【儀表網 儀表研發(fā)】人工智能地質大數(shù)據分析是新興交叉學科，其核心是在物理規(guī)律約束下，通過建立數(shù)學模型，采用數(shù)據科學方法，分析和挖掘有價值的核心信息及關鍵證據，以解決地質學的認知、發(fā)現(xiàn)、決策及評價等理論和地質資源探測中的實際問題。
 

　　深地非常規(guī)資源鉆探地質風險的鉆前預測是一個難題，其中，鉆井井壁失穩(wěn)是鉆探地質與工程風險的核心關注點之一。實現(xiàn)鉆前合理預測并管控、規(guī)避鉆井井壁失穩(wěn)地質風險、從被動應對向主動預防 (如優(yōu)化開發(fā)部署方案)轉變，對成功且低成本地開發(fā)復雜非常規(guī)資源具有重要意義。由于非常規(guī)資源地質因素較復雜，常規(guī)基于合理假設的模型方法難以描述其復雜地質的風險。常規(guī)的基于純數(shù)據驅動的機器學習方法在科學問題推理中對訓練數(shù)據的擬合較好，但存在對未知數(shù)據解釋能力欠佳、缺乏物理規(guī)律一致性的問題。
 

　　中國科學院地質與地球物理研究所博士后耿智與合作導師、研究員王彥飛提出了一種引入地質力學信息約束的基于地震數(shù)據預測鉆探井壁失穩(wěn)地質風險的深度學習方法。研究人員從第一性原理思考，假設地層巖石是近似彈性且無顯著異常孔隙流體壓力，則可將井周巖石力學方程簡化，推導建立以孔隙度和井深為變量的物理約束正則項，加入訓練深度學習模型的目標函數(shù)中；實現(xiàn)基于物理機制約束深度學習模型解空間，提高對未知數(shù)據推理解釋能力的目標。該方法將已鉆井的測井數(shù)據(中子孔隙度、垂深)作為上述物理約束正則項的輸入，結合已鉆井井周的勘探地震數(shù)據隱特征與井壁坍塌位置數(shù)據，通過深度學習技術，可提升在未鉆井地區(qū)僅利用勘探地震數(shù)據預測井壁失穩(wěn)地質風險的預測準確性。
 

　　實例分析表明，與常規(guī)的僅基于標簽數(shù)據的機器學習方法相比，該方法的預測準確性相對提高約11.5%。該研究方法無需人工額外加注(解釋)標簽，可直接利用已有的海量測量數(shù)據(勘探地震、測井)，將已鉆井數(shù)據與地質力學機制作為先驗約束信息，提升鉆前地質風險預測能力，合理優(yōu)化鉆探布井方案等，降低深地非常規(guī)資源勘探鉆探風險與成本。
 

　　相關研究成果以Physics-guided deep learning for predicting geological drilling risk of wellbore instability using seismic attributes data為題，發(fā)表在Engineering Geology上。研究工作得到國家重點研發(fā)計劃項目、中科院“從0到1”原始創(chuàng)新項目、地質地球所重點部署項目的支持。