergenz ermöglicht den quantitativen Vergleich der Datenverteilungen individueller geometrischer Parameter. Des Weiteren wird eine dimensionsreduzierte Clusteranalyse auf Basis der geometrischen Parameter zur Gruppierung und Systematisierung von Körpern durchgeführt. Die Methodik wird an einem Set synthetischer, regelmäßiger "Standardgeometrien" angewandt, die als Benchmarkmodelle in Workflows für die Modellierung dienen sollen. Durch die Clusteranalyse können die Benchmarkmodelle auf geometrische Ähnlichkeit untersucht werden, was die quantitative Reduzierung des Sets auf geometrisch unterschiedliche Strukturen erlaubt. Es wird erwartet, dass die Quantifizierungsmethode und die Benchmarkmodelle verschiedene Phasen eines Geomodellierungsworkflows unterstützen. Geometrische Quantifizierungsmethoden in der Geomodellierung sollten die volle Bandbreite struktureller Komplexität abbilden können. Im Kontext der deutschen Standortsuche kann diese Bandbreite durch intrusive Salzstrukturen und kristalline Körper abgedeckt werden. Daher wird die Methode auf 239 Geomodelle intrusiver Salzkörper sowie auf 67 Modelle kristalliner Intrusionen angewandt. In der dimensionsreduzierten Clusteranalyse werden die Untergrundmodelle dem Benchmarkmodell mit der jeweils größten geometrischen Ähnlichkeit zugewiesen. Anschließend werden die Resultate der Clusteranalyse im Kontext der jeweiligen regionalen Geologie verortet. Die Anwendung der Methodik auf eine Datenbasis, die die volle Bandbreite geometrischer Komplexität isolierter geologischer Strukturen abbildet, verdeutlicht die Effizienz des Ansatzes in der geometrischen Analyse einer großen Anzahl geologischer Modelle. Mögliche Eingangsdaten für die Geomodellierung sind divers, jedoch meist nur spärlich verfügbar. Dies liegt an den hohen Akquisitionskosten und dem großen zeitlichen Aufwand der Datenerhebung. Daher ist es von Interesse, zu ergründen, wie viele Eingangsdaten zur Erstellung realistischer Geomodelle benötigt werden. Diese Zielsetzung wird mit zwei quantitativen Metriken zur Bestimmung minimal benötigter Eingangsdatenmengen angegangen: Die mittlere gemittelte Kullback-Leibler Divergenz– basierend auf der Ähnlichkeit von Parameterverteilungen – und die mittlere euklidische Distanz im Hauptkomponenten-Raum, basierend auf dimensionsreduzierten Parameterdaten, jeweils erfasst zwischen zusammengefassten probabilistischen Modellrealisationen und einer Referenz. Die Datenbasis umfasst zwei Modelle intrusiver Salzstrukturen und ein Kugelmodell. Die Wahl der Realmodelle basiert auf der Clusteranalyse der zweiten Studie und garantiert, dass die Körper eine große Bandbreite geometrischer Komplexität abdecken. Synthetische Datensätze in 15 Datenkonfigurationen werden randomisiert aus den Eingangsmodellen extrahiert, und in 3D modelliert. Dadurch werden 1500 Modellrealisationen pro Struktur als Basis für die weiteren Analysen geschaffen. Die Modellrealisationen werden anschließend in fünf Perzentil-Schwellenwertsmodellen pro Datenkonfiguration kondensiert, die ebenso wie die Referenzmodelle mit der in der Arbeit entwickelten Quantifizierungsmethode charakterisiert werden. Die geometrischen Daten bilden die Basis für die folgende Anwendung der entwickelten Metriken. Für beide Metriken werden Zwischenergebnisse für jede Kombination aus Datenkonfiguration und Schwellenwertsmodell analysiert. Anschließend werden die Werte der fünf Schwellenwertsmodelle pro Datenkonfiguration jeweils gemittelt, um die finalen Metriken zu erhalten. Bei diesen wird geprüft, wann eine Zunahme der Datenquantität mit großen Verbesserungen der Modellähnlichkeit einhergeht. Minimal benötigte Datenmengen können für alle drei Testmodelle abgeleitet werden, wobei die erforderlichen Mengen größer sind, desto höher die strukturelle Komplexität ist. Diese Thesis hat in mehrfacher Hinsicht zum übergeordneten Projektziel der Methodenentwicklung zur Quantifizierung und Visualisierung geologischer Ungewissheiten beigetragen. Die Quantifizierungsmethode kann Workflows zur Geomodellierung mit spärlichen Daten verschiedenartig unterstützen: sie kann in der Konzeptualisierung eines Modells angewandt werden, sowie für die Parametrisierung der Interpolationsmethode, Untersuchung der Plausibilität von Modellrealisationen und für die quantitative geometrische Beschreibung, Systematisierung und den Vergleich von Modellen. Die Metriken zur Untersuchung minimal benötigter Datenmengen für realistische geologische Modellierung können des Weiteren zur individuellen Evaluierung herangezogen werden, ob eine Datenbasis zur Modellierung einer bestimmten Struktur ausreicht.Structural geological modeling is essential for the description of the subsurface. This is relevant, for instance, for the planning of the storage of highly radioactive waste, where the long-term safety of a disposal site is strongly dependent on the characterizability of the surrounding rock mass, that shall serve as a thermal and physical buffer. Therefore, it is essential to analyze the statistical uncertainties in geological models, that can arise in every modeling step. This has been done in the GeoBlocks project, in whose context this work has been conducted. A substantial factor contributing to statistical uncertainties in geomodels is the geometric complexity of the subsurface, that can only be reproduced insufficiently in geomodeling. A common approach to nevertheless approximate the geometric uncertainty is to create large numbers of probabilistic model realizations. In order to geometrically characterize these sets, and to compare individual models, quantitative comparison methods are required. One of such comparison methods has been created in the context of this thesis. It is based on the measurement of geometric parameters on two-dimensional cross sections in three-dimensional objects. The horizontal and vertical extents of a structure are determined perpendicular to the two horizontal main axes of the object. Furthermore, gradient and curvature data are measured. The data analysis provides insight into the geometric characteristics of structures. The extensional data inform about the anisotropy of a structure, indicate the existence of overhang configurations and reveal the character of the top surface. Gradient and curvature data provide insight into the steepness of the lateral walls of a structure, its sphericity and its top surface. The Kullback-Leibler divergence allows for the quantitative comparison of data distributions of individual geometric parameters. Furthermore, a dimensionally reduced cluster analysis based on the geometric parameters is conducted for the grouping and systematization of structures. The methodology is applied to a set of synthetic, regular "standard geometries", developed to act as benchmark models in modeling workflows. With the cluster analysis, the benchmark models are evaluated regarding their geometric dis-/similarity, which allows the quantitative reduction of the set to obtain geometrically dissimilar structures. It is anticipated that the quantification method and the benchmark models aid in different stages of a geomodeling workflow. Geometric quantification methods in geomodeling should be capable of investigating the full range of structural complexity. In the context of the German site selection, this range is covered by intrusive salt structures and crystalline bodies. Thus, the method is applied to 239 geomodels of intrusive salt bodies, and to 67 models of crystalline intrusives. In the dimensionally reduced cluster analysis, the subsurface models are assigned to the respective benchmark model of highest geometric similarity. Subsequently, the results of the cluster analysis are contextualized in the respective regional geology. The application to a database covering the full range of geometric complexity of isolated geological structures illustrates the efficiency of the approach in the geometric analysis of a large number of geological models. The potential input data for geological modeling is diverse, but commonly of sparse availability. This is due to the high costs and the large time investment of data acquisition. Thus, it is of interest to assess, how much input data is required to create realistic geomodels. This objective is approached with two quantitative metrics for the determination of minimum data requirements: the mean averaged Kullback-Leibler divergence – based on the similarity of parameter distributions – and the mean Euclidean distance in principal component space, based on dimensionally reduced parameter data, determined respectively between condensed probabilistic model realizations and a reference. The database consists of two models of intrusive salt structures and a sphere model. The choice of the real models is based on the cluster analysis of the second study and guarantees, that the bodies cover a large range of geometric complexity. Synthetic datasets in 15 data configurations are randomly extracted from the input meshes and modeled in 3D. Thereby, 1500 model realizations per structure are created as the basis for the following analyses. Subsequently, the model realizations are condensed into five percentile threshold models per data configuration, and these models as well as the references are characterized with the quantification method established in this thesis. The geometric data constitute the basis for the application of the developed metrics. For both metrics, intermediate results are analyzed for every single combination of data configuration and threshold model. Subsequently, the values of the five threshold models per data configuration are averaged respectively, to obtain the final metrics. In the metrics, it is analyzed which increases of data quantity coincide with considerable improvements of model similarity. Minimum data requirements are derived for all three test cases, with the required quantities being higher, the larger the structural complexity. This thesis has contributed in various ways to the overall project goal of developing methods to quantify and visualize geological uncertainties. The quantification method is expected to aid in geomodeling workflows with sparse data in several steps: it is utilizable in the conceptualization of a model, the parametrization of the interpolation method, evaluation of reasonableness of model realizations, and the quantified geometric description, systematization and comparison of models. Furthermore, the metrics for the assessment of minimum data quantity requirements for realistic geomodeling can be considered in evaluations whether a database is sufficient to model a given structure.
OpenAccess:
PDF
(zusätzliche Dateien)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT031599342
Interne Identnummern
RWTH-2026-08592
Datensatz-ID: 1041398
Beteiligte Länder
Germany