一种基于深度学习的地质力学参数预测方法

本发明涉及地质勘测领域，特别是涉及一种基于深度学习的地质力学参数预测方法。

背景技术：

1、页岩气能源可以作为传统能源(如煤、石油)的替代品，有助于减少对传统能源的过度依赖，相较于传统燃烧能源，天然气燃烧产生的二氧化碳排放相对较低，更能达到低碳排放的工业要求。目前，大规模的页岩气开发工作一般采用水平井和压裂技术等，使得页岩气田开采已经进入商业化生产阶段。

2、然而，页岩气储层具有埋深大、断层及天然裂缝发育等复杂地质特征，这使得实际工程中测取页岩地层的力学参数较为复杂。较大的埋深可能导致高温高压等地质条件，对开采技术和工艺提出了更高的要求，增加了开采的成本。断层及天然裂缝的发育可能导致地层的非均质性，对气体的储集和运移产生影响。因此，获得页岩地层的相关力学参数，从而对地层构造进行较为精准的分析，在实际工程中能够充分保障施工的安全性和经济性，在实测数据有限的条件下，精细化评估页岩地层的力学特征对于水力压裂施工设计具有重要的理论意义与工程价值。

3、中国发明专利cn103266874b使用压裂水平井，通过射孔技术形成人工裂缝，进行试验性开采，确定压裂水平井控制区域面积以及动用半径，准确评估压裂缝控制区域内气体体积流量，形成有效合理的动用开发系统及开采页岩气藏的方法。该方法行之有效，精确化、系统化，但在实际开采中对于多口页岩气井进行广域勘测时，需要大量的实测数据，设备技术要求高，耗能较大。

4、中国发明专利cn110318744b利用克里金插值法将储层划分为单元格，对各个指标进行评估，根据评估值确定页岩气资源的开采价值。该方法有完备的评估体系和数学模型，但评估模式扁平，不能灵活地体现页岩气资源的三维展布特征。

5、因此，现有技术尚未有一套完善的地层力学参数预测体系，使得能够根据实测数据精确预测页岩气地层的力学参数并建立三维空间展布模型。

技术实现思路

1、本发明的目的是提供一种基于深度学习的地质力学参数预测方法，可实现复杂页岩地层力学参数的预测，提高三维力学参数空间展布特征的精度。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于深度学习的地质力学参数预测方法，包括：

4、获取待测区域的学习集；所述待测区域的学习集包括所述待测区域内每个位置的物理学参数；

5、根据所述待测区域的学习集，采用力学参数预测模型，预测所述待测区域内每个位置的力学参数，得到所述待测区域的预测集；所述力学参数预测模型预先采用训练样本集对机器学习网络进行训练得到；所述训练样本集中包括多组已知的物理学参数及对应的力学参数；

6、根据所述待测区域的学习集及预测集，建立所述待测区域的三维空间参数展布模型。

7、可选地，所述物理学参数包括测井数据及测井解释数据。

8、可选地，所述测井数据包括纵横波、岩石密度、伽马值及电阻率；所述测井解释数据包括杨氏模量、泊松比及单轴抗压强度。

9、可选地，所述力学参数为三向应力。

10、可选地，所述机器学习网络包括输入层、隐藏层及输出层；所述输入层接收物理学参数；所述隐藏层包括多个节点，多个节点分别为线性回归算法、局部加权回归算法、支持向量机回归算法及随机森林算法；所述输出层输出力学参数。

11、可选地，根据所述待测区域的学习集及预测集，建立所述待测区域的三维空间参数展布模型，具体包括：

12、根据所述待测区域内每个位置的物理学参数及力学参数，采用arcgis10.8进行三维地质建模，以得到所述待测区域的三维空间参数展布模型。

13、可选地，所述基于深度学习的地质力学参数预测方法还包括：

14、确定物理学参数的合理取值范围及力学参数的合理取值范围；

15、确定所述待测区域的学习集中，处于所述物理学参数的合理取值范围外的物理学参数，得到异常物理学参数；

16、确定所述待测区域的预测集中，处于所述力学参数的合理取值范围外的力学参数，得到异常力学参数；

17、将所述待测区域的学习集中的异常物理学参数剔除，将所述待测区域的预测集中的异常力学参数剔除，得到所述待测区域的合理学习集和合理预测集。

18、可选地，所述基于深度学习的地质力学参数预测方法还包括：

19、采用所述待测区域的合理学习集和合理预测集，重新建立所述待测区域的三维空间参数展布模型。

20、可选地，所述基于深度学习的地质力学参数预测方法还包括：

21、获取所述待测区域的断层位置；

22、对所述断层位置两侧的力学参数进行插值，刻画所述断层位置两侧力学参数的非连续性，并建立所述断层位置两侧的三维空间参数展布模型。

23、根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明使用的力学参数预测模型基于机器学习，适用于复杂页岩地层力学参数的预测，根据待测区域内每个位置的物理学参数及力学参数，建立待测区域的三维空间参数展布模型，能够精细刻画三维力学参数空间展布特征，根据力学参数空间展布特征能够有效判断地下空间是否存在断层的地质现象。

技术特征：

1.一种基于深度学习的地质力学参数预测方法，其特征在于，所述基于深度学习的地质力学参数预测方法包括：

2.根据权利要求1所述的基于深度学习的地质力学参数预测方法，其特征在于，所述物理学参数包括测井数据及测井解释数据。

3.根据权利要求2所述的基于深度学习的地质力学参数预测方法，其特征在于，所述测井数据包括纵横波、岩石密度、伽马值及电阻率；所述测井解释数据包括杨氏模量、泊松比及单轴抗压强度。

4.根据权利要求1所述的基于深度学习的地质力学参数预测方法，其特征在于，所述力学参数为三向应力。

5.根据权利要求1所述的基于深度学习的地质力学参数预测方法，其特征在于，所述机器学习网络包括输入层、隐藏层及输出层；所述输入层接收物理学参数；所述隐藏层包括多个节点，多个节点分别为线性回归算法、局部加权回归算法、支持向量机回归算法及随机森林算法；所述输出层输出力学参数。

6.根据权利要求1所述的基于深度学习的地质力学参数预测方法，其特征在于，根据所述待测区域的学习集及预测集，建立所述待测区域的三维空间参数展布模型，具体包括：

7.根据权利要求1所述的基于深度学习的地质力学参数预测方法，其特征在于，所述基于深度学习的地质力学参数预测方法还包括：

8.根据权利要求7所述的基于深度学习的地质力学参数预测方法，其特征在于，所述基于深度学习的地质力学参数预测方法还包括：

9.根据权利要求1所述的基于深度学习的地质力学参数预测方法，其特征在于，所述基于深度学习的地质力学参数预测方法还包括：

技术总结本发明公开一种基于深度学习的地质力学参数预测方法，涉及地质勘测领域，方法包括：获取待测区域的学习集；待测区域的学习集包括待测区域内每个位置的物理学参数；根据待测区域的学习集，采用力学参数预测模型，预测待测区域内每个位置的力学参数，得到待测区域的预测集；力学参数预测模型预先采用训练样本集对机器学习网络进行训练得到；训练样本集中包括多组已知的物理学参数及对应的力学参数；根据待测区域的学习集及预测集，建立待测区域的三维空间参数展布模型。本发明基于机器学习构建力学参数预测模型，适用于复杂页岩地层力学参数的预测，能够精细刻画三维力学参数空间展布特征。技术研发人员：张鹏伟,陈立冲,丁翼飞,梁延龙受保护的技术使用者：北京交通大学技术研发日：技术公布日：2024/9/29