Maschinelles Lernen zur Vorhersage der Frakturlänge bei Frakturierung dichter Lagerstätten unter Einbeziehung der Spannungsfeldmerkmale

LU XUEJIAO ,  

LI HONGCHANG ,  

LI YUZHENG ,  

WANG SIYI ,  

WANG JING ,  

YANG HUANYING ,  

PING YI ,  

摘要

Zur Lösung der zentralen Probleme bei der Entwicklung der dichten Lagerstätten des Huaqing-Ölfelds im Ordos-Becken, wie der niedrigen Genauigkeit bei der Vorhersage natürlicher Risse und dem Mangel an theoretischer Unterstützung für das Design manueller Frakturen, wurde eine multidisziplinäre Methode zur Charakterisierung von Rissnetzwerken und Frakturrechnung angewandt. Basierend auf Bildbohrlochdaten, Kernproben und Gesteinsmechanikdaten von 452 Bohrungen wurde ein multiparametrisches Kopplungsmodell "Bohrlochreaktion - Spannungsfeld - Rissparameter" erstellt. Es wurden quantitative Standards zur Erkennung natürlicher Risse entwickelt, die Kriterien wie einen Widerstandsabfall von über 30% und eine Zunahme der Schalllaufzeit um über 10% berücksichtigen. Durch sequentielle Gaußsche Simulation und den Oda-Algorithmus (stochastische Modellierung diskreter Rissnetzwerke) wurde das dreidimensionale Rissnetz im Untersuchungsgebiet rekonstruiert (Nordost-Richtungen 60°~90° mit einem Anteil von 66,7%, Länge 5~95 m, Permeabilität 0~18×10-3μm2), mit einem Modellübereinstimmungsgrad von nahezu 90%. Zur Charakterisierung des Spannungsfeldes wurde die modifizierte Eaton-Methode verwendet, mit der eine Differenz der horizontalen Hauptspannungen von 4~8 MPa zurückgerechnet wurde (maximale horizontale Hauptspannung bei Nordost 75°). Basierend auf der Untersuchung natürlicher Risse und des Spannungsfeldes wurde ein System zur Vorhersage der Frakturlänge entwickelt, das klassische PKN/P3D-Modelle (Perkins-Kern-Nordgren / pseudo 3D) mit dem XGBoost-Algorithmus kombiniert. Die wesentliche Innovation liegt in der Kombination des klassischen PKN/P3D-Modells unter Berücksichtigung der Schwierigkeiten bei der Feldbeschaffung einiger Parameter und der Nutzung von mit der kommerziellen Software Kinetix (dynamische Fraktursimulation) berechneten Frakturen als Trainingsdaten für das maschinelle Lernen, wodurch alle Bohrungen und angrenzenden Gebiete abgedeckt wurden. Feldanwendungen zeigten, dass der durchschnittliche Fehler der Vorhersage gegenüber Mikroseismik-Daten nur 7,2 % beträgt und die Ergebnisse zu einer Produktionssteigerung von 42 % nach der Wiederholungsfrakturierung der Bohrung B195-100X führten. Die Studie hat einen integrierten technischen Ansatz "Risserkennung - Spannungsfeldcharakterisierung - Frakturlängen- vorhersage - Frakturoptimierung" für dichte Lagerstätten ohne seismische Daten geschaffen und bietet eine reproduzierbare theoretische Methode sowie ein technisches Paradigma für die effiziente Erschließung von dichten Lagerstätten im Ordos-Becken und ähnlichen geologischen Bedingungen.

关键词

dichte Lagerstätten;hohe Neigung;Verteilung natürlicher Risse;Frakturrisse;maschinelles Lernen;Spannungsfeld

阅读全文