Mar 13, 2025

Pētījumi par lūzumu tīklu inversijas metodēm slānekļa gāzes rezervuāros, pamatojoties uz dziļo mācīšanos

Atstāj ziņu

Mūsdienu enerģijas jomā slānekļa gāze kā svarīgs netradicionāls dabasgāzes resurss ir ļoti nozīmīgs tās efektīvai attīstībai un precīzam novērtējumam. Lūzumu tīklu apgriezieni ir atslēga uz slānekļa gāzes efektīvu un precīzu novērtējumu.

 

Tomēr tradicionālās metodes saskaras ar daudzām problēmām, piemēram, augstām izmaksām un nepilnīgiem datiem. Pēdējos gados straujā dziļo mācību tehnoloģiju attīstība ir radījusi jaunas iespējas un sasniegumus lūzumu tīklu apvērsumam slānekļa gāzes rezervuāros. Slānekļa gāzes rezervuāri ir ļoti kompakti un ievērojami neviendabīgi, ar ārkārtīgi zemu dabisko ražošanu. Lai arī tradicionālās lūzumu uzraudzības tehnoloģijas (piemēram, mikroizmeklēšana) var sniegt zināmu informāciju, tās ir dārgas un nevar pilnībā aptvert uzraudzības urbuma zonu; Lai arī skaitliskām simulācijas prognozēšanas modeļiem ir noteikta loma, tiem ir augstas prasības ģeoloģisko datu integritātei, un prognozēšanas efekts nav labs, ja ģeoloģiskie dati ir nepilnīgi vai trūkst labi sadaļu.

 

Balstoties uz iepriekšminēto situāciju, šajā dokumentā ir ierosināta lūzumu tīklu inversijas metode slānekļa gāzes rezervuāros, pamatojoties uz dziļo mācīšanos. Šīs metodes pamatā ir ON -vietnes sadalīšanas līknes dati būvniecības laikā un veic kvantitatīvu analīzi par sadursmes līknes raksturīgajiem parametriem. Veicot dziļuma pētījumu, tiek atklāts, ka, ņemot vērā spēcīgi korelētos lūzumu tīkla parametru rādītājus kā ievadi un mikro -seismisko uzraudzības lūzumu tīkla parametrus (lūzumu tīkla garums, platums, augstums, tilpums) kā mērķa izvadi, var noteikt BP (aizmugures propagācijas) neironu tīkla inversijas modeli, lai precīzi intuversētu fraktūru tīkla parametri. Īpašos pētījumos, pamatojoties uz 450 - slānekļa gāzes urbumu segmenta sadalīšanas līknēm Rietumu Chongqing apgabalā, tiek veikta modeļa apmācība un parametru optimizācija.

 

Pēc testēšanas šī modeļa lūzumu tīkla parametru inversijas vidējā kļūda ir mazāka par 15%, kas pārbauda jaunās metodes iespējamību un efektivitāti lūzumu tīklu apgriezšanai slānekļa gāzes rezervuāros. Raugoties no tehniskā viedokļa, dziļajai padevei - uz priekšu neironu tīklam (DFNN) kā svarīgam algoritmam dziļā mācībā ir vairāku slāņu neironu struktūra, kas var tuvināt sarežģītus datu modeļus, izmantojot lineāru transformāciju. BP neironu tīkls kā DFNN apmācības metode izmanto kļūdu atpakaļ - izplatīšanās algoritmu, lai pielāgotu tīkla svaru un novirzes, ir uz priekšu izplatīšanās un kļūda atpakaļ - izplatīšanās mehānismi un optimizē tīkla veiktspēju, izmantojot vairākas iterācijas, lai precīzāk apstiprinātu patieso vērtību. Runājot par datu apstrādi, šķelšanās konstrukcijas līknes tiek kvantitatīvi analizētas dziļumā.

 

Sadrumstalošanas līkne sastāv no sūkņa iesmidzināšanas spiediena, konstrukcijas pārvietošanas un smilšu koncentrācijas līknēm, kuras ir sadalītas pirms skalošanas stadijā, smiltis - pievienojot šķelšanās stadiju un sūkni - apstāšanās stadiju. Sadrumcijas līknes raksturīgie parametri tiek attiecīgi ekstrahēti dažādos posmos, piemēram, pieaugošais spiediens uz tilpuma vienību pirms skalošanas šķidruma, lūzuma spiediena utt. Kopumā kā kvantitatīvos indikatorus atlasa 18 raksturīgi parametri, liekot stabilu datu pamatu turpmākai inversijas modeļa izveidošanai. Tajā pašā laikā dati tiek normalizēti, tiek izvēlēta z -punktu normalizācijas metode, lai novērstu dažādu parametru lieluma atšķirības, un rūtiņas tiek izmantotas vizuālai analīzei, lai pārliecinātos, ka dati atbilst BP neironu tīkla prasībām. Saldēšanas līknes kvantitatīvo indikatoru ietekmes pakāpe uz mērķa parametriem tiek vērtēta un analizēta ar Pīrsona korelācijas koeficienta metodi, lai noteiktu korelācijas stiprumu starp katru indikatoru un lūzumu tīkla parametriem.

 

Saskaņā ar datu skalas un korelācijas analīzes rezultātiem lūzumu tīkla garums, lūzumu tīkla platums, lūzumu tīkla augstums un lūzumu tīkla tilpums tiek izvēlēti kā galīgie novērtēšanas mērķi, un konvertēšanas problēma - atsevišķa modelēšanas metode tiek izmantota, lai izstrādātu atbilstošas ​​neironu tīkla struktūras un hiper parametri. Pēc krusteniskās validācijas testiem trīs slāņu dziļas padeves tīkls uzrāda ievērojamas priekšrocības, lai prognozētu lūzumu tīkla parametru un apmācības efektivitāti. Pētījuma rezultāti rāda, ka neironu tīkla modelis ar spēcīgi korelētiem raksturīgajiem parametriem, kas atlasīti kā ieeja, var iegūt salīdzinoši precīzus lūzumu tīkla parametru rezultātus. Apmācības kopas vidējā relatīvā kļūda tiek kontrolēta 10%robežās, un testa komplekta vidējā relatīvā kļūda ir mazāka par 15%, kas atbilst pieļaujamajai kļūdai vietnes lūzumu tīkla parametra apgriezšanai.

 

Noslēgumā jāsaka, ka dziļas mācības, kas balstīta uz inversijas lūzumu tīklu inversijas metodi slānekļa gāzes rezervuāros, nodrošina spēcīgu tehnisko atbalstu efektīvai slānekļa gāzes novērtēšanai. Šī metode var precīzāk iegūt lūzumu tīkla parametrus, optimizēt sašķelšanās darbības, uzlabot slānekļa gāzes atjaunošanos un veicināt enerģijas lauka ilgtspējīgu attīstību. Nākotnē šī metode tiks tālāk izpētīta un optimizēta, lai to piemērotu un popularizētu vairāk slānekļa gāzes rezervuāros.

Nosūtīt pieprasījumu