Масштабное геомеханическое моделирование на основе машинного обучения

Традиционное трехмерное геомеханическое моделирование ограничивается рядом факторов, включая трудоемкость рабочих процессов, сложности эффективного обновления моделей, ограничения доступных вычислительных ресурсов и проблемы совместимости программного обеспечения. Для решения этих задач в исследовании предложен подход к многомасштабному геомеханическому моделированию на основе машинного обучения, охватывающий масштабы каротажных и сейсмических данных. Подход использует взаимодополняющие преимущества каротажных данных, обеспечивающих вертикальное разрешение в местоположениях скважин, и сейсмических данных, обеспечивающих латеральную непрерывность; алгоритмы машинного обучения используют пространственные ограничения, задаваемые сейсмическими данными, для направленной интерполяции и экстраполяции каротажной информации в трехмерном пространстве. Методология объединяет данные о геологическом строении, каротажную и сейсмическую информацию и применяет методы машинного обучения для построения интеллектуальных цифровых моделей, способных описывать геомеханическое поведение недр. Для оценки качества прогнозирования на каротажном и сейсмическом масштабах было выполнено расширенное обучение моделей и проведен выбор метода. Результаты показывают, что многозадачный подход обеспечил значения R 2, равные 0.9826 на каротажном масштабе и 0.9379 на сейсмическом масштабе, при этом средние абсолютные процентные ошибки прогнозирования в слепой зоне соответствовали приемлемым инженерным нормативам. В испытании по прогнозированию геомеханических параметров проектных скважин средняя ошибка прогнозирования ключевых механических параметров составила 10.17%, что подтверждает применимость метода для планирования разработки месторождений, оценки запасов и принятия решений при бурении. Кроме того, в исследовании реализована интерактивная визуализация с использованием библиотеки VisPy, поддерживающая синхронное отображение многомасштабных данных и функцию масштабирования в реальном времени, что обеспечивает расширяемую техническую основу для интеллектуальной разведки нефтяных месторождений и принятия решений. В целом данный подход может применяться в таких сценариях, как геомеханические парамете...