Imputación equivalente de una base de datos de fluidos geotérmicos

Resumen Los geoterm ometros estad sticos se utilizan en la exploraci on de sistemas geot ermicos explotables. Su precisi on depende de los datos que, debido al ruido de los sensores y las circunstancias experimentales, son escasos, caros e incompletos. En la pr actica, solo se utilizan registros completos de elementos qu micos para el modelado geotermom etrico, las relaciones de restricci on y la incertidumbre que se pueden modelar y la estimaci on de la temperatura de polarizaci on. Por lo tanto, proponemos un m etodo de imputaci on equivalente para completar una base de datos geot ermica basada en solutos a partir de pozos productivos reportados. El m etodo completa registros que determinan el mejor modelo de imputaci on basado en ambos, la precisi on en la predicci on de los valores observados y la equivalencia estad stica entre los datos imputados y observados. Los valores se estiman mediante algoritmos de imputaci on simples (punto de referencia, m aquinas de vectores de soporte y redes neuronales arti ciales) y m ultiples (imputaciones multivariadas por ecuaciones encadenadas). Los resultados muestran que, la metodolog a propuesta produce datos equivalentes y precisos en la mayor a de los solutos probados con cambios insigni cantes en la correlaci on. Esto tambi en muestra que la precisi on por s sola no es su ciente para seleccionar el mejor m etodo de imputaci on. Al combinar las pruebas de equivalencia con un an alisis de precisi on, los registros geot ermicos de la literatura se pueden completar de manera equivalente, aumentando sustancialmente la informaci on disponible para el modelado geot ermico estad stico.

Abstract Statistical geothermometers are used in the exploration of exploitable geothermal systems. Its accuracy depends on data which due to sensors noise and experimental circumstances is scarce, expensive, and incomplete. In practice only complete chemical elements records are used for geothermometric modeling, constraining relations and uncertainty which can be modeled, and biasing temperatures estimation. Therefore, we propose an equivalent imputation method for building a solute-based geothermal database from reported productive wells. The method completes records determining the best imputation model based on both, accuracy on predicting observed values and the statistical equivalence between imputed and observed data. Values are estimated by single (benchmark, Support Vector Machines, and Arti cial Neural Networks) and multiple (Multivariate Imputations by Chained Equations) imputation algorithms. Results show that, the proposed methodology produces equivalent and accurate data in most of the tested solutes with negligible changes in correlation. These also show that accuracy on its own is not su cient for selecting the best imputation method. By combining equivalence tests with an accuracy analysis, geothermal records from literature can be completed in an equivalent fashion substantially increasing the available information for statistical geothermal modeling