地質(zhì)地球所提出鉆探井壁失穩(wěn)地質(zhì)風險預測方法

作者： 2020年12月23日 來源：全球化工設(shè)備網(wǎng) 瀏覽量：
字號：T | T
人工智能地質(zhì)大數(shù)據(jù)分析是新興交叉學科，其核心是在物理規(guī)律約束下，通過建立數(shù)學模型，采用數(shù)據(jù)科學方法，分析和挖掘有價值的核心信息及關(guān)鍵證據(jù)，以解決地質(zhì)學的認知、發(fā)現(xiàn)、決策及評價等理
　　人工智能地質(zhì)大數(shù)據(jù)分析是新興交叉學科，其核心是在物理規(guī)律約束下，通過建立數(shù)學模型，采用數(shù)據(jù)科學方法，分析和挖掘有價值的核心信息及關(guān)鍵證據(jù)，以解決地質(zhì)學的認知、發(fā)現(xiàn)、決策及評價等理論和地質(zhì)資源探測中的實際問題。
 
　　深地非常規(guī)資源鉆探地質(zhì)風險的鉆前預測是一個難題，其中，鉆井井壁失穩(wěn)是鉆探地質(zhì)與工程風險的核心關(guān)注點之一。實現(xiàn)鉆前合理預測并管控、規(guī)避鉆井井壁失穩(wěn)地質(zhì)風險、從被動應(yīng)對向主動預防 (如優(yōu)化開發(fā)部署方案)轉(zhuǎn)變，對成功且低成本地開發(fā)復雜非常規(guī)資源具有重要意義。由于非常規(guī)資源地質(zhì)因素較復雜，常規(guī)基于合理假設(shè)的模型方法難以描述其復雜地質(zhì)的風險。常規(guī)的基于純數(shù)據(jù)驅(qū)動的機器學習方法在科學問題推理中對訓練數(shù)據(jù)的擬合較好，但存在對未知數(shù)據(jù)解釋能力欠佳、缺乏物理規(guī)律一致性的問題。
 
　　中國科學院地質(zhì)與地球物理研究所博士后耿智與合作導師、研究員王彥飛提出了一種引入地質(zhì)力學信息約束的基于地震數(shù)據(jù)預測鉆探井壁失穩(wěn)地質(zhì)風險的深度學習方法。研究人員從第一性原理思考，假設(shè)地層巖石是近似彈性且無顯著異?？紫读黧w壓力，則可將井周巖石力學方程簡化，推導建立以孔隙度和井深為變量的物理約束正則項，加入訓練深度學習模型的目標函數(shù)中；實現(xiàn)基于物理機制約束深度學習模型解空間，提高對未知數(shù)據(jù)推理解釋能力的目標。該方法將已鉆井的測井數(shù)據(jù)(中子孔隙度、垂深)作為上述物理約束正則項的輸入，結(jié)合已鉆井井周的勘探地震數(shù)據(jù)隱特征與井壁坍塌位置數(shù)據(jù)，通過深度學習技術(shù)，可提升在未鉆井地區(qū)僅利用勘探地震數(shù)據(jù)預測井壁失穩(wěn)地質(zhì)風險的預測準確性。
 
　　實例分析表明，與常規(guī)的僅基于標簽數(shù)據(jù)的機器學習方法相比，該方法的預測準確性相對提高約11.5%。該研究方法無需人工額外加注(解釋)標簽，可直接利用已有的海量測量數(shù)據(jù)(勘探地震、測井)，將已鉆井數(shù)據(jù)與地質(zhì)力學機制作為先驗約束信息，提升鉆前地質(zhì)風險預測能力，合理優(yōu)化鉆探布井方案等，降低深地非常規(guī)資源勘探鉆探風險與成本。
 
　　相關(guān)研究成果以Physics-guided deep learning for predicting geological drilling risk of wellbore instability using seismic attributes data為題，發(fā)表在Engineering Geology上。研究工作得到國家重點研發(fā)計劃項目、中科院“從0到1”原始創(chuàng)新項目、地質(zhì)地球所重點部署項目的支持。
 
全球化工設(shè)備網(wǎng)（http://m.bhmbl.cn ）友情提醒，轉(zhuǎn)載請務(wù)必注明來源:全球化工設(shè)備網(wǎng)！違者必究.

標簽：

分享到：
免責聲明：1、本文系本網(wǎng)編輯轉(zhuǎn)載或者作者自行發(fā)布，本網(wǎng)發(fā)布文章的目的在于傳遞更多信息給訪問者，并不代表本網(wǎng)贊同其觀點，同時本網(wǎng)亦不對文章內(nèi)容的真實性負責。
2、如涉及作品內(nèi)容、版權(quán)和其它問題，請在30日內(nèi)與本網(wǎng)聯(lián)系，我們將在第一時間作出適當處理！有關(guān)作品版權(quán)事宜請聯(lián)系：+86-571-88970062