基于机器学习与数据驱动的多岩层水力压裂机理解析及关键参数识别

本研究通过整合30项水力压裂实验数据，应用随机森林(Random Forest)机器学习模型，系统分析了高渗透性(弱胶结砂岩/松散砂)与低渗透性(致密砂岩/页岩)岩层中应力状态、岩石特性及流体动力学对破裂压力的影响。研究揭示了应力状态在弱胶结岩层中的主导作用，结合空腔扩张理论和传统压裂准则深化了对非常规岩石破裂行为的认知，为优化现场压裂设计和实验参数选择提供了数据支撑。

　　

水力压裂技术自1950年代提出以来，已从油气增产手段拓展至地下水文地质与碳封存等领域。然而，非常规岩层（如页岩与弱胶结砂岩）的复杂力学行为导致实验室预测与现场效果存在显著差异：页岩因矿物组成异质性和天然裂缝难以预测破裂路径，弱胶结砂岩则因高渗透性和低强度易发生塑性变形而非理想裂缝。这种"高强难裂-弱易畸变"的双重困境，亟需建立普适性参数体系以指导工程实践。

来自塞浦路斯研究促进基金会(RPF)资助团队的Panos Papanastasiou和Charalampos Konstantinou，在《Geomechanics for Energy and the Environment》发表研究，创新性地采用机器学习方法整合30项实验数据，首次系统对比了高低渗透性岩层的破裂机制差异。通过随机森林(RF)模型量化了应力状态、岩石参数与流体特性的相对重要性，发现弱胶结岩层中应力贡献度超其他因素总和，而致密岩层则呈现多参数耦合效应。该研究为非常规储层改造提供了首个数据驱动的决策框架。

关键技术包括：1) 数据标准化处理：筛选153组松散砂和101组弱胶结砂岩实验数据，统一应力(σ_m)、单轴抗压强度(UCS)等参数单位；2) 随机森林建模：构建全域及分岩性预测模型，采用部分依赖图解析参数敏感性；3) 理论验证：结合空腔扩张理论(Cavity Expansion Theory)解释高渗透层剪切主导的破裂机制。

【数据标准化与探索性分析】
通过直方图分析揭示UCS呈双峰分布：松散砂集中于0-1MPa，页岩则>20MPa。渗透率对数(log k)与强度负相关，证实高渗岩层更易发生流体渗漏而非裂缝扩展。

【机器学习模型构建】
RF模型显示：弱胶结岩层中最小水平应力(σ_h)贡献度达62%，远超流体粘度(11%)；而页岩中应力差(σ_H-σ_h)与弹性模量共同主导。峰值压力/σ_h比值随围压升高而降低，证实高应力下剪切破坏取代张性破裂。

【理论机制阐释】
高渗层数据符合剪切扩容理论，破裂压力与平均应力(σ_m)呈线性关系；低渗层则遵循经典Hubbert-Willis准则，但需引入岩石脆性指数修正。空腔扩张模型成功预测弱胶结砂岩的"流体浸润-颗粒位移"复合失效模式。

该研究首次通过数据驱动方法揭示了岩性对水力压裂机制的调控规律：弱胶结岩层的"应力敏感型"与致密岩层的"参数耦合型"破裂特征。机器学习不仅量化了传统经验公式难以捕捉的非线性关系，更通过部分依赖图可视化参数阈值效应——例如当σ_h＞3MPa时，弱胶结砂岩破裂压力增速骤降，这为现场施工压力设计提供了临界值参考。作者建议未来研究应增加原位应力测量精度，并开发嵌入地质力学约束的混合机器学习模型，以应对矿物组分非均质性带来的挑战。这项跨学科探索为非常规能源开发与地下空间利用建立了新的分析范式。