[发明专利]基于物理约束的并联式神经网络的三维地应力预测方法

说明书

本发明公开了基于物理约束的并联式神经网络的三维地应力预测方法，包括收集目标区域钻孔数据，并对钻孔数据进行扩充；收集目标区域已钻井的测井数据，利用测井解释得到每口井的地应力属性数据；构建基于物理约束的并联式神经网络模型；训练模型并预测得到实体的三维地应力。本发明采用基于物理约束+并联式神经网络的模型仅依靠三维空间坐标预测地应力，其本质是为了弥补缺少实测地应力数据的不足，从地形衍生的三维空间数据出发，利用神经网络的强拟合功能，结合地应力解析模型的约束，通过物理约束+数据驱动的方式预测地应力，该方法不仅融合了地形构造与地应力之间的联系，同时通过机理模型的约束有效提高了神经网络模型的准确性和可解释性。

技术领域

本发明涉及基于物理约束的并联式神经网络的三维地应力预测方法，属于油气勘探开发技术领域。

背景技术

地应力是赋存在岩体中的天然应力，由重力、构造力、流体动力和结晶力等几种力综合作用而成，通常用垂直地应力、最大和最小水平地应力等三个主应力表征。在石油工程领域，地应力是影响井壁稳定、压裂设计、套管损毁、油藏出砂等工程问题的关键参数。随着我国油气勘探开发深度的加大，面临的地质环境越来越复杂，地应力的研究也愈发受到各界的高度关注。

目前为止，石油工程领域获取地应力的方法主要有室内岩芯测试技术、矿场实测分析、测井曲线解释、地震预测法、数值模拟技术等，并朝着综合应用、交叉印证方面发展和完善。对于一维地应力，可以利用测井曲线解释和单点地应力实测数据修正获得较为准确的地应力剖面，该方法目前已经比较成熟。但是，一维地应力受范围约束，仅能对单井的地应力状态进行表征，工程上，预测三维地应力更有意义。目前，预测三维地应力主要依靠地震预测法和数值模拟技术，但都存在一定的缺陷，其中地震预测法耗时长成本高，且过程繁琐，需要对叠前预处理、井震标定、地震子波提取、叠前联合反演等关键技术环节进行精准质控；数值模拟技术要求精确的地质模型和有效的初始条件以及边界条件，当面对强构造地层时，复杂多变的地质条件难以用简单的数值方法实现。近年来随着机器学习方法在地球科学领域的广泛应用，许多学者利用神经网络对地层孔隙压力、地应力、地层可钻性展开研究，并针对不同研究对象在模型中嵌入机理模型或领域知识来提升模型的预测效果。

目前将机理模型嵌入神经网络预测三维地应力的研究尚未见报道。因此，发明了一种基于物理约束+并联式神经网络的三维地应力预测方法，为三维地应力预测提供一种新的代理模型。

发明内容

为了克服现有技术中的问题，本发明提供基于物理约束的并联式神经网络的三维地应力预测方法，该方法可根据空间三维坐标快速预测区域的三维地应力。

本发明解决上述技术问题所提供的技术方案是：基于物理约束的并联式神经网络的三维地应力预测方法，包括以下步骤：

步骤S1、收集目标区域的钻孔数据，并利用克里金插值法对钻孔数据进行扩充；

步骤S2、将扩充后的钻孔数据作为控制点生成NURBS曲面和实体，并获取实体的三维空间坐标；

步骤S3、收集目前区域已钻井的测井数据，并对每口井进行测井解释；

步骤S4、将已钻井划分为训练井和测试井；

步骤S5、根据测井解释获取训练井井眼轨迹的三维空间坐标以及沿井眼轨迹路径上的地应力属性数据；

步骤S6、对分别来自实体和井眼轨迹的三维空间坐标进行归一化；

步骤S7、构建基于理论约束的并联式神经网络模型，并确定模型的输入特征和输出特征；

步骤S8、利用训练井的数据对基于理论约束的并联式神经网络模型进行训练，得到训练好的基于理论约束的并联式神经网络模型；

步骤S9、根据测试井数据测试训练好的基于理论约束的并联式神经网络模型的预测精度，并预测得到实体的三维地应力。