煤储层裂缝预测模型

基于机器学习和地应力分析的煤储层自然裂缝发育预测方法

Zihao, Wang · 蔡益栋 · Liu, Dameng · Jun, Lu · Qiu, Feng · Fengrui, Sun · 胡景宏 · Li, Zhentao

Engineering Geology 2024

参数信息

预测准确率（BP神经网络）

95.8 %

预测准确率（支持向量机）

83.3 %

预测准确率（随机森林）

91.6 %

预测准确率（XGBoost）

93.7 %

技术优势

预测精度最高

BP神经网络在四种算法中准确率最高，达95.8%，能更可靠地预测裂缝发育。

地应力验证一致

有限元计算的区域地应力分布与BPNN预测的裂缝发育程度吻合，证实了地应力对裂缝的控制作用。

提供算法实践新思路

该工作将机器学习应用于地质工程，并整合地应力分析，为地质学家和工程师提供了可借鉴的方法。

应用场景

• 煤层气储层评价：准确预测裂缝发育，指导煤层气井位部署和改造设计。
• 地质工程：提供机器学习与地应力结合的预测工具，支持工程设计。
• 储层裂缝预测：高精度算法替代传统测井解释，提升预测可靠性。
• 地应力分析：分析地应力控制裂缝发育，辅助评估储层力学稳定性。