Искусственный интеллект для поддержки принятия решений при гидроразрыве пласта: критический обзор, ориентированный на рабочий процесс

Artificial Intelligence for Hydraulic-Fracturing Decision Support: A Workflow-Oriented Critical Review
Xiaobing Bian, Jiaxing Zhou, Liang Fu, Aoran Jin, Wei Zhang
2026-08-07

искусственный интеллектпрогнозирование обратного притокаоптимизация параметров гидроразрываподдержка решений при гидроразрыве пластаидентификация продуктивных зон
Гидравлический разрыв пласта является критически важной технологией разработки нетрадиционных нефтяных и газовых месторождений, однако его эффективность существенно зависит от геологической неоднородности, сложного распространения трещин, операционной неопределённости и нелинейного взаимодействия инженерных параметров. Искусственный интеллект (ИИ) предоставляет инструменты для выявления взаимосвязей в геологических, геофизических, операционных и промысловых данных. В данном структурированном нарративном обзоре обобщены применения ИИ на четырёх последовательных этапах рабочего процесса гидроразрыва пласта: идентификация перспективных зон, оптимизация параметров гидроразрыва, оперативная диагностика и предупреждение рисков, а также прогнозирование и управление обратным притоком после гидроразрыва. В репрезентативных исследованиях сообщалось о точности классификации перспективных зон 97,5% и значении R2 = 0,97 при прогнозировании производственных показателей; в одном исследовании по оптимизации с использованием симулятора было зафиксировано экономическое улучшение на 13%, а в моделях на основе промысловых данных использовались выборки численностью до 295 скважин. В операционных исследованиях точность распознавания точечных событий превышала 97%, давление прогнозировалось на 30 с вперёд, а риск оценивался для трёх последовательных интервалов по 60 с. Модель постгидроразрывного анализа, обученная на данных 286 скважин, прогнозировала отклик на горизонтах 30, 90, 180 и 360 суток. Эти значения специфичны для отдельных исследований и не подлежат прямому сравнению, поскольку наборы данных, целевые показатели, разбиение выборок и метрики различаются. В совокупности имеющиеся данные свидетельствуют о заметном, но неравномерном прогрессе; готовность к применению в промысловых условиях по-прежнему ограничивается качеством данных, согласованием мультимодальных данных, физической непротиворечивостью, количественной оценкой неопределённости, внешней валидацией и слабой связью между результатами моделей и операционными решениями. Обзор предлагает воспроизводимую рабоче-процессную схему кодирования и определяет приоритеты валидации и внедрения для создания надёжных, интерпретируемых и пригодных к практическому исполнению систем поддержки решений при гидроразрыве пласта на основе ИИ.
1
Промышленное внедрение остаётся ограниченным из-за качества данных, согласования мультимодальных данных, физической согласованности, количественной оценки неопределённости, внешней валидации и слабой интеграции прогнозов в операционные решения.
2
Операционные модели ИИ обеспечивали распознавание точечных событий с точностью свыше 97%, прогнозировали давление на 30 секунд вперёд и оценивали риски в течение трёх последовательных интервалов по 60 секунд.
3
В рассмотренных исследованиях точность классификации перспективных зон достигала 97,5%, а прогнозирование производительности — R² = 0,97, однако результаты зависят от конкретных исследований и напрямую несопоставимы.
4
Оптимизация, связанная с симулятором, обеспечила сообщённое экономическое улучшение на 13%, тогда как модели на промысловых данных использовали выборки численностью до 295 скважин.
5
Обзор систематизирует применения ИИ по четырём этапам рабочего процесса гидроразрыва: выявление перспективных зон, оптимизация параметров, операционная диагностика и предупреждение рисков, а также прогнозирование притока после обработки.

Рабочий процесс гидроразрыва пласта с поддержкой ИИ при разработке нетрадиционных нефтегазовых ресурсов

Эффективность, надёжность, валидация и практическое внедрение приложений ИИ для выявления перспективных зон, оптимизации параметров гидроразрыва, оперативной диагностики и предупреждения рисков, а также прогнозирования и управления обратным притоком после гидроразрыва

Publication Details
Publication Date
2026-08-07
Journal
Publisher
ISSN
Cited by
1
Access Type
Author Information
Authors
Xiaobing Bian
Jiaxing Zhou
Liang Fu
Aoran Jin
Wei Zhang
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%