人工智能驱动的、整合地震风险的扎格罗斯洛雷斯坦省烃类圈闭演化与储层压力建模

《Scientific Reports》：AI-powered, seismic hazard-integrated modeling of hydrocarbon trap evolution and reservoir pressure in the Zagros Lurestan Provinces

　　

摘要

全球对具有韧性的地下能源系统需求不断增加，这要求理解活动构造如何影响油气圈闭演化和储层压力行为。构造活动区域，如扎格罗斯褶皱逆冲带的卢雷斯坦省，由于结构复杂和压力不稳定，构成了持续的挑战。本研究采用一种多尺度、灾害整合的方法，衔接地震风险评估和自适应储层建模。本研究并未断言个别现代地震直接控制百万年的压力演化。相反，现代地震活动性与长期断层滑移率（R2 = 0.84）和 InSAR 应变率（R2 = 0.79）相关，且古地震记录所记载的持续地震循环通过断层阀门机制维持了高压状态。需要强调的是，分析展示的是现代地震活动模式与储层压力之间的空间相关性，而非时间因果性。现代地震活动性作为空间代理，指示长期构造变形——从而也是高压储层——集中的位置。与以往研究不同，本工作通过特定省份的公式，建立了地震危险性参数与储层压力之间的定量联系，代表了人工智能、区块链安全地球流体追踪和地质力学模拟在活动造山带中的新型整合。地震密度、震级和危险性图与人工智能增强建模、InSAR 衍生的应变场和区块链追踪进行了综合。定量分析揭示了独特的特定省份压力剖面：东北卢雷斯坦（脆性断层主导）呈现出最高的压力（42.7 ± 2.1 MPa）；中部卢雷斯坦（干涉区）显示中等压力（36.4 ± 1.8 MPa）；西南卢雷斯坦（深源衰减）维持较低压力（28.1 ± 1.5 MPa）。地质认知储层智能 (GCRI) 框架使得能够在地震载荷下对圈闭演化、封隔完整性和压力动力学进行近实时模拟。这些发现建立了一种方法框架，用于可转移至其他活动盆地的自适应油气管理，需经本地重新校准。