东北石油大学地址在哪个区？秦皇岛东北石油大学地址( 五 )

图 2智能压裂系统与传统压裂技术的应用效果对比
Figure 2.Application effect comparison between intelligent fracturing system Prodigi and traditional fracturing
2.6 压裂裂缝智能监测技术
准确监测裂缝的形态及几何尺寸等参数，对于有效评价水力压裂效果作用重大。目前，裂缝智能监测技术主要包含微地震监测、测斜仪监测、裂缝参数反演和示踪剂监测等 ***，这些 *** 无论是原理还是应用效果均存在很大的差异性。
微地震和测斜仪监测可以获得大量的数据，采用人工智能算法进行处理后可以得到裂缝形态特征。N.Verkhovtseva 等人[57] 收集了 50 000 组测斜仪数据，利用前馈神经网络与模式识别网络，建立了测斜仪测量数据与裂缝方位、裂缝模式及裂缝体积等参数之间的关系，裂缝模式识别的准确度高达 89.2% 。崔晨雨[58] 提出了基于多目标智能优化算法与微地震结果的复杂裂缝反演 ***，采用微地震监测数据，利用基于分解的多目标裂缝网络反演算法，可以计算出多种复杂裂缝网络形态的组合方案。
常规示踪剂监测是通过定期检测压裂返排液中示踪剂的浓度来计算产出相特征，但存在准确度不高的问题。为此，国内外研制了智能响应性示踪剂，其与油、气和水接触前不反应，接触后可以释放相对应的微量示踪分子，通过检测返排液中示踪分子的浓度，对分段压裂水平井每一段的压裂效果进行评价[5 9]，逐渐形成了示踪剂智能监测技术。例如，K.Ovchinnikov 等人[60] 研制了基于碳量子点的智能示踪剂，通过在支撑剂表面进行涂层改性或直接注入，从而实现压裂裂缝的智能监测。此外，哈里伯顿公司提出了一种基于电磁感应理论的裂缝监测 *** [61]，通过压裂液携带磁流体进入地层，使人工裂缝具有一定的磁效应，压裂施工完成后下入导电螺线管磁场发生装置，使压裂液中携带的磁流体产生次生磁场，再根据地面接受到的磁场信号来计算人工裂缝的几何形状及方位等参数，从而对压裂效果进行评价，基本原理如图 3 所示。
目前，分布式光纤已经逐步应用于压裂裂缝监测。罗红文等人[62– 63] 基于页岩气分段多簇压裂水平井的分布式光纤监测数据，采用 MCMC 和 SA 等人工智能算法建立了人工裂缝反演模型，可以定量反演有效压裂裂缝参数和每一段的产出数据。
图 3磁流体裂缝监测原理
Figure 3.Principle of fracture monitoring with magnetic fluid
3. 智能压裂技术发展趋势目前，智能压裂技术已经取得了一定的进展和成果，但距精准智能压裂仍有较大的差距。在压裂参数智能优化方面，虽然相关算法及模型已经较为成熟，但由于各类压裂数据完整性不高，对模型计算的准确性影响较大，需要开展小数据样本的深度挖掘，以提高机器学习的准确度，并建立地质工程一体化压裂智能决策平台，不断提高压裂参数智能优化的准确性。在压裂流体与材料方面，虽然已经研制了一些感受外部 *** 的响应性智能压裂材料，但大多处于室内试验阶段，现场应用较少，仍需要加大相态转化压裂液、压敏型暂堵剂和自聚集支撑剂等研发力度，以满足智能压裂的需要。在智能压裂工具及智能控制方面，虽然压裂设备、工具和风险预警系统等自动化程度明显提高，但智能化及智能控制方面进展较慢，需要大力研发无人值守压裂设备及智能工具，提高压裂作业效率。
3.1 开展小数据样本的深度挖掘，提高机器学习的准确度大数据是深度学习的基础，但如果数据虽多但质量不高，则学习与预测的结果也令人难以信服。由于压裂施工中各种压裂数据的收集与校核较为困难，而且一些储层的压裂井数较少，因此，需要开展小数据样本的深度挖掘与学习研究，解决在样本量较少的情况下机器学习所面临的提高准确度的巨大挑战，在小样本学习算法上开展研究[64–65]，根据训练特征并结合任务特征信息的方式，将深度挖掘 *** 嵌入模型，基于迁移学习和元学习等 *** 实现小样本数据的学习和挖掘。小数据样本的深度挖掘能有效提高数据的利用率，降低模型的研究和开发成本。此外，在小样本数据的迁移学习时（如预测压后产量），应高度重视油气藏类型的相似性研究，以提高预测结果的准确性。