基于地震-有限元物理引导傅里叶代理的页岩气储层三维地应力预测

《Energy Geoscience》：Three-dimensional in-situ stress prediction in shale gas reservoirs using a seismic-FEM physics-guided Fourier surrogate

　　

可靠的三维地应力预测是深层页岩气储层安全高效开发的关键要求，其中应力非均质性控制着水力压裂的围限、井壁稳定性、套管变形风险以及增产设计。经验应力转换方法计算效率高，但通常受限于一维标定和简化的地质假设。有限元建模（FEM）能够考虑三维结构和非均质力学性质，但对于频繁的操作更新而言仍然过于昂贵。研究人员开发了一种地震-有限元物理引导傅里叶代理（PG-FNO），用于预测四川盆地龙马溪-五峰组页岩气储层的最小和最大水平应力（σ_h和σ_H）。该工作流程整合了地震导出的弹性、孔隙压力、上覆岩层和结构曲率体数据与有限元应力模拟。孔隙弹性解析分支提供了力学上可解释的基线，而傅里叶神经分支学习对基线应力场的空间残差修正。在空间留出法评估下，PG-FNO实现了总体测试R²为0.9835，均方根误差（RMSE）为3.236 MPa，平均绝对误差（MAE）为0.515 MPa。这些结果表明，在相同的空间留出法协议下，相对于PG-CNN和PG-UNet基线，预测性能有所提升。训练完成后，全体积推理仅需约1分钟，而有限元模拟约需4.5天。误差诊断显示，较大偏差集中在断层和高曲率区域附近，识别出结构复杂区域，这些区域额外的校准或监测对工程可靠性最为有利。所提出的工作流程为将地震解释、数值地质力学和深度学习整合到深层页岩气开发的快速三维应力表征中提供了一条实用途径。

**论文解读：基于地震-有限元物理引导傅里叶代理的页岩气储层三维地应力预测**

**一、研究背景与问题**

深层页岩气储层的安全高效开发高度依赖于对三维地应力场的准确预测。地应力非均质性直接控制着水力压裂的扩展路径、井壁稳定性、套管变形风险以及增产设计效果。然而，现有地应力预测方法面临显著挑战。经验应力转换方法虽然计算效率高，但通常基于一维测井校准和简化地质假设，难以准确捕捉复杂构造背景下的三维应力分布。有限元模拟（FEM）能够精细刻画三维结构和非均质力学性质，但计算成本极高，单次模拟需数天时间，无法满足频繁操作更新的需求。此外，现有机器学习方法多局限于二维或单井预测，缺乏对三维体积应力场的有效表征，且纯数据驱动模型容易违反力学基本原理。因此，亟需发展一种能够整合地震解释、数值地质力学与深度学习优势的快速三维应力预测方法。

**二、研究内容与结论**

研究人员开发了一种地震-有限元物理引导傅里叶代理（PG-FNO）工作流程，用于联合预测四川盆地龙马溪-五峰组页岩气储层的三维最小水平应力（σ_h）和最大水平应力（σ_H）。该工作流程将地震反演导出的弹性属性（杨氏模量E、泊松比ν）、结构曲率（K_x、K_y）、孔隙压力（P_p）和垂向应力（σ_v）等连续三维体数据作为输入，以高保真有限元模拟结果作为训练标签。PG-FNO采用双分支架构：孔隙弹性解析分支提供力学可解释的基线应力估计，傅里叶神经算子（FNO）分支通过谱卷积学习基线应力的空间残差修正。在严格的空间留出法评估下，PG-FNO取得了优异的预测精度，测试R²达到0.9835，均方根误差（RMSE）为3.236 MPa，平均绝对误差（MAE）为0.515 MPa，显著优于PG-CNN和PG-UNet基线模型。训练完成后，全体积推理仅需约1分钟，相比有限元模拟的4.5天实现了数量级的速度提升。该工作发表在《Energy Geoscience》期刊上，为深层页岩气开发中的快速三维应力表征提供了可行路径。

**三、主要关键技术方法**

研究人员采用了以下关键技术方法：（1）地震反演与属性提取：利用AVO反演获取纵波速度、横波速度和密度，计算动态弹性模量并转换为静态参数；从叠后地震数据提取曲率属性；采用Bowers方法结合协克里金插值估算孔隙压力；通过密度积分计算垂向应力。（2）有限元模拟：使用VISAGE商业软件构建包含约4390万单元的三维有限元模型，采用线性各向同性弹性本构和单向耦合孔隙弹性有效应力原理，施加滚支边界条件，求解三维应力场，提取σ_h和σ_H作为训练标签。（3）物理引导傅里叶神经算子：将孔隙弹性解析公式与FNO残差学习相结合，损失函数包含均方误差和三维总变差正则化，采用严格的空间分区（缓冲留出法）防止数据泄漏。（4）多尺度验证：包括三维体积对比、二维应力图、井位剖面验证以及曲率分区误差分析。样本数据来自中国四川盆地大安区块，包含四口校准井（大安-106、大安-101、大安-102、大安-01）。

**四、研究结果**

**4.1 训练性能**：PG-FNO表现出稳定的收敛特性，最终验证损失为3.80，明显优于PG-UNet（7.63）和PG-CNN（9.77）。PG-FNO训练曲线单调下降且训练-验证差距小，表明泛化能力强；而PG-CNN和PG-UNet存在验证损失波动或过拟合现象。

**4.2 定量性能与计算成本**：PG-FNO在测试集上取得最优精度，R²为0.9835，RMSE为3.236 MPa，MAE为0.515 MPa，相比PG-CNN和PG-UNet的RMSE分别降低约51%和73%。PG-FNO含840万可训练参数，训练需10.1分钟，全体积推理仅74.7秒，而有限元模拟需约108小时。在三种独立空间留出协议（crossline分割、inline分割、二维块留出）下，PG-FNO的RMSE均低于其他模型，表明其空间泛化能力稳健。

**4.3 三维体积与剖面应力场对比**：全立方体密度分布显示，PG-FNO最接近有限元参考的应力值分布，而解析基线和PG-CNN/PG-UNet分别存在系统性偏低和分布过宽的问题。三维可视化中，PG-FNO保留了深度趋势、横向非均质性和局部应力集中区，与有限元结果高度一致；PG-CNN和PG-UNet在东南部出现非物理的低应力伪影。

**4.4 二维空间图验证**：龙马溪组和五峰组的应力平面分布图显示，PG-FNO准确再现了有限元参考中的高应力走廊（如西南部超过105 MPa的区域）和梯度过渡带，而解析基线产生过于均匀的应力场，未能反映构造位置和断层邻近效应。

**4.5 误差分布分析**：PG-FNO的误差在三维体积中均匀分布，主要集中在零附近；PG-CNN出现分散的高误差斑块，PG-UNet在东部和东南部呈现系统性高估。曲率分区分析显示，PG-FNO的误差富集比随着曲率强度增加而增大（顶部10%、5%、1%曲率区间的富集比分别为1.09、1.22、1.57），表明结构复杂区误差集中，但PG-CNN和PG-UNet在断层附近存在更严重的低估伪影。

**4.6 井位验证**：在四口井（大安-106、大安-101、大安-102、大安-01）的测井应力剖面对比中，PG-FNO预测值与参考剖面高度吻合，能够捕捉层间应力波动和地层转换带的应力特征，并保持跨井距离（最远约19公里）的一致性。

**4.7 实际意义与局限性**：PG-FNO预测的三维应力体可用于水平井着陆区优选、分段分簇设计、射孔方位优化和压裂围限评估，但依赖有限元模拟的校准质量，目前未考虑各向异性、弹塑性及时间效应，且不确定性量化有限。

**五、讨论与结论总结**

讨论部分强调，PG-FNO的残差学习框架在保持物理一致性的同时，有效捕捉了断层和高曲率区域的应力扰动，误差诊断表明结构复杂区域需要额外校准。模型架构设计比参数容量更为关键，FNO的谱卷积特性优于传统卷积的局部感受野。研究结论指出，PG-FNO在严格空间留出测试中实现了R²为0.9835、RMSE为3.236 MPa、MAE为0.515 MPa的高精度预测，相比PG-CNN和PG-UNet基线分别降低了约51%和73%的RMSE和MAE；能够跨尺度再现应力非均质性；架构设计比模型容量更重要；误差集中在断层和高曲率区域，需在这些位置增加约束；全体积推理约1分钟，支持近实时三维应力建模。该框架旨在作为校准地质力学模型的快速代理，而非替代现场测量或严格数值模拟，最终工程决策应结合校准有限元模型和现场观测（如DFIT、微地震监测等）。