Docu-menta >
Medio Ambiente >
Comunicaciones, congresos de Medio Ambiente >
Por favor, use este identificador para citar o enlazar este ítem:
http://documenta.ciemat.es/handle/123456789/4402
|
Título : | Aplicación de Redes Bayesianas a la evaluación de riesgos del emplazamiento geológico de CO2 en Lopín, España |
Autor : | Hurtado, Antonio Eguilior, Sonsoles Recreo, Fernando |
Palabras clave : | CO2 Geological storage Saline aquifer Risk assessment Bayesian Belief Networks |
Fecha de publicación : | 2024 |
Editorial : | Sociedad Geológica de España |
Citación : | A. Hurtado, S. Eguilior y F. Recreo. Aplicación de Redes Bayesianas a la evaluación de riesgos del emplazamiento geológico de CO2 en Lopín, España. Geo-Temas 20, ISSN: 1576-5172 (versión impresa) 2792-2308 (versión digital). Pág.1300. |
Citación : | Geo-Temas;Volumen 20 |
Resumen : | Este artículo presenta el uso de Redes Bayesianas de Creencias (BBN) para evaluar el riesgo ambiental en el almacenamiento geológico de CO2 (Kaikkonen et al., 2021) dentro del contexto del cambio climático. La BBN estima el riesgo para la salud, seguridad y medio ambiente (HSE) por fuga del CO2 inyectado en acuíferos salinos profundos. Su utilidad radica en el análisis de escenarios y su capacidad predictiva de los riesgos medioambientales. La BBN fue aplicada a un emplazamiento específico, Lopín, al sur de la cuenca del Ebro, una estructura identificada a priori como favorable para el almacenamiento geológico. El trabajo también incluye la conceptualización del modelo y su parametrización, identificando la estructura causal, a través del desarrollo de un diagrama de influencias y asignación de estados y probabilidades a cada variable del sistema (Hurtado et al., 2014). Los datos provienen de diversas fuentes, como datos observados, ecuaciones probabilísticas, simulaciones y la elicitación estructurada de expertos, crucial en las primeras etapas de evaluación de sitios. El modelo BBN permite analizar escenarios para evaluar cambios en las probabilidades de resultados y determinar estados necesarios para resultados deseados. Este enfoque mejora la función predictiva al perturbar las variables de entrada según la información proporcionada por los estudios de caracterización del emplazamiento. |
URI : | http://documenta.ciemat.es/handle/123456789/4402 |
ISSN : | 2792-2308 |
Aparece en las colecciones: | Comunicaciones, congresos de Medio Ambiente
|
Los ítems de Docu-menta están protegidos por una Licencia Creative Commons, con derechos reservados.
|