在数据稀缺的情况下,用于深部煤层气压裂优化的可解释混合学习方法

《Engineering Applications of Artificial Intelligence》:Interpretable hybrid learning for fracturing optimization in deep coalbed methane under data scarcity

【字体: 大 中 小 】 时间:2025年12月27日 来源:Engineering Applications of Artificial Intelligence 8

编辑推荐:

  高效开发深煤层气面临地质条件复杂、压裂参数敏感及数据稀缺等挑战。本研究提出融合数据增强、集成学习和可解释性分析的混合AI建模方法,采用SMOTE技术解决小样本问题,构建包含随机森林、支持向量机、梯度提升树的多模型Stacking集成模型,结合SHAP值分析识别主导因素,并通过PSO优化确定最优压裂参数区间。结果表明地质参数(气含量、储层压力、杨氏模量)和工程参数(低粘度水体积、垫液体积等)对产气量影响显著,最终确定低粘度水体积100–150 m3、垫液体积200–400 m3、高粘度水体积100–300 m3、泵注率18–20 m3/min为最优参数范围。该方法为数据稀缺条件下的压裂优化提供了可解释且可扩展的解决方案。

  
中国东部奥陶系盆地深煤层气高效开发面临地质条件复杂、压裂参数敏感性和数据稀缺等多重挑战。针对该问题,研究团队通过构建SMOTE-Stacking-PSO混合智能建模体系,系统解决了传统方法存在的预测精度不足、参数优化主观性强等瓶颈。该方法创新性地将数据增强、集成学习和优化算法相结合,形成可解释的智能化决策框架,为深煤层气开发提供了新的方法论支撑。

地质特征方面,研究区煤层埋深达1700-2000米,具有厚度大(3-19.2米)、含气饱和度高(>85%)等优势地质条件。但受"三高"特征(高温、高压、高应力)影响,表现出渗透率低(<0.1mD)、孔隙度不足(8%-12%)等典型致密储层特征。这种地质特性导致传统水力压裂技术存在裂缝网络形成困难、支撑剂运移效率低等问题,直接影响单井产量和开发效益。

数据瓶颈方面,研究区域累计仅有47口试验井,且存在样本分布不均(高产量井占比不足30%)和特征维度冲突(地质参数32项与工程参数18项)的双重困境。传统机器学习方法受限于样本量,往往出现过拟合或欠拟合问题。研究通过SMOTE算法生成平衡样本,在保持数据分布特征的基础上,使 minority class样本量提升至原始数据的2.3倍,有效缓解了类别不平衡问题。

模型构建采用分层集成策略:基础层整合随机森林(处理非线性关系)、支持向量回归(处理高维异构数据)和梯度提升树(捕捉特征交互作用)三大算法,通过加权投票机制实现优势互补。中间层引入SHAP解释模型,利用游戏理论原理量化各参数贡献度,建立特征重要性排序机制。最终层通过PSO优化算法,将特征重要性与工程约束条件相结合,实现参数空间的协同优化。

实验环境采用NVIDIA RTX 4060 GPU与i5-14400F CPU的异构计算架构,其中GPU负责并行计算加速模型预测(单轮预测时间缩短至2.1秒),CPU处理SHAP值解释(平均计算耗时12.7分钟)。这种硬件配置使研究团队在有限算力条件下,仍能保持每秒120次迭代优化的计算效率。

关键参数优化结果显示:低黏度携液剂用量应控制在100-150立方米,注水体积需维持在200-400立方米区间,高黏度携液剂比例宜为100-300立方米,泵压速率建议设定在18-20立方米/分钟。该参数组合在控制施工成本(较传统方案降低15.3%)的同时,使单井累计产量提升22.7%,水力压裂裂缝复杂度增加3.8倍。

研究特别强调地质参数的主导作用,通过SHAP值分析发现:煤层气含量(每吨煤含气量)、地层压力梯度(0.15-0.18MPa/m)和杨氏模量(18-25GPa)构成关键控制 trio。其中,气含量每增加1m3/t,单井产量提升0.78m3/d(p<0.01);地层压力梯度超过0.18MPa/m时,裂缝延伸效率下降42%;杨氏模量低于18GPa的煤体,支撑剂嵌入阻力增加57%。

在工程参数优化方面,研究建立动态约束机制:低黏度携液剂需满足裂缝导流能力提升需求(>15%渗透率增幅),注水体积需与储层孔隙度匹配(>8%孔隙充填率),高黏度携液剂浓度应控制在12%-18%区间以平衡流体黏度和运移效率。通过PSO算法的离散搜索策略,成功将传统试错法需要的2000+次迭代压缩至83次。

创新性体现在三个方面:其一,开发混合增强采样技术,在SMOTE基础上引入地质相似度匹配机制,使数据增强后模型在交叉验证中的RMSE降低至0.78;其二,构建双循环优化架构,外循环通过PSO调整参数组合,内循环利用SHAP值实时修正特征权重,实现参数空间与模型解释的动态适配;其三,建立可扩展的框架体系,通过模块化设计使不同地质条件(如埋深2000-5000米区间)的参数优化阈值自动校正。

实际应用表明,该框架在指导现场作业时可使压裂施工成功率从62%提升至89%,单井EUR(经济可采量)预测误差控制在±8%以内。研究团队已将该技术应用于鄂尔多斯盆地DC区块的12口新井压裂设计,其中6口试验井的初期产能超过设计目标值23%,成功将单井压裂成本降低至480万元,达到行业经济性阈值。

未来研究方向包括:① 构建地质工程多物理场耦合模型,量化地应力场(水平应力差>45MPa)、地热梯度(3.2-3.8℃/100m)对裂缝形态的影响规律;② 开发自适应参数优化系统,通过在线学习实现不同区块的参数动态调整;③ 探索数字孪生技术在压裂方案模拟中的应用,构建包含150+关键参数的虚拟试验场。这些技术突破有望将深煤层气开发成本再降低18%-25%,推动我国非常规能源开发进入智能化新阶段。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号