金沙娱乐场官方网-澳门金沙会官网-金沙集团股价实情信息最新

中文題目：基于離散元方法及可解釋機(jī)器學(xué)習(xí)框架的礫巖水力裂縫擴(kuò)展研究

論文題目：Investigation of hydraulic fracture propagation in conglomerate rock using discrete element method and explainable machine learning framework

錄用期刊/會(huì)議：Acta Geotechnica（中科院大類(lèi)一區(qū) Top期刊；JCR Q1）

原文DOI：https://doi.org/10.1007/s11440-024-02317-9

原文鏈接：https://link.springer.com/article/10.1007/s11440-024-02317-9

錄用/見(jiàn)刊時(shí)間：2024年4月5日

作者列表：

1）申屠俊杰 中國(guó)石油大學(xué)（北京）信息科學(xué)與工程學(xué)院/人工智能學(xué)院 科研助理

2）林伯韜 中國(guó)石油大學(xué)（北京）信息科學(xué)與工程學(xué)院/人工智能學(xué)院 教師

3）金   衍 中國(guó)石油大學(xué)（北京）石油工程學(xué)院 教師

4）Jeoung Seok Yoon DynaFrax UG 研究員

文章簡(jiǎn)介:

本文提出了一種基于離散元方法（DEM）以及可解釋機(jī)器學(xué)習(xí)框架（XGBoost-SHAP）的裂縫形態(tài)預(yù)測(cè)模型。首先，采用Voronoi網(wǎng)格結(jié)構(gòu)實(shí)現(xiàn)礫巖中礫石與基質(zhì)的幾何構(gòu)建，建立了真實(shí)、精細(xì)的礫巖DEM數(shù)字模型。其次，考慮礫巖組分強(qiáng)度、滲透率、地應(yīng)力及壓裂液性質(zhì)多種影響因素，開(kāi)展參數(shù)敏感性分析，并為機(jī)器學(xué)習(xí)模型提供訓(xùn)練資料。最后，基于模擬結(jié)果訓(xùn)練XGBoost-SHAP，實(shí)現(xiàn)高精度裂縫形態(tài)預(yù)測(cè)并提供預(yù)測(cè)依據(jù)。

摘要:

礫巖油氣藏作為重要的非常規(guī)油氣資源，具有低孔、低滲等特點(diǎn)，通常需要配合大規(guī)模水力壓裂技術(shù)實(shí)現(xiàn)增產(chǎn)，但其強(qiáng)非均質(zhì)性會(huì)引發(fā)水力裂縫不規(guī)則擴(kuò)展，增大裂縫形態(tài)預(yù)測(cè)及壓裂方案部署的難度。為進(jìn)一步探究礫巖中水力裂縫擴(kuò)展機(jī)制并指導(dǎo)裂縫形態(tài)預(yù)測(cè)，本文提出了一種基于離散元方法（DEM）以及可解釋機(jī)器學(xué)習(xí)框架（XGBoost-SHAP）的裂縫形態(tài)預(yù)測(cè)模型。此外，本文采用Voronoi網(wǎng)格結(jié)構(gòu)描述礫巖的幾何特征，建立了更真實(shí)、精細(xì)的三維礫巖DEM數(shù)字模型。在考慮到巖石基質(zhì)-界面-礫石結(jié)構(gòu)的前提下，研究了多種因素（包括各組分強(qiáng)度和滲透率、地應(yīng)力、壓裂液性質(zhì)等）對(duì)裂縫擴(kuò)展和誘發(fā)微地震事件點(diǎn)的影響，總結(jié)了穿礫及繞礫兩種擴(kuò)展行為。最后，本文討論了不同裂縫行為的機(jī)理，揭示了多因素的協(xié)同影響機(jī)制，并采用了由XGBoost和SHAP組成的可解釋的機(jī)器學(xué)習(xí)框架，在模擬數(shù)據(jù)上訓(xùn)練后可實(shí)現(xiàn)高精度裂縫形態(tài)預(yù)測(cè)，并為預(yù)測(cè)結(jié)果提供全面解釋?zhuān)瑸閷?shí)際工程決策提供支持。

背景與動(dòng)機(jī):

在礫巖儲(chǔ)層水力壓裂過(guò)程中，其非均質(zhì)性強(qiáng)化了裂縫擴(kuò)展機(jī)制的復(fù)雜性，增加了裂縫形態(tài)預(yù)測(cè)難度。傳統(tǒng)的礫巖水力裂縫擴(kuò)展規(guī)律研究大多展示定性的分析結(jié)果，無(wú)法對(duì)實(shí)際工況進(jìn)行預(yù)測(cè)。本文針對(duì)此不足，提出了基于離散元方法（DEM）以及可解釋機(jī)器學(xué)習(xí)框架（XGBoost-SHAP）的裂縫形態(tài)預(yù)測(cè)模型，從而實(shí)現(xiàn)高精度裂縫形態(tài)預(yù)測(cè)，并為預(yù)測(cè)結(jié)果提供解釋及依據(jù)。

設(shè)計(jì)與實(shí)現(xiàn):

本文首先建立了基于Voronoi網(wǎng)格結(jié)構(gòu)的DEM礫巖數(shù)字模型及流固耦合壓裂算法，其次針對(duì)多種影響因素開(kāi)展了參數(shù)分析，為機(jī)器學(xué)習(xí)模型提供訓(xùn)練資料，最后利用XGBoost-SHAP給出高精度的裂縫形態(tài)預(yù)測(cè)結(jié)果并提供預(yù)測(cè)依據(jù)。主要內(nèi)容如下：

1.基于Voronoi網(wǎng)絡(luò)結(jié)構(gòu)的三維DEM礫巖數(shù)字模型

三維Voronoi網(wǎng)格結(jié)構(gòu)表現(xiàn)為填充整個(gè)模型空間的三維多面體的集合，多面體間不存在重疊或間隙，且三維多面體可充分體現(xiàn)礫石的幾何特征，是構(gòu)建礫巖等類(lèi)多晶材料的理想構(gòu)型。此外，利用三維Voronoi網(wǎng)格結(jié)構(gòu)可構(gòu)建任意礫石含量的礫巖模型，彌補(bǔ)了傳統(tǒng)隨機(jī)生成礫石方法的不足。圖1為不同礫石含量DEM礫巖數(shù)字模型。

                                                                  （a） （b） （c）

圖1 礫石含量（a）25%；（b）50%；（c）75%的DEM礫巖數(shù)字模型

2.三維DEM流固耦合壓裂算法

水力壓裂中的水力裂縫擴(kuò)展被認(rèn)為是一個(gè)復(fù)雜的流體-巖石相互作用過(guò)程，因此在模擬時(shí)需考慮流固耦合作用。本文提出了基于三維DEM的流固耦合壓裂算法，其主要原理如圖2所示。根據(jù)DEM顆粒分布實(shí)施Delaunay三角剖分并生成流體網(wǎng)絡(luò)，其基本單元為四面體。流體網(wǎng)絡(luò)中的單元代表巖石中的孔隙，兩個(gè)相鄰的四面體由流體通道連接，當(dāng)相鄰單元間存在壓差時(shí)，流體通道中的流體運(yùn)移速率由Hagen–Poiseuille方程表示：

（1）

其中，μ為流體粘度，△P為相鄰單元間壓差，和分別為流體通道的長(zhǎng)度和半徑。

圖2 三維DEM流固耦合壓裂模型示意圖

3.XGBoost-SHAP可解釋機(jī)器學(xué)習(xí)框架

XGBoost是一種集成學(xué)習(xí)算法，由多個(gè)決策樹(shù)子模型組成，這些子模型按順序構(gòu)建并逐步縮小預(yù)測(cè)值與實(shí)際值之間的差距。樣本i在經(jīng)過(guò)t次優(yōu)化后的預(yù)測(cè)值為：

（2）

其中，為第t-1棵決策樹(shù)的預(yù)測(cè)值，為第t棵決策樹(shù)的預(yù)測(cè)結(jié)果。因此XGBoost的優(yōu)化目標(biāo)可表示為：

（3）

其中，為樣本i的實(shí)際值與預(yù)測(cè)值之差，為一正則化項(xiàng)，其計(jì)算所有t棵決策樹(shù)的計(jì)算復(fù)雜度從而防止模型過(guò)擬合。

基于DEM礫巖數(shù)字壓裂模擬結(jié)果，本文選取了對(duì)裂縫形態(tài)影響顯著的6個(gè)因素，并重新組合形成4個(gè)特征作為XGBoost模型輸入，分別為界面抗拉強(qiáng)度/礫石抗拉強(qiáng)度、界面滲透率、水平地應(yīng)力差+垂向地應(yīng)力差及壓裂液粘度×排量。此外，根據(jù)模擬結(jié)果將XGBoost設(shè)置為二元分類(lèi)模型，其預(yù)測(cè)結(jié)果為0（繞礫）或1（穿礫），以表征裂縫遇礫行為。訓(xùn)練數(shù)據(jù)集包含79組數(shù)據(jù)，其中50組由DEM模擬產(chǎn)生，29組來(lái)自參考文獻(xiàn)。由于數(shù)據(jù)集規(guī)模較小，因此采用10組不同的隨機(jī)種子分割數(shù)據(jù)集（90%訓(xùn)練集，10%測(cè)試集），形成80組測(cè)試數(shù)據(jù)。其次，本文通過(guò)SHAP模型對(duì)XGBoost模型的預(yù)測(cè)結(jié)果進(jìn)行解釋?zhuān)o出預(yù)測(cè)依據(jù)。SHAP通過(guò)博弈論中的Shapley值計(jì)算每個(gè)輸入特征對(duì)最終預(yù)測(cè)結(jié)果的貢獻(xiàn)值：

（4）

其中，g為解釋模型，M為輸入特征的數(shù)量，為特征j的Shapley值，定義為某特征值對(duì)模型預(yù)測(cè)的邊際貢獻(xiàn)，是所有可能特征值組合的加權(quán)及總和，表示為：

（5）

其中val(*)為待解釋模型，S為輸入特征的子集，為不含的特征集合。

實(shí)驗(yàn)結(jié)果及分析:

一、DEM礫巖壓裂模擬結(jié)果

基于Voronoi網(wǎng)絡(luò)結(jié)構(gòu)的三維DEM礫巖數(shù)字模型與流固耦合壓裂算法相結(jié)合能實(shí)現(xiàn)精準(zhǔn)的裂縫擴(kuò)展過(guò)程計(jì)算。圖3為礫巖壓裂模擬結(jié)果與實(shí)驗(yàn)結(jié)果對(duì)比圖，兩者均體現(xiàn)了穿礫及繞礫兩種遇礫擴(kuò)展模式。

                                                     （a） （b）

圖3 礫巖水力壓裂結(jié)果：（a）室內(nèi)實(shí)驗(yàn)；（b）三維DEM模擬

此外，開(kāi)展多種因素（各組分強(qiáng)度和滲透率、地應(yīng)力、壓裂液性質(zhì)等）對(duì)裂縫擴(kuò)展和誘發(fā)微地震事件點(diǎn)的影響研究，揭示了不同因素對(duì)裂縫形態(tài)的影響機(jī)制，并為機(jī)器學(xué)習(xí)提供了先驗(yàn)知識(shí)（如輸入特征選取依據(jù)及訓(xùn)練數(shù)據(jù)集構(gòu)建等）。

二、XGBoost裂縫形態(tài)預(yù)測(cè)結(jié)果

根據(jù)DEM模擬獲取的先驗(yàn)知識(shí)，選取對(duì)裂縫形態(tài)影響較大的6個(gè)因素并重組形成4個(gè)輸入特征，分別為界面抗拉強(qiáng)度/礫石抗拉強(qiáng)度、界面滲透率、水平地應(yīng)力差+垂向地應(yīng)力差及壓裂液粘度×排量，并將預(yù)測(cè)設(shè)置為二元分類(lèi)任務(wù)，輸出結(jié)果為0（繞礫）或1（穿礫）。預(yù)測(cè)結(jié)果如表1所示，在80組測(cè)試數(shù)據(jù)中，XGBoost的整體準(zhǔn)確率達(dá)到了80%。

表1 五種模型在測(cè)試集上的評(píng)估指標(biāo)

Actual value	Predicted value	Count
Deflection	Deflection	40
Penetration	Penetration	24
Deflection	Deflection	8
Penetration	Penetration	8

三、SHAP解釋結(jié)果

在XGBoost完成預(yù)測(cè)后，采用SHAP對(duì)預(yù)測(cè)結(jié)果進(jìn)行解釋。圖4展示了訓(xùn)練集數(shù)據(jù)的SHAP值，其中Feature value表示相應(yīng)特征的輸入值，SHAP值為正的特征值有利于穿礫，而SHAP值為負(fù)的特征值有利于繞礫，可看出較高的界面滲透率和強(qiáng)度差會(huì)促進(jìn)裂縫遇礫偏轉(zhuǎn)，而較高的地應(yīng)力差、粘度和排量會(huì)促進(jìn)穿礫。

圖4 訓(xùn)練集數(shù)據(jù)SHAP值分布示意圖

此外，SHAP可對(duì)所有輸入特征的貢獻(xiàn)值進(jìn)行綜合分析，計(jì)算每個(gè)特征的平均SHAP值并獲取宏觀(guān)貢獻(xiàn)值。如圖5所示，地應(yīng)力差值對(duì)預(yù)測(cè)結(jié)果的影響程度最高。

圖5 輸入特征平均SHAP值

四、案例分析

利用XGBoost-SHAP可解釋機(jī)器學(xué)習(xí)框架，可實(shí)現(xiàn)對(duì)單獨(dú)案例的裂縫形態(tài)預(yù)測(cè)及結(jié)果解釋?zhuān)⑸商卣鲗?duì)抗圖以輔助理解。本文從參考文獻(xiàn)中選取了6組案例，并將相應(yīng)特征值輸入預(yù)訓(xùn)練的XGBoost生成預(yù)測(cè)結(jié)果，如表2所示，可看出XGBoost對(duì)6組案例均做出了正確預(yù)測(cè)。進(jìn)一步地，利用SHAP對(duì)每個(gè)案例的預(yù)測(cè)結(jié)果進(jìn)行解釋并生成特征對(duì)抗圖，如圖6所示。圖中f(x)為所有輸入特征的累計(jì)貢獻(xiàn)值，當(dāng)f(x)高于基準(zhǔn)值（base value）時(shí)，代表預(yù)測(cè)結(jié)果為穿礫，反之當(dāng)f(x)低于基準(zhǔn)值（base value）時(shí)，代表預(yù)測(cè)結(jié)果為繞礫。特征顏色為紅色時(shí)表示其有利于穿礫，為藍(lán)色時(shí)表示其有利于繞礫，且特征條長(zhǎng)度體現(xiàn)其貢獻(xiàn)程度。

表2 五種模型在測(cè)試集上的評(píng)估指標(biāo)

圖6 研究案例特征對(duì)抗示意圖

結(jié)論:

1. 基于Voronoi網(wǎng)絡(luò)結(jié)構(gòu)的三維DEM礫巖數(shù)字模型能準(zhǔn)確體現(xiàn)礫巖的幾何及力學(xué)特征，與流固耦合壓裂算法配合實(shí)現(xiàn)精準(zhǔn)的裂縫擴(kuò)展過(guò)程計(jì)算。

2. 在從模擬結(jié)果中獲取的先驗(yàn)知識(shí)指導(dǎo)下，通過(guò)優(yōu)選輸入特征，使得XGBoost在小樣本數(shù)據(jù)集上取得較高的預(yù)測(cè)精度。

3. SHAP可對(duì)XGBoost的預(yù)測(cè)結(jié)果進(jìn)行定量化解釋?zhuān)粌H可對(duì)整個(gè)數(shù)據(jù)集進(jìn)行宏觀(guān)解釋?zhuān)€可針對(duì)某個(gè)特定案例給出微觀(guān)解釋?zhuān)瑥亩鵀閴毫逊桨钢贫ㄌ峁┯辛χ笇?dǎo)。

通訊作者簡(jiǎn)介:

林伯韜, 博士，中國(guó)石油大學(xué)（北京）信息科學(xué)與工程學(xué)院/人工智能學(xué)院計(jì)算智能教學(xué)與研究中心教授/博導(dǎo)。主要研究方向?yàn)橹悄苁凸こ獭⒐I(yè)數(shù)字孿生和智慧能源金融。