Biot–Gassmann流体替换方法与基于机器学习的速度-应力关系集成用于估算原位应力

《ACS Omega》:Integration of the Biot–Gassmann Fluid Substitution Method and Machine Learning-Based Velocity–Stress Relationship for Estimating In Situ Stresses

【字体: 大 中 小 】 时间:2026年02月01日 来源:ACS Omega 5.2

编辑推荐:

  最近的研究进展表明,通过集成机器学习/深度学习(ML/DL)框架可以可靠地估算原位应力,该框架依赖于使用真三轴超声速度(TUV)实验数据(涉及在不同应力配置下饱和岩石中的超声速度测量)进行训练和验证的模型。然而,当目标是解释较低频率的测量时,更合适的方法是对干

  
最近的研究进展表明,通过集成机器学习/深度学习(ML/DL)框架可以可靠地估算原位应力,该框架依赖于使用真三轴超声速度(TUV)实验数据(涉及在不同应力配置下饱和岩石中的超声速度测量)进行训练和验证的模型。然而,当目标是解释较低频率的测量时,更合适的方法是对干燥岩石进行实验,然后获得Biot–Gassmann推导的等效饱和速度(低频近似),并利用这些量来训练ML/DL模型以预测原位应力。频率对速度-应力关系的色散效应是否显著影响原位应力预测是一个重要且未解决的问题。本研究通过使用对干燥岩心超声速度应用Biot–Gassmann流体替换获得的等效饱和声波速度(低频)来训练和实现ML/DL模型,从而改进了基于ML/DL的工作流程。模型在来自犹他州FORGE场地地热井16B(78)-32的三个地下岩心的TUV数据集上进行了训练。每个岩心在干燥状态下进行了75种独特的应力配置的速度测量。在等效饱和速度的TUV数据集上训练的ML/DL模型展示了利用速度-应力关系预测地下地质岩石原位应力的良好性能,对于垂直、最小水平应力和最大水平应力模型,验证/测试阶段的R2分别为0.86、0.971和0.975,均方根误差(RMSE)分别为2.59、1.92和1.80。此外,通过Shapley加法解释(SHAP)分析进行的解释和说明进一步提高了估算原位应力的科学验证性和模型可靠性。
**论文解读:基于Biot–Gassmann流体替换与机器学习速度-应力关系集成的原位应力估算研究**

**研究背景与问题**

原位应力(in situ stress)的精确估算是地热能源开发、采矿、隧道开挖等地下工程规划与执行的关键。传统方法如流体注入测试(minifrac、leak-off等)成本高、耗时长,且受高温等环境限制,存在不确定性。近年来,基于机器学习/深度学习(ML/DL)的框架通过利用真三轴超声速度(TUV)实验数据训练模型,为原位应力估算提供了高效途径。然而,先前研究通常直接使用饱和岩石的超声速度(高频,约1 MHz),而现场测井数据(如声波测井)工作于低频(10–20 kHz)。超声频率下的速度-应力关系因“挤喷流”(squirt flow)产生色散效应,导致饱和速度高于低频等效值,可能影响模型对现场条件的泛化能力。因此,频率色散对原位应力预测的影响是否显著,以及如何利用干燥岩石实验结合Biot–Gassmann流体替换方法获得低频等效饱和速度来改进预测,成为亟待解决的关键科学问题。

**研究内容与结论**

本研究提出并验证了一种增强的ML/DL工作流:首先对干燥岩心进行TUV实验,获得超声速度;然后应用Biot–Gassmann流体替换方法,计算等效低频饱和声波速度(low-frequency approximation);利用该修改后的TUV数据集训练ML/DL模型,预测三个主应力(垂直应力σy、最小水平应力σz、最大水平应力σx)。研究选用犹他州FORGE场地地热井16B(78)-32中三个不同深度岩心(石英片麻岩、花岗岩、片麻岩),每个岩心在75种应力配置下进行干燥状态TUV测试,共225个数据点。模型训练采用五种算法:深度神经网络(DNN)、卷积神经网络(CNN)、门控循环单元(GRU)、随机森林(RF)和极端梯度提升(XGB),并通过SHAP分析增强模型可解释性。结果表明,基于Biot–Gassmann等效速度的DNN模型表现最优:对于垂直、最小水平、最大水平应力模型,验证/测试阶段的R2分别达到0.986、0.971、0.975,均方根误差(RMSE)分别为2.59、1.92、1.80 MPa。与先前使用饱和超声速度的研究相比,本研究模型预测的原位应力与基于弹性地质力学模型(FB-EGM)的结果更吻合,R2从0.865(垂直应力)和0.813(最小水平应力)提升至0.91和0.843,表明低频等效速度更好地匹配了现场测井频率,减小了色散引起的偏差。该工作发表于《ACS Omega》,为地下岩石原位应力估算提供了经济、高效且可解释的替代方案。

**主要技术方法**

本研究采用的关键技术方法包括:(1)真三轴超声速度(TUV)实验,对干燥岩心(来自犹他FORGE地热井16B(78)-32的三种岩性)施加独立控制的三个正交应力,测量压缩波(P波)和两个剪切波(S波)速度;(2)Biot–Gassmann流体替换方法,利用干燥岩样的弹性模量、矿物基质模量(Voigt–Ruess–Hill平均)、孔隙流体属性(地下水)及孔隙度,计算等效低频饱和声波速度;(3)五种ML/DL算法(DNN、CNN、GRU、RF、XGB)的构建与优化,通过网格搜索和七折交叉验证确定超参数;(4)K-means聚类对测井数据进行岩相分类,以匹配模型适用范围;(5)SHAP(Shapley加法解释)分析,对DNN模型进行全局和局部解释,揭示输入特征(速度、垂直应力)对预测的贡献。

**研究结果**

**4.1 ML/DL模型开发与优化**
通过对比五种模型,DNN在所有应力分量上表现出最优预测精度。以核心A为例,DNN模型对σy的训练/验证R2为0.985/0.986,RMSE为2.04/2.59 MPa;对σx的R2为0.982/0.975,RMSE为1.73/1.80 MPa;对σz的R2为0.970/0.971,RMSE为1.84/1.92 MPa。其他模型(CNN、GRU、RF、XGB)性能略低,但均展现了良好的泛化能力。参数敏感性分析证实了模型捕捉到的物理关系:速度(Vzz、Vzx、Vzy)与应力呈正相关,且垂直应力σy作为输入显著提高了水平应力预测的准确性。

**4.2 DNN模型可解释性——局部与全局解释**
SHAP分析揭示了输入特征对预测的贡献机制。对于σy模型,Vzz(P波速度)具有正向贡献,高值提升预测应力;Vzx和Vzy(S波速度)则呈负向贡献,高值降低预测应力。瀑布图、力图和决策图展示了个例预测中特征的正负影响,依赖图则显示了特征交互作用。全局特征重要性排序表明Vzy对σy预测影响最大,Vzz对σz和σx影响显著。这些分析增强了模型透明度,为科学验证提供了依据。

**4.3 井16B(78)-32原位应力估算——现场实施与可扩展性**
通过K-means聚类将测井数据(4835–10872英尺)划分为多个岩相(petrofacies),其中代表性岩相(PF-1,5,6)与岩心样品岩性对应。将训练好的DNN模型应用于相应岩相的声波测井数据,并利用Biot–Gassmann方法对测井速度进行流体替换,以减少频率差异。预测结果经三维应力变换后得到原位主应力(Sv、Shmin、Shmax)。与FB-EGM对比,预测值在代表性岩相中高度吻合,验证了模型的可扩展性。

**4.4 对比分析**
与使用饱和超声速度的先前研究(Mustafa et al., 2026)相比,本研究获得的Biot–Gassmann等效P波速度比超声P波速度低约1.5–2%,S波速度差异约0.2–0.4%,归因于低频条件下消除了挤喷流引起的硬化效应。原位应力预测中,本研究交叉图的R2更高(Sv: 0.91 vs 0.865;Shmin: 0.843 vs 0.813),且预测值波动更小,更接近FB-EGM结果。这表明低频等效速度更好地匹配了现场测井频率,降低了色散影响,提高了模型泛化能力。

**讨论与结论**

本研究表明,利用干燥岩石的超声速度经Biot–Gassmann流体替换得到的低频等效饱和速度训练ML/DL模型,能够有效提升原位应力预测的准确性。该方法避免了饱和岩石实验中耗时的饱和步骤及高温下孔隙流体相变问题,同时通过频率匹配增强了模型对现场条件的适应性。SHAP分析为模型决策提供了科学解释,增加了可信度。尽管该方法依赖于代表性岩相的核心样品,且对高裂隙区域存在局限性,但为地热井等地下工程提供了一种经济、高效的原位应力估算工具。结论翻译如下:
**结论**:地下岩层中原位主应力的准确确定因现有方法的固有不确定性和局限性仍是一项重大挑战。针对这一挑战,先前已展示了基于ML/DL的工作流,其中模型在饱和岩石的实验室三轴超声速度测量上训练。本研究显示,使用干燥岩石并施加Biot–Gassmann校正可获得更优结果。此外,这些实验无需耗时的饱和步骤,可在高温下进行而不引起孔隙流体相变。同时,复杂DL预测模型的可解释性和透明度对于科学应用及提升人类对模型决策机制的理解至关重要。本研究采用Mustafa等人提出的集成框架,利用低频Biot–Gassmann推导速度训练ML/DL模型,并应用于地热井地下岩石原位主应力的准确估算。对比分析表明,DNN模型获得了优异且泛化的预测结果,三个主应力模型的验证/测试RMSE分别为2.59、1.92、1.80 MPa。进一步分析揭示了频率对速度-应力关系及原位应力预测的色散效应,导致低频Biot–Gassmann推导饱和速度相较于超声饱和速度在原位应力预测上略有改进,原因在于与现场测量的频率更好对齐。参数研究显示了DNN模型的良好泛化能力。SHAP分析阐明了DNN预测模型中输入特征对最终预测的交互和影响,提供了关键见解。在井16B(78)-32的代表性岩相区域,基于Biot–Gassmann推导饱和速度训练的DNN模型在现场声波测井上展现了良好的原位主应力估算功能。因此,所提出的ML/DL工作流结合修改后的TUV数据集(使用Biot–Gassmann等效饱和声波速度)为传统原位应力估算方法提供了一种经济、高效的替代方案。可靠的预测应力可有益于规划和设计地下活动,如完井、钻井、水力压裂增产、地下采矿和隧道开挖。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号