AI-Driven Digital Twin for modelling a geothermal reservoir in Saudi Arabia using geophysical data. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF MS_Thesis_Calderon_Vf_ep.pdf Restricted to Repository staff only until 19 January 2027. Download (6MB)

Arabic Abstract

هذه الدراسة تبحث في العلاقة بين الكثافة المستمدة من الجاذبية والمقاومة المغناطيسية الأرضية (MT) لتوصيف التراكيب تحت السطحية المرتبطة بنظام الطاقة الحرارية الأرضية في عين الحارة، المملكة العربية السعودية. يعتمد التحليل على مجموعات بيانات الكثافة والمقاومة التي تم الحصول عليها خلال حملات جيوفيزيائية سابقة، مما يضمن استناد الدراسة إلى ملاحظات ميدانية موثقة ومتحقق منها. يوفر الإطار الجيولوجي لعين الحارة، الذي يتميز بتحكم هيكلي قوي وتباينات في الكثافة وشذوذ في المقاومة المرتبطة بالدوران الحراري المائي، مختبراً طبيعياً مناسباً لاستكشاف التفسيرات الجيوفيزيائية المتكاملة. باستخدام إطار عمل التوأم الرقمي المدعوم بالذكاء الاصطناعي(P2-P6) تم تحليل خمسة قطاعات جيوفيزيائية متجاورة. وتشمل المنهجية معالجة البيانات المسبقة ومراقبة الجودة، وتحليل البيانات الاستكشافي لتحديد الاتجاهات والارتباطات المكانية، إضافة إلى إجراءات تحسين الدقة لتحسين رصد التباينات الدقيقة تحت السطحية. وبعد ذلك، تم تطبيق استراتيجية نمذجة متسلسلة لدمج معلومات الجاذبية والمقاومة المغناطيسية الأرضية ضمن إطار تنبؤي موحد. تم تطوير ثلاثة مناهج نمذجة تكميلية قائمة على الشبكات العصبية تم تطويرها لدراسة العلاقة بين الكثافة والمقاومة من زوايا مختلفة: (1) التنبؤ المباشر بالخصائص، حيث تُقدّر المقاومة من الإحداثيات المكانية والكثافة؛ (2) النمذجة القائمة على التدرج، حيث تُربط التدرجات المكانية للكثافة والمقاومة لتسليط الضوء على الاختلافات الهيكلية والجانبية؛ (3) منهج هجين يجمع بين معلومات التدرج والتنبؤ المباشر بالخصائص لتعزيز الاستمرارية المكانية وقابلية التفسير. و تتيح هذه النماذج مجتمعةً تقييم منهجي للارتباطات المحلية والارتباطات المعتمدة على المقطع العرضي بين الخصائص الفيزيائية. تُظهر النتائج أن التوائم الرقمية القائمة على الذكاء الاصطناعي قادرة على رصد العلاقات المهمة بين الكثافة والمقاومة في البيئات الحرارية الأرضية ذات التركيب المعقد، مما يُمكّن من الاستيفاء والتنبؤ في المواقع غير المشمولة بالعينات. كما تتفوق النماذج الخاصة بكل مقطع عرضي على النماذج ذات النطاق العالمي، مما يُبرز تأثير عدم التجانس الجيولوجي على الارتباطات متعددة الخصائص الفيزيائية. ويبيّن هذا العمل أن دمج بيانات الجاذبية وبيانات MT من خلال منهجيات التوأم الرقمي يحسن من توصيف باطن الأرض، ويدعم عملية صنع القرار في مجال الاستكشاف الحراري الأرضي، ويوفر إطار عمل قابلًا للتطبيق على أنظمة حرارية أرضية مماثلة ذات توافر محدود للبيانات.

English Abstract

This thesis investigates the relationship between gravity derived density and magnetotelluric (MT) resistivity to characterize subsurface structures associated with the geothermal system of Ain Al-Harrah, Saudi Arabia. The analysis is based on density and resistivity datasets acquired during previous geophysical campaigns, ensuring that the study is grounded in validated field observations. The geological setting, characterized by strong structural control, density contrasts, and resistivity anomalies linked to hydrothermal circulation, provides a suitable natural laboratory for exploring integrated geophysical interpretations. Five collocated geophysical profiles (P2–P6) are analyzed using an AI driven Digital Twin framework. The methodology includes data preprocessing and quality control, exploratory data analysis to identify spatial trends and correlations, and resolution-enhancement procedures to better capture fine-scale subsurface variability. A sequential modeling strategy is then implemented to integrate density and resistivity data within a unified predictive framework. Three complementary modeling approaches are developed to examine the density–resistivity relationship from different perspectives: (1) direct property prediction, in which resistivity is estimated from spatial coordinates and density; (2) gradient-based modeling, where spatial gradients of density and resistivity are correlated to emphasize structural and lateral variations; and (3) a hybrid gradient-to-property approach that combines gradient information with direct property prediction to enhance spatial continuity and interpretability. Together, these models allow a systematic evaluation of both local and profile-dependent correlations between physical properties. The results demonstrate that AI-based Digital Twins can successfully capture meaningful relationships between density and resistivity in structurally complex geothermal environments, enabling interpolation. The per-profile models outperform global configurations, highlighting the influence of geological heterogeneity on multi-physics correlations. This work shows that integrating gravity and MT data through DT framework improves subsurface characterization, supports geothermal exploration decision-making, and provides a transferable methodology for similar geothermal systems with limited data availability.

Item Type:	Thesis (Masters)
Subjects:	Earth Sciences Physics
Department:	College of Petroleum Engineering and Geosciences > Geosciences
Committee Advisor:	Waheed, U. B.
Committee Members:	Hanafy, S. and Seyedpour, S.
Depositing User:	ANDREA CAR CALDERON ZAMUDIO (g202392890)
Date Deposited:	19 Jan 2026 11:36
Last Modified:	19 Jan 2026 11:36
URI:	http://eprints.kfupm.edu.sa/id/eprint/144040