索彧, 蘇顯蘅, 何文淵, 付曉飛, 艾池, 謝坤

(1.陜西省油氣井及儲(chǔ)層滲流與巖石力學(xué)重點(diǎn)實(shí)驗(yàn)室, 西安 710065; 2.東北石油大學(xué)石油工程學(xué)院, 大慶 163318; 3.大慶油田博士后科研工作站, 大慶 163458; 4.中國(guó)石油國(guó)際勘探開發(fā)有限公司, 北京 100034)

全世界頁巖氣資源儲(chǔ)量豐富且分布廣泛,隨著勘探開發(fā)的深入,全球頁巖氣可采資源不斷增加。目前,水平井鉆井和分段水力壓裂作為有效的開采方式使頁巖氣從納米孔隙中擠壓流入井筒,但是頁巖氣儲(chǔ)層中層理、天然裂縫較為發(fā)育,水力裂縫與天然裂縫的相交擴(kuò)展形態(tài)對(duì)縫網(wǎng)的形成有明顯影響,從而影響最終壓裂改造效果以及頁巖氣產(chǎn)能,因此,準(zhǔn)確的預(yù)測(cè)水力裂縫與天然裂縫的相交擴(kuò)展形態(tài)具有重要的工程實(shí)踐意義[1-2]。

頁巖氣屬于層理發(fā)育,天然裂縫較多的地層,對(duì)于頁巖氣地層的開采,水力裂縫與天然裂縫之間的相互作用研究很重要,二者之間的作用機(jī)理對(duì)壓裂效果很大程度的影響。近年來,中外學(xué)者針對(duì)頁巖儲(chǔ)集層水力裂縫擴(kuò)展進(jìn)行了大量的理論研究,建立能夠模擬多裂縫擴(kuò)展的壓裂模型,包括線網(wǎng)模型[3]、離散裂縫網(wǎng)絡(luò)模型[4-5]和非常規(guī)裂縫模型[6],以及其他基于有限元法[7-9]、邊界元法[10-13]、擴(kuò)展有限元法[14-16]、離散元法[17-19]等模型。目前,中外學(xué)者常采用試井分析法、壓裂施工法、數(shù)值模擬法以及數(shù)理統(tǒng)計(jì)法等進(jìn)行壓裂效果預(yù)測(cè)[20]。李海濤等[21]基于MCMC算法 建立了分布式光纖溫度測(cè)試數(shù)據(jù)反演模型,并且對(duì)產(chǎn)出剖面解釋流程進(jìn)行了優(yōu)化,在此基礎(chǔ)上,對(duì)頁巖氣藏壓裂水平井溫度剖面特征進(jìn)行了分析,確定了影響溫度剖面的主控因素;崔晨雨[22]利用壓裂后儲(chǔ)層的動(dòng)態(tài)生產(chǎn)指標(biāo)結(jié)合基于離散網(wǎng)絡(luò)反演算法和四維地震技術(shù)的復(fù)雜裂縫反演方法對(duì)壓裂裂縫形態(tài)進(jìn)行反演,并通過不同尺度的壓裂裂縫網(wǎng)絡(luò)實(shí)例驗(yàn)證了方法的準(zhǔn)確性。目前壓裂效果預(yù)測(cè)主要關(guān)注壓裂后的產(chǎn)能,很少關(guān)注裂縫本身的特征,但裂縫本身的擴(kuò)展特征對(duì)于壓裂效果預(yù)測(cè)更為直接,因此,如何構(gòu)建頁巖巖體壓裂效果的預(yù)測(cè)模型值得更進(jìn)一步地研究。

此外,目前已有學(xué)者將人工智能的思想應(yīng)用于壓裂效果預(yù)測(cè)模型中,將數(shù)學(xué)和邏輯方法與壓裂過程相結(jié)合,實(shí)現(xiàn)壓裂效果的智能預(yù)測(cè)和評(píng)估。蔣廷學(xué)等[23]將遺傳算法原理引入壓裂方案的經(jīng)濟(jì)優(yōu)化中,初步建立了壓裂經(jīng)濟(jì)優(yōu)化的智能專家系統(tǒng)。閆浩等[24]為準(zhǔn)確預(yù)測(cè)煤巖體SC-CO2壓裂效果,提出了一種DA-DE-SVM混合人工智能模型,使用該模型對(duì)影響SC-CO2壓裂效果的地質(zhì)因素和施工因素進(jìn)行了預(yù)測(cè)。馬先林等[25]以712口井的地質(zhì)、施工和生產(chǎn)因素建立了多元逐步回歸、隨機(jī)森林、支持向量機(jī)和BP(back propagation)神經(jīng)網(wǎng)絡(luò)4種產(chǎn)能預(yù)測(cè)模型,結(jié)合實(shí)際情況對(duì)4種產(chǎn)能模型進(jìn)行了對(duì)比。除此之外,神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用也較為廣泛[26-27],潘麗燕等[28]基于BP神經(jīng)網(wǎng)絡(luò)算法對(duì)多段儲(chǔ)集層合壓時(shí)壓裂裂縫擴(kuò)展數(shù)值模擬結(jié)果開展機(jī)器學(xué)習(xí),建立了綜合考慮地質(zhì)和工程因素的多因素精細(xì)分壓決策模型。石善志等[29]考慮到使用多元線性回歸的方法預(yù)測(cè)壓裂效果誤差較大,采用灰色關(guān)聯(lián)分析與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法來提高模型的預(yù)測(cè)精度。郭大立等[30]應(yīng)用BP-PSO模型討論了參數(shù)個(gè)數(shù)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型效果的影響,構(gòu)建了日產(chǎn)氣量最優(yōu)化模型,進(jìn)而反演出最優(yōu)壓裂施工參數(shù),在現(xiàn)場(chǎng)對(duì)7口井進(jìn)行壓裂施工參數(shù)優(yōu)化后,使得每口井所有層的總平均增產(chǎn)率為5.57%。宋俊強(qiáng)等[31]針對(duì)致密油藏壓裂水平井流態(tài)復(fù)雜及全生命周期產(chǎn)量預(yù)測(cè)誤差大的問題,建立了基于廣義回歸神經(jīng)網(wǎng)絡(luò)算法的邊界控制流時(shí)間預(yù)測(cè)方法,其預(yù)測(cè)結(jié)果接近于生產(chǎn)后期的指數(shù)評(píng)估結(jié)果,誤差小于5%。神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)于求解內(nèi)部影響機(jī)制復(fù)雜的問題優(yōu)勢(shì)明顯,但它對(duì)于樣本數(shù)量要求過高,如果樣本數(shù)量不夠多,它的學(xué)習(xí)效率與預(yù)測(cè)精度將大幅降低[32-33]。中外學(xué)者對(duì)水力裂縫與天然裂縫相交擴(kuò)展形態(tài)預(yù)測(cè)方面的研究較少,對(duì)于如何實(shí)現(xiàn)快速判斷和實(shí)時(shí)分類的需求還存在一定挑戰(zhàn),以上研究大多采用單一的算法進(jìn)行壓裂效果預(yù)測(cè),影響算法的泛化能力。

針對(duì)該問題,現(xiàn)首先基于數(shù)值模擬軟件建立含有不同天然裂縫傾角的二維數(shù)值模型,模擬水力裂縫在不同水平地應(yīng)力差異和不同施工參數(shù)條件下與天然裂縫的相交擴(kuò)展形態(tài),將模擬結(jié)果按比例劃分作為裂縫擴(kuò)展形態(tài)預(yù)測(cè)算法的訓(xùn)練集和測(cè)試集,然后為了豐富算法種類的同時(shí),提高模型的泛化能力,采用Bagging集成算法[34]集成多個(gè)基分類器對(duì)裂縫形態(tài)進(jìn)行預(yù)測(cè),對(duì)比集成算法與單個(gè)算法的預(yù)測(cè)準(zhǔn)確率,分析不同地質(zhì)因素和施工參數(shù)對(duì)裂縫相交擴(kuò)展形態(tài)的影響程度。以期對(duì)利用人工智能和機(jī)器學(xué)習(xí)算法進(jìn)行完井壓裂優(yōu)化設(shè)計(jì)提供方法參考和為實(shí)際壓裂過程優(yōu)化設(shè)計(jì)提供參考依據(jù)。

1 工程概況及壓裂數(shù)據(jù)獲取

1.1 工程概況

在水力裂縫與天然裂縫相交擴(kuò)展的過程中,天然裂縫的類型、長(zhǎng)度、方向以及數(shù)目等是儲(chǔ)層進(jìn)行壓裂設(shè)計(jì)的關(guān)鍵依據(jù)。其中裂縫的擴(kuò)展形態(tài)是地層參數(shù)和施工參數(shù)共同作用的結(jié)果,由于巖體中天然裂縫的隨機(jī)分布,相鄰裂縫由于應(yīng)力場(chǎng)的改變必然存在相互作用。裂縫間的相互作用主要表現(xiàn)在裂縫尖端應(yīng)力場(chǎng)的相互擾動(dòng)及疊加,改變了裂縫尖端局部應(yīng)力場(chǎng)的分布特征,進(jìn)而導(dǎo)致鄰近裂縫的擴(kuò)展路徑發(fā)生變化[35],準(zhǔn)確獲取水力裂縫與天然裂縫相交后的擴(kuò)展形態(tài)對(duì)于壓裂施工設(shè)計(jì)至關(guān)重要。因此,本文研究以分類算法為基礎(chǔ),構(gòu)建了基于機(jī)器學(xué)習(xí)的混合人工智能模型來預(yù)測(cè)水力裂縫與天然裂縫的相交擴(kuò)展形態(tài)。

1.2 數(shù)值模型建立

為獲取足夠壓裂數(shù)據(jù)樣本,將天然裂縫傾角、天然裂縫尺寸、地應(yīng)力差、壓裂液排量和壓裂液黏度作為變量,模擬不同工況條件下的壓裂效果。模型的建立基于數(shù)值模擬軟件,使用有限元法模擬水力裂縫起裂及動(dòng)態(tài)擴(kuò)展,裂縫起裂準(zhǔn)則為最大主應(yīng)力準(zhǔn)則,裂縫擴(kuò)展準(zhǔn)則為 Benzeggagh-Kenane 準(zhǔn)則,其中巖石基質(zhì)采用CPE4P單元,裂縫采用COH2D4P單元。如圖1所示,整個(gè)模型尺寸為30 m×30 m,模型內(nèi)部設(shè)有一定角度和大小的天然裂縫,采用全局嵌入cohesive單元的方法,將整個(gè)模型進(jìn)行離散化的處理。

模型采用二維平面應(yīng)變模型便于直接觀察水力裂縫與天然裂縫相交后的裂縫擴(kuò)展形態(tài),整個(gè)模擬時(shí)間設(shè)置為120 min,儲(chǔ)層參數(shù)和數(shù)值模擬參數(shù)如表1所示。數(shù)值模擬選取不同的天然裂縫傾角、天然裂縫尺寸、應(yīng)力差、壓裂液排量和黏度,其中傾角指的是天然裂縫與x方向的夾角,分別設(shè)為30°、45°、60°;應(yīng)力差為最大水平主應(yīng)力與最小水平主應(yīng)力的差值,設(shè)置為(σH,σh),σH和σh大小分別為(8 MPa,5 MPa)、(10 MPa,5 MPa)、(12 MPa,5 MPa)、(14 MPa,5 MPa),天然裂縫尺寸分別設(shè)置為2、4、6 m。通過數(shù)值模擬在不同地質(zhì)情況和施工條件下,探究水力裂縫與天然裂縫相交擴(kuò)展的規(guī)律及最終擴(kuò)展形態(tài),數(shù)值模擬結(jié)果可為混合人工智能預(yù)測(cè)模型提供數(shù)據(jù)支持,實(shí)驗(yàn)設(shè)計(jì)方案如表2所示。

表1 頁巖水力壓裂數(shù)值模擬物理參數(shù)表Table 1 Physical parameters of shale hydraulic fracturing numerical simulation

表2 數(shù)據(jù)集信息Table 2 Data set information

2 預(yù)測(cè)模型建立

2.1 集成學(xué)習(xí)方法介紹

集成學(xué)習(xí)算法本身不是單一的機(jī)器學(xué)習(xí)算法,它是通過構(gòu)建和組合多個(gè)基分類器而得到一個(gè)強(qiáng)分類器,在機(jī)器學(xué)習(xí)算法中有很好的準(zhǔn)確率和模型泛化能力。常用的集成學(xué)習(xí)算法有Bagging算法、Boosting算法、Stacking算法和Cascading算法,這幾種算法都是將多個(gè)基礎(chǔ)模型按一定方式組合,得到一個(gè)性能更好的模型。

利用Bagging算法將多個(gè)性能不穩(wěn)定的基礎(chǔ)模型集成在一起,每次訓(xùn)練n個(gè)模型,且每個(gè)模型都是獨(dú)立并行訓(xùn)練的,在得到n個(gè)模型后通過分類投票機(jī)制構(gòu)成一個(gè)性能更好的強(qiáng)分類器[36]。每個(gè)模型使用的訓(xùn)練集是通過bootstrap采樣得到的,bootstrap采樣即有放回的隨機(jī)取樣,保證獲得的樣本數(shù)量相當(dāng)且樣本集合之間具有一定差異。用不同的樣本集合分別訓(xùn)練基礎(chǔ)模型,將基礎(chǔ)模型的決策結(jié)果通過投票方式得出樣本的分類屬性,再通過模型聚合來降低單個(gè)基礎(chǔ)模型較高的方差,從而提高集成模型的泛化能力,獲得比單個(gè)模型更好的類別預(yù)測(cè)性能。

2.2 分類模型構(gòu)建

圖2 混合人工智能模型求解流程Fig.2 Solution flow of hybrid artificial intelligence model

分類器訓(xùn)練步驟如下。

(1)對(duì)不同層理傾角、天然裂縫尺寸、地應(yīng)力差、壓裂液排量和黏度進(jìn)行隨機(jī)組合生成數(shù)據(jù)集,按一定比例劃分訓(xùn)練集Xtrain和測(cè)試集Ytest。

(3)用子集合分別訓(xùn)練基分類器,將各類別的基分類器用Bagging算法組合成fSVM(x)、fCART(x)、fLR(x)和fKNN(x)4個(gè)集成分類器。

(4)將4個(gè)集成分類器采用投票機(jī)制組合,根據(jù)分類器性能設(shè)定各分類器的投票權(quán)重,得到最終集成分類器F(x)。

(1)

式(1)中:i為分類器類別;N11指預(yù)測(cè)結(jié)果和數(shù)值模擬結(jié)果為穿層縫;N22指預(yù)測(cè)結(jié)果和數(shù)值模擬結(jié)果為剪切縫;N12指預(yù)測(cè)結(jié)果為穿層縫而數(shù)值模擬結(jié)果為剪切縫;N21指預(yù)測(cè)結(jié)為剪切縫而數(shù)值模擬結(jié)果為穿層縫。

2.3 數(shù)據(jù)集的采集

將天然裂縫傾角、尺寸、地應(yīng)力差、壓裂液排量和黏度作為單因素變量控制因素,其中最大水平主應(yīng)力與最小水平主應(yīng)力分別設(shè)置為(8 MPa,5 MPa)、(10 MPa,5 MPa)、(12 MPa,5 MPa)和(14 MPa,5 MPa),地應(yīng)力差分別對(duì)應(yīng)為3、5、7、9 MPa。本文研究共設(shè)計(jì)2 916組實(shí)驗(yàn),部分實(shí)驗(yàn)方案如表3所示,建立不同地質(zhì)因素和施工因素條件下天然裂縫與水力裂縫的相交擴(kuò)展形態(tài)預(yù)測(cè)模型。

表3 數(shù)值模擬方案設(shè)計(jì)表(部分)Table 3 Design table of numerical simulation scheme (Part)

將測(cè)試集分為兩類:第一類做水力裂縫穿過第一條天然裂縫類型的預(yù)測(cè),與之相關(guān)的特征為傾角1,尺寸1,應(yīng)力差;第二類做水力裂縫穿過第二條天然裂縫類型的預(yù)測(cè),與之相關(guān)的特征為傾角1,傾角2,尺寸1,尺寸2,應(yīng)力差。部分測(cè)試集的選取如表4所示。表4中傾角1表示的是第一條天然裂縫與x方向的夾角,傾角2表示的是第二條天然裂縫與x方向的夾角,尺寸1表示的是第一條天然裂縫的尺寸,尺寸2表示的是第二條天然裂縫的尺寸,應(yīng)力差表示的水平地應(yīng)力差的大小,類型1表示水力裂縫穿過第一條天然裂縫的類型,類型2表示水力裂縫穿過第二條天然裂縫的類型,a表示穿層縫,b表示剪切縫。

表4 測(cè)試集的選取(部分)Table 4 Test set selection (Part)

3 數(shù)值模擬與智能預(yù)測(cè)模型效果分析

根據(jù)設(shè)計(jì),首先按照表2所給的模擬方案,在頁巖模型中選取兩條天然裂縫并改變它們的傾角和尺寸,同時(shí)改變地應(yīng)力差值、壓裂液排量和黏度,觀察水力裂縫與兩條天然裂縫的相交擴(kuò)展結(jié)果。

3.1 天然裂縫傾角30°～45°組合下水力裂縫擴(kuò)展規(guī)律

3.1.1 天然裂縫尺寸2～6 m組合和不同地應(yīng)力差條件下擴(kuò)展規(guī)律

圖3為壓裂液排量1 m3/min、黏度10 mPa·s施工條件下數(shù)值模擬結(jié)果,由圖3可知,當(dāng)應(yīng)力差為3 MPa和5 MPa時(shí),水力裂縫遇到兩條天然裂縫都會(huì)形成剪切縫;當(dāng)應(yīng)力差為7 MPa和9 MPa時(shí),水力裂縫遇到第一條天然裂縫易形成穿層縫,第二條則易形成剪切縫。

圖3 天然裂縫尺寸2～6 m組合下不同地應(yīng)力差擴(kuò)展規(guī)律Fig.3 Propagation law of natural fracture size 2～6 m combination and different in-situ stress difference conditions

3.1.2 天然裂縫尺寸2～4 m組合和不同地應(yīng)力差條件下擴(kuò)展規(guī)律

圖4為壓裂液排量3 m3/min、黏度20 mPa·s施工條件下數(shù)值模擬結(jié)果,由圖4可知,當(dāng)應(yīng)力差大于等于3 MPa時(shí),水力裂縫遇到第一條天然裂縫易形成穿層縫,水力裂縫遇到第二條天然裂縫時(shí)易形成剪切縫。

圖4 天然裂縫尺寸2～4 m組合下不同地應(yīng)力差擴(kuò)展規(guī)律Fig.4 Propagation law of natural fracture size 2～4 m combination and different in-situ stress difference conditions

3.1.3 天然裂縫尺寸4～6 m組合和不同地應(yīng)力差條件下擴(kuò)展規(guī)律

圖5為壓裂液排量2 m3/min、黏度20 mPa·s施工條件下數(shù)值模擬結(jié)果,由圖5可知,應(yīng)力差為3、5、7 MPa時(shí),水力裂縫遇到第一條天然裂縫易形成穿層縫,水力裂縫遇到第二條天然裂縫時(shí)易形成剪切縫,當(dāng)應(yīng)力差為9 MPa時(shí),水力裂縫與兩條天然裂縫相交都易形成穿層縫。

圖5 天然裂縫尺寸4～6 m組合下不同地應(yīng)力差擴(kuò)展規(guī)律Fig.5 Propagation law of natural fracture size 4～6 m combination and different in-situ stress difference conditions

3.2 天然裂縫傾角60°～30°組合下水力裂縫擴(kuò)展規(guī)律

3.2.1 天然裂縫尺寸2～4 m組合和不同地應(yīng)力差條件下擴(kuò)展規(guī)律

圖6為壓裂液排量1 m3/min、黏度30 mPa·s施工條件下數(shù)值模擬結(jié)果,由圖6可知當(dāng)應(yīng)力差為3、5、7 MPa時(shí),水力裂縫遇到第一條天然裂縫易形成剪切縫,遇到第二條天然裂縫時(shí)易形成穿層縫;當(dāng)應(yīng)力差為9 MPa時(shí),水力裂縫與兩條天然裂縫相交都易形成穿層縫。

圖6 天然裂縫尺寸2～4 m組合下不同地應(yīng)力差擴(kuò)展規(guī)律Fig.6 Propagation law of natural fracture size 2～4 m combination and different in-situ stress difference conditions

3.2.2 天然裂縫尺寸2～6 m組合和不同地應(yīng)力差條件下擴(kuò)展規(guī)律

圖7為壓裂液排量3 m3/min、黏度30 mPa·s施工條件下數(shù)值模擬結(jié)果,由圖7可知,當(dāng)應(yīng)力差大于等于3 MPa時(shí),水力裂縫遇到第一條天然裂縫易形成剪切縫,水力裂縫遇到第二條天然裂縫時(shí)易形成穿層縫。

圖7 天然裂縫尺寸2～6 m組合下不同地應(yīng)力差擴(kuò)展規(guī)律Fig.7 Propagation law of natural fracture size 2～6 m combination and different in-situ stress difference conditions

3.2.3 天然裂縫尺寸4～6 m組合和不同地應(yīng)力差條件下擴(kuò)展規(guī)律

圖8為壓裂液排量1 m3/min、黏度20 mPa·s施工條件下數(shù)值模擬結(jié)果,由圖8可知,當(dāng)應(yīng)力差為3 MPa 和5 MPa時(shí),水力裂縫遇到第一條和第二條天然裂縫時(shí)都易形成剪切縫;當(dāng)應(yīng)力差為7 MPa和9 MPa時(shí),水力裂縫遇到第一條天然裂縫易形成剪切縫,遇到第二條形成穿層縫。

圖8 天然裂縫尺寸4～6 m組合下不同地應(yīng)力差擴(kuò)展規(guī)律Fig.8 Propagation law of natural fracture size 4～6 m combination and different in-situ stress difference conditions

3.3 模型的驗(yàn)證與評(píng)估

數(shù)值模擬將天然裂縫傾角、裂縫長(zhǎng)度、地應(yīng)力差、壓裂液排量和黏度作為單因素變量控制因素,研究了不同地質(zhì)因素變量和施工因素變量對(duì)裂縫相交后擴(kuò)展形態(tài)的影響。若水力裂縫與天然裂縫相交后的擴(kuò)展形態(tài)為穿層縫,則記為a,否則記為b。不同變量的變量名及其含義和分類情況如表5所示。

表5 數(shù)據(jù)集自變量解釋Table 5 Data set argument interpretation

利用Python語言編寫算法,先對(duì)SVM、KNN、CART和LR算法進(jìn)行單獨(dú)測(cè)試,單個(gè)算法的訓(xùn)練集和數(shù)據(jù)集按照6∶4劃分,Bagging集成算法采用bootstrap采樣方法每輪有放回地從方案樣本中選取數(shù)據(jù),未被選取的方案則作為測(cè)試集,然后對(duì)比各算法和Bagging集成算法的預(yù)測(cè)性能。經(jīng)調(diào)試,Bagging集成算法中參數(shù)值T=5,LR算法為分類器1,采取liblinear算法,隨機(jī)數(shù)種子設(shè)為45;決策樹方法為分類器2,選用CART分類樹算法;KNN算法為分類器3,方法中參數(shù)K的值經(jīng)調(diào)試后設(shè)定為5;SVM算法作為分類器4,核函數(shù)采用默認(rèn)的高斯徑向基函數(shù)。各算法的測(cè)試結(jié)果如表6所示。

表6 各算法測(cè)試集的混淆矩陣Table 6 The confusion matrix of each algorithm test set

從表6中可以知道,單個(gè)算法的訓(xùn)練集數(shù)量為1 167,Bagging集成算法經(jīng)bootstrap算法隨機(jī)有放回取樣后,未被采取的樣本即訓(xùn)練集數(shù)量為1 079。分析所有算法對(duì)水力裂縫與天然裂縫相交后擴(kuò)展形態(tài)預(yù)測(cè)結(jié)果,發(fā)現(xiàn)LR算法對(duì)類型1類型僅有871種結(jié)果預(yù)測(cè)準(zhǔn)確,對(duì)類型2類型有940種結(jié)果預(yù)測(cè)準(zhǔn)確,準(zhǔn)確率分別為74.63%和78.49%,Bagging集成算法分別對(duì)類型1和類型2分別有999種和976種結(jié)果預(yù)測(cè)準(zhǔn)確,準(zhǔn)確率分別為92.58%和90.45%,相比于LR算法分別提高了17.95%和11.96%。這說明Bagging集成算法在采用多個(gè)分類器的同時(shí)豐富了分類器的多樣性,有效地提高了模型的泛化能力。除此之外,在采用單因素變量研究裂縫相交擴(kuò)展形態(tài)的同時(shí),改變單因素的值,分析了各因素對(duì)裂縫擴(kuò)展形態(tài)的重要程度,具體情況如圖9所示。

圖9 各因素重要性Fig.9 Importance of each factor

由圖9可知,應(yīng)力差、壓裂液排量、壓裂液黏度、傾角2和傾角1這5個(gè)因素的重要程度為前5,且它們的重要程度所占比重都超過了10%。應(yīng)力差所占比重最大說明了應(yīng)力差會(huì)影響裂縫的擴(kuò)展方向,這與裂縫總是朝著地應(yīng)力最大的方向擴(kuò)展理論一致;壓裂液排量和黏度所占比重其次,說明了因壓裂液排量和黏度的改變,縫內(nèi)壓力也會(huì)隨之改變,縫尖能量的變化極大地影響了裂縫的偏轉(zhuǎn)擴(kuò)展;天然裂縫角度的變化會(huì)影響裂縫相交后的擴(kuò)展形態(tài),但這不是決定的因素;裂縫長(zhǎng)度所占比重最低,特別是第一條天然裂縫的長(zhǎng)度,在水力裂縫與第一條天然裂縫相交后,若是裂縫擴(kuò)展方向未偏轉(zhuǎn)第二條天然裂縫范圍內(nèi),則受其影響不大。

4 結(jié)論

(1)針對(duì)單一算法泛化能力不足的問題,采用基于多種基分類器的Bagging算法加權(quán)投票方式來預(yù)測(cè)水力裂縫與天然裂縫相交擴(kuò)展形態(tài),提高了分類器的多樣性,與單個(gè)算法相比,Bagging集成算法對(duì)裂縫相交擴(kuò)展形態(tài)的預(yù)測(cè)有較好的效果,測(cè)試集的類型1和類型2的預(yù)測(cè)準(zhǔn)確率分別達(dá)到了92.58%和90.45%,相對(duì)于單個(gè)算法最高提升了17.95和11.96個(gè)百分點(diǎn),說明Bagging集成算法有助于進(jìn)一步提升裂縫形態(tài)類別的預(yù)測(cè)準(zhǔn)確率。

(2)壓裂數(shù)值模擬結(jié)果表明:當(dāng)水平應(yīng)力差越大,水力裂縫與天然裂縫相遇時(shí)更容易形成穿層型裂縫,應(yīng)力差越小,更容易形成剪切型裂縫;當(dāng)壓裂液排量和黏度越低,越容易形成剪切縫;當(dāng)天然裂縫傾角越大時(shí),水力裂縫越容易沿著裂縫傾角的方向擴(kuò)展從而發(fā)生剪切破壞,當(dāng)天然裂縫傾角越小時(shí),越容易形成穿層型裂縫以及復(fù)合裂縫。當(dāng)天然裂縫尺寸越大時(shí),水力裂縫越容易從尖端起裂產(chǎn)生剪切縫。通過水力壓裂數(shù)值模擬實(shí)驗(yàn)結(jié)果為基礎(chǔ)構(gòu)建數(shù)據(jù)集,建立預(yù)測(cè)模型對(duì)水力裂縫與天然裂縫相交后裂縫的擴(kuò)展形態(tài)和路徑進(jìn)行智能化預(yù)測(cè),為頁巖氣的開發(fā)和實(shí)際壓裂工程優(yōu)化設(shè)計(jì)提供了重要參考。