一种深部地应力场反演方法及相关设备
本发明涉及地质预测,特别涉及一种深部地应力场反演方法及相关设备。
背景技术:
1、地球科学发展的必然趋势是向深地进军、探索地球奥秘,发掘深部资源。地应力是控制岩体变形破坏、井壁稳定性、油气运移及储层压裂效果的关键力学参数,地应力场是岩体中由岩体本身自重及其它作用产生的天然应力场,地应力场的准确获取是进行工程设计与灾害防控的科学前提,地应力不仅会影响地质区域内工程岩体的稳定性,还会对各类地下工程的设计和施工造成直接或间接的影响,因此对地应力场的研究是进行地下工程稳定性评价、地下工程设计和施工的基础。
2、在传统的地应力反演技术中,应力测量法通过专用仪器直接测量地下应力,数据可靠性高,但设备昂贵,安装和维护费用高,只能在特定地点进行测量,空间覆盖范围有限,空隙水压力反演法通过常规钻探和监测空隙水压力获得数据,适用于多种地质条件,其反演结果依赖于模型假设,误差较大。
3、目前,获取地应力的主要手段包括:
4、水力压裂法(hf)、钻孔崩落法(cb)、凯塞尔效应法(kaiser effect)等原位测试方法,这些方法虽然能获得测点处的真实地应力值,但存在实测点位稀疏、测试周期长、成本昂贵等问题,难以满足大范围三维地应力场精细刻画的需求,此外,深部钻孔数量有限,导致实测数据在空间上呈离散分布,无法反映地应力的连续变化。
5、基于弹性力学理论(如kirsch方程)或有限元法/离散元法(fem/dem)进行正演模拟的理论解析与数值模拟方法,这类方法依赖于对地质模型的准确构建和边界条件的合理设定;然而,深部地质构造(如断层、褶皱、岩性界面)复杂多变,岩体力学参数具有高度非均质性,传统的数值反演方法往往存在计算效率低、对参数敏感性强、反演结果多解性严重等问题,且在复杂构造区域难以准确表征地应力场的扰动特征。
6、近年来,随着人工智能技术的发展,机器学习方法开始被尝试应用于地应力预测。现有技术已有利用支持向量机(svm)、随机森林(rf)或神经网络(nn)等模型,基于少量实测数据和部分地质特征进行地应力插值或预测的方案。然而,这些方法在实际应用中存在明显的局限性:
7、缺乏地质力学物理约束:普通机器学习模型本质上是数据驱动的黑箱模型,仅通过数据拟合建立输入(地质特征)与输出(地应力)之间的映射关系。它们往往忽略了地应力场固有的物理规律,如地应力随埋深的变化规律(如侧压力系数变化)、断层附近应力场的扰动规律(如应力降或应力集中)、以及地应力场的空间连续性。这导致模型在缺乏训练数据的区域泛化能力差,预测结果可能出现物理上不合理的突变或违背地质力学常识的现象。
8、多源数据利用不充分:深部地应力受多种因素耦合影响,包括地质构造、岩石物性、原位监测信息等。现有技术往往难以有效融合钻孔实测数据、地质构造数据、岩石力学参数、地球物理测井数据以及微震监测等多源异构数据,导致信息利用率低,模型特征提取能力不足。
9、三维空间反演能力弱:多数现有机器学习反演方案局限于二维剖面或单点预测,难以构建高精度的三维地应力场模型,无法满足深部工程三维设计的需要。
技术实现思路
1、本发明提供了一种深部地应力场反演方法及相关设备,其目的是为了提高深部复杂地质条件下地应力场反演的准确性。
2、为了达到上述目的,本发明提供了一种深部地应力场反演方法,包括:
3、步骤1,采集目标工程区域的实测地应力数据、地质构造数据、岩石力学参数、微震监测数据、初始数值模拟应力场;
4、步骤2,根据地质构造数据将目标工程区域进行剖分,得到多个三维非结构化几何网格,将实测地应力数据、岩石力学参数、微震监测数据、初始数值模拟应力场映射至每个三维非结构化几何网格,并在每个三维非结构化几何网格中提取历史微震时序数据特征矩阵;
5、步骤3,分别针对每个三维非结构化几何网格,为三维非结构化几何网格分配一个长短期记忆网络,并将历史微震时序数据特征矩阵输入长短期记忆网络进行特征提取,得到每个三维非结构化几何网格的高维动态时序隐向量;
6、步骤4,计算任一三维非结构化几何网格到目标工程区域内最近主断层面的三维欧氏距离,提取目标工程区域内最近主断层面的走向和倾角,通过三维欧氏距离、走向和倾角构建断层扰动特征向量;
7、步骤5,将高维动态时序隐向量与每个三维非结构化几何网格质心的空间三维坐标、岩石力学参数、断层扰动特征向量、初始数值模拟应力场进行横向拼接,得到联合特征向量;
8、步骤6,将联合特征向量输入训练后的极限梯度提升树进行回归反演,得到目标工程区域的三维地应力场反演结果。
9、进一步来说,步骤1包括:
10、采集目标工程区域内有限数量钻孔的实测地应力数据,实测地应力数据包括大水平主应力、小水平主应力、垂直应力以及主应力方位;
11、收集目标工程区域的数字高程模型、地层展布、关键断裂带及断层的空间三维几何边界,得到地质构造数据;
12、通过室内岩石物理力学试验及现场测井曲线获取目标工程区域的弹性模量、泊松比以及岩石密度,作为岩石力学参数;
13、通过在目标工程区域布设微震监测系统实施采集施工掘进期间微震事件的时空坐标、发生时间、震级及震源机制解,得到微震监测数据;
14、根据目标工程区域的边界条件,利用线弹性模型进行初始自重与构造地应力场数值模拟,得到初始数值模拟应力场。
15、进一步来说,将实测地应力数据、岩石力学参数、微震监测数据、初始数值模拟应力场映射至每个三维非结构化几何网格,包括:
16、根据空间三维坐标将目标工程区域内的有限数量钻孔贵靠至距离最近的三维非结构化几何网格;
17、将岩石力学参数通过三维克里金插值法映射至每个三维非结构化几何网格的质心;
18、根据施工掘进期间微震事件的时空坐标、发生时间、震级及震源机制解将微震监测数据映射至对应的三维非结构化几何网格;
19、根据空间三维坐标将初始数值模拟应力场映射至对应的三维非结构化几何网格。
20、进一步来说,历史微震时序数据特征矩阵包括连续多个时间步内的微震能量释放序列和微震频度序列。
21、进一步来说,极限梯度提升树的目标函数中引入有地质力学物理约束项,地质力学物理约束项的计算表达式为:
22、;
23、其中,表示地质力学物理约束项,表示垂直应力随埋深自重约束,表示库仑剪应力上限约束,表示空间拉普拉斯连续性平滑约束,、、均表示权重值。
24、进一步来说,极限梯度提升树的目标函数为:
25、;
26、其中,表示目标函数值,表示目标工程区域内包含实测地应力的网格测点总数,表示数据拟合损失函数,表示第个实测点的真实地应力向量,表示xgboost集成模型中决策树的总棵数,表示模型预测的六个独立应力分量,表示限制树复杂度的正则化项。
27、进一步来说,极限梯度提升树采用交替迭代策略进行训练,训练过程包括:
28、固定每个长短期记忆网络的网络参数;
29、将联合特征向量输入极限梯度提升树极性基于自定义梯度的决策树贪心分裂增长;
30、在每轮迭代末尾,通过全场物理误差反向传播对每个长短期记忆网络的权重进行调整,直至极限梯度提升树的目标函数收敛并达到预设终止条件,得到训练后的极限梯度提升树。
31、进一步来说,自定义梯度的计算表达式为:
32、;
33、其中,表示自定义梯度,表示数据拟合损失的梯度,表示物理约束权重,表示地质力学物理约束项对预测分量的自定义梯度流。
34、本发明还提供了一种深部地应力场反演装置,包括:
35、采集模块,用于采集目标工程区域的实测地应力数据、地质构造数据、岩石力学参数、微震监测数据、初始数值模拟应力场;
36、映射模块,用于根据地质构造数据将目标工程区域进行剖分,得到多个三维非结构化几何网格,将实测地应力数据、岩石力学参数、微震监测数据、初始数值模拟应力场映射至每个三维非结构化几何网格,并在每个三维非结构化几何网格中提取历史微震时序数据特征矩阵;
37、特征提取模块,用于分别针对每个三维非结构化几何网格,为三维非结构化几何网格分配一个长短期记忆网络,并将历史微震时序数据特征矩阵输入长短期记忆网络进行特征提取,得到每个三维非结构化几何网格的高维动态时序隐向量;
38、构建模块,用于计算任一三维非结构化几何网格到目标工程区域内最近主断层面的三维欧氏距离,提取目标工程区域内最近主断层面的走向和倾角,通过三维欧氏距离、走向和倾角构建断层扰动特征向量;
39、拼接模块,用于将高维动态时序隐向量与每个三维非结构化几何网格质心的空间三维坐标、岩石力学参数、断层扰动特征向量、初始数值模拟应力场进行横向拼接,得到联合特征向量;
40、反演模块,用于将联合特征向量输入训练后的极限梯度提升树进行回归反演,得到目标工程区域的三维地应力场反演结果。
41、本发明还提供了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现深部地应力场反演方法。
42、本发明的上述方案有如下的有益效果:
43、与现有技术相比,本发明通过将根据地质构造数据将目标工程区域进行剖分,得到多个三维非结构化几何网格,将实测地应力数据、岩石力学参数、微震监测数据、初始数值模拟应力场映射至每个三维非结构化几何网格,并在每个三维非结构化几何网格中提取历史微震时序数据特征矩阵;利用长短期记忆网络提取每个三维非结构化几何网格的高维动态时序隐向量;最后将联合特征向量输入训练后的极限梯度提升树进行回归反演;实现了由少量离散地应力实测点向连续三维地应力场的扩展,提高了深部复杂地质条件下地应力场反演的准确性。
44、本发明的其它有益效果将在随后的具体实施方式部分予以详细说明。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com