《Petroleum Science》：Kinematic physics-informed neural network for continuous hydraulic fracture network reconstruction
编辑推荐：
摘要专业翻译
注水过程中裂缝网络特征的实时估计一直是非常规储层改造领域最大的开放性问题之一。基于物理的模拟器能够提供确定性预测，但无法融合泵注过程中采集的井下测量数据，而数据驱动方法在分布偏移条件下无法保持物理一致性。本文提出cvPINN-RTK——一种运动学
摘要专业翻译
注水过程中裂缝网络特征的实时估计一直是非常规储层改造领域最大的开放性问题之一。基于物理的模拟器能够提供确定性预测，但无法融合泵注过程中采集的井下测量数据，而数据驱动方法在分布偏移条件下无法保持物理一致性。本文提出cvPINN-RTK——一种运动学物理信息神经网络架构，利用现场分布式声学传感（DAS）记录连续重构水力压裂裂缝几何形态。其中“运动学”一词指裂缝网络随时间演化的特性，即从记录的DAS应变数据中捕捉裂缝起裂、扩展、分支和合并随注水时间的变化过程，而非执行静态反演。该模型整合了离线多案例物理模拟器预训练、基于Hankel奇异值分解（HSVD）和自适应孔隙弹性小波去噪的DAS信号分解、创新的模型置信指数（MCI）——用于动态平衡数据约束与物理约束，以及双源集合卡尔曼滤波（EnKF）——以自适应权重同化DAS应变记录与模拟值。在页岩和干热岩储层混合三元组库上的验证结果表明：分布外（OOD）检测率达90.1%，裂缝半长精度达93.2%，裂缝高度精度达89.7%（以独立微地震基准为参照），平均改造体积（SRV）重叠比为0.786，且具备校准后的不确定性边界。
论文主体解读文章
一、研究背景与问题
水力压裂过程中裂缝的起裂、扩展、分支与合并是地质力学与地下能源工程中的关键现象，直接影响页岩气井压裂效果、增强型地热系统（EGS）、碳捕集与封存以及地下储能等工程实践。裂缝行为涉及流体流动、孔隙压力扩散、岩石变形与断裂力学之间复杂的耦合效应，并受地应力变化、地层构造和天然裂缝等多重因素影响，使得裂缝预测与表征极为困难。
当前主要存在三类技术瓶颈：第一，基于物理的数值模拟器虽然能提供确定性预测，但无法实时融合泵注过程中采集的井下测量数据；第二，纯数据驱动方法在储层条件发生分布偏移时难以维持物理一致性；第三，传统相场模型无法连续同化DAS记录、无法检测分布外条件、无法通过裂缝网络传播不确定性，也无法动态平衡数据约束与物理约束。因此，亟需一种能够在实时反演过程中持续保持物理约束、同时有效利用现场DAS监测数据的新型反演框架。
二、研究内容与总体结论
研究人员提出了cvPINN-RTK框架——一种面向现场DAS数据的运动学反演建模方法，用于主动水力压裂过程的实时裂缝网络重构。该框架耦合了复值物理信息神经网络（cvPINN）与双源集合卡尔曼滤波（EnKF）数据同化方法，利用井中DAS应变和压力两类数据源构建随注入过程演化的裂缝网络。Biot孔隙弹性方程、裂缝能量平衡方程和流体质量守恒方程以硬约束形式嵌入PINN损失函数中。模型置信指数（MCI）定义为包含蒙特卡洛丢弃（Monte Carlo Dropout）认知不确定性项的四项函数，可根据数据噪声比和分布外场景自适应控制物理硬约束与观测数据之间的平衡。EnKF模块通过在整个离散裂缝网络（DFN）中传播后验协方差，实现裂缝状态变量的一致性更新。
研究在页岩与干热岩两类地质条件截然不同的储层上进行了系统验证，结果表明该框架无需针对特定地层重新训练即可实现跨地层泛化，在分布外检测、裂缝几何精度和改造体积（SRV）重叠比等方面均达到较高水平。
三、关键技术与方法
研究人员构建了混合三元组库（hybrid triplet library），每个条目包含三个独立来源的组件：来自中国北方煤系地层水平井的现场施工压力与注入速率时间序列、物理模拟器生成的裂缝几何时间序列与支撑剂浓度分布、以及通过微地震监测获取的独立裂缝几何测量数据。DAS信号处理采用四级流程：Hankel奇异值分解（HSVD）用于从环境噪声中分离相干地质力学信号，自适应孔隙弹性域小波去噪采用Biot匹配小波基，孔隙弹性基线扣除用于分离裂缝诱导异常应变场，最后通过cvPINN正向重构强制执行Biot孔隙弹性控制方程。模型置信指数（MCI）通过四项乘积结构融合物理残差、信号不稳定指数、时间稳定性因子和蒙特卡洛丢弃认知不确定性，动态调控数据-物理权重。双源EnKF采用100个集合成员，通过拉丁超立方采样初始化，将后验协方差直接传播至裂缝网络几何中，使不确定性成为一阶物理量。
四、研究结果
4.1 混合三元组库构建与模拟器保真度
混合三元组库包含覆盖完整储层参数空间的模拟案例、来自煤系页岩和共和盆地干热岩储层的203个现场压裂段、530万个微地震事件和310万条参数化天然裂缝。离线预训练在18.6小时内完成，在线部署平均推理延迟为82毫秒。多保真度训练损失在35,000个epoch时收敛，总损失低于1.2×10??。DFN解析器成功重构了四个储层的完整参数化天然裂缝网络，页岩案例在约5–6分钟内达到接近完全激活，而干热岩案例在约11–13分钟后达到相似激活水平。天然裂缝分类结果显示40.6%为再激活-扩张状态，29.9%为再激活-稳定状态，29.5%为未受影响状态。
4.2 DAS信号处理与cvPINN重构性能
在信噪比（SNR）为15 dB条件下，自适应Hankel SVD结合Marchenko-Pastur秩确定方法恢复了94.8%的相干地质力学信号能量，优于固定秩SVD的87.1%；后续自适应Biot匹配小波去噪平均降低宽带噪声底7.2 dB。
4.3 模型置信指数动态与分布外检测
增强的四项MCI在综合数据集上实现了90.1%的分布外（OOD）检测率，证实蒙特卡洛丢弃认知不确定性通道提供了对训练分布之外储层配置的关键额外敏感性。在120分钟合成压裂基准测试中，四项MCI配置实现了最接近的跟踪性能（MAPE=6.3%），且不确定性边界最紧致。在分布外事件窗口内，仅四项MCI配置正确拓宽了不确定性边界，而纯DAS配置在事件检测前偏差高达23%。
4.4 双源EnKF同化与SRV验证
双源EnKF在四层级三元组验证协议下表现稳定。针对煤系页岩案例，加权后验标准差在高不确定性期间扩张、在更多DAS观测同化后收缩，表明集合收敛稳定且置信度校准一致。独立微地震几何验证显示：裂缝半长接受率为93.2%，裂缝高度接受率为89.7%，六个未通过阶段对应复杂多簇干扰事件。SRV重叠比热图显示78.4%的参数空间网格单元重叠比超过0.70阈值，最高SRV一致性出现在中等注入速率和中等刚度（25–50 GPa）条件下。第四层级不确定性校准通过可靠性图评估，平均校准曲线与理想45°对角线的均方根偏差为0.043，在80%–95%名义覆盖率水平下接近完美校准。转移验证层MMD2监测为203个阶段中的11个（5.4%）发出分布偏移警报，所有被标记事件均经独立井筒诊断确认为地质力学异常。
4.5 天然裂缝激活模式的物理解释
跨地层分类结果与Mohr-Coulomb滑动理论一致。共和盆地干热岩数据集的再激活-扩张比例（44.7%）高于煤系页岩（38.4%），归因于干热岩中临界应力天然裂缝比例更高以及花岗岩力学特性。热收缩和高孔隙压力在干热岩中创造了比柔性的、吸收能量的煤系地层更有利的Mohr-Coulomb再激活应力路径。
五、讨论与结论
当前框架假设平面裂缝几何，在复杂多簇干扰事件中可能低估裂缝高度，这反映在六个超出15%容差带的验证阶段中。微地震定位不确定性影响报告的验证指标。5.4%触发分布外警报的阶段表明训练库在参数空间某些区域覆盖稀疏，需要人工审查和库扩展。未来工作将通过扩展训练库、X-PINN尖端追踪、图变换器代理模型和算子学习等方法，将cvPINN-RTK框架扩展至天然气水合物和异质材料等复杂地层。
研究结论指出，cvPINN-RTK代表了基于物理的实时裂缝表征解决方案，在两种地质条件截然不同的地层上无需针对特定地层训练即可实现跨地层泛化。与以往物理信息框架不同，cvPINN-RTK在实时推理过程中保持主动物理约束，同时利用离线训练模型。在200多个现场压裂段上的验证证明了其稳健的分布外检测能力、15%容差内的裂缝几何精度以及0.786的平均SRV重叠比。
