本发明涉及一种模型驱动模式条件下的co2增能压裂起裂压力预测方法，属于油藏数值模拟。
背景技术：
1、页岩气和致密油等非常规油气资源在能源结构中的占比越来越大，由于页岩储层的储集性普遍较差(承压下渗透率小于0.1×10-3μm2，孔隙度小于10％)，几乎所有的页岩储层都必须进行储层改造(以水力压裂为主)，为油气进入生产井创造主要的运移通道，达到有效开采目的。但是水力压裂存在：水资源浪费严重；损害储层(与储层黏土反应导致水锁、水敏等问题)；环保问题(返排水及化学品污染)；自身缺陷等缺点，减少水力压裂作业已经成为必须趋势。
2、作为水力压裂的替代方案，co2压裂在20世纪60年代被提出，以解决水力压裂被边缘化的问题。低粘度的co2压裂液具有高渗透性(地层条件下，容易达到超临界状态，溶解和扩散能力进一步增强)，易于与天然裂缝连通，降低破裂压力，在脆性岩石中发生剪切滑动，形成复杂的裂缝网络，从而扩大储层压裂体积。
3、但是实际的现场应用发现co2压裂存在地层破裂不明显、井下结冰、增粘效果低于预期；室内试验也发现其存在粘性指进、裂缝较窄、携砂能力差以及裂缝易闭合等问题。因此，提出co2增能压裂方法，首先进行co2压裂改变应力场，与岩石反应，进行先期造缝，之后进行水力压裂扩大并支撑缝网。co2增能压裂已经在国内进行了现场试验，取得了不错的效果，是未来一个很好的发展趋势。
4、在co2增能压裂过程中，裂缝起裂压力是压裂设计的关键参数之一。如果起裂压力较小，可能导致裂缝难以打开，影响压裂效果；如果起裂压力太大，对施工设备要求较高，经济成本增加，容易破坏围岩的密封性和完整性。起裂压力由多种因素综合决定的，主要分为工程地质参数和现场施工参数两大类。裂纹萌生的内部机制十分复杂，很难简单求得其数值。因此，准测预测co2增能压裂中的起裂压力具有重要的现实意义。
5、目前对于co2增能压裂的研究较少，主要研究都集中在co2/超临界co2实验研究，但实验方法存在检测过程复杂、耗时长、样品制备困难等缺点。此外，实验室样本也不能代表整个研究区域的情况，其随机性较大。在起裂压力的理论计算中，由于co2具有高压缩性、低粘度的特性，因此co2流体在压裂井眼及围岩中的应力分布与水力压裂不同，不能按照水力压裂的起裂压力公式计算。因此，利用模型驱动方法，建立co2流体的热流固耦合模型进行数值模拟计算起裂压力，并进行起裂压力预测是一种不错的方法。
6、近年来，人工智能(ai)技术在预测方法取得了显著的发展和进步，主要使用机器学习算法来学习和处理复杂的非线性问题，并取得了更好的预测结果。目前，各个领域都开始了人工智能预测的应用研究。razani等人使用takagi-sugeno模糊推理系统预测煤矿顶板垮落率。qi等采用粒子群优化的神经网络算法对胶结充填体无侧限抗压强度进行预测分析。与传统建模相比，随机森林(rf)算法在预测相对渗透率方面显示出更高的准确性。rf算法也被用于复制基于有限离散单元的压裂模拟器的结果，其中，与高保真模型相比，降阶机器学习模型在传播路径和时间上获得了可靠的预测结果。可以看出，人工智能技术在工程领域已经有了很多应用。值得注意的是，机器学习的算法实现需要进行超参数优化(使得模型在不同任务下实现最佳性能)。
7、考虑到室内实验存在检测过程复杂、耗时长、样品制备等缺点；起裂压力理论计算模型缺乏等问题。进行数值模型建立，通过从数据和领域知识中学习来简化和加速以前费力的工作，利用模型驱动并结合机器学习来预测co2增能压裂的起裂压力，具有现实意义和应用价值。基于此，提出本发明。
技术实现思路
1、针对现有技术的不足，本发明提供一种模型驱动模式条件下的co2增能压裂起裂压力预测方法，利用模型驱动并结合机器学习来预测co2增能压裂的起裂压力，对co2增能压裂技术的推广应用具有指导意义。
2、术语解释：
3、cohesive模块：abaqus中的cohesive模块可用于模拟金属的裂纹扩展、复合材料的分层、焊接区域的破坏、涂层的断裂等，在消费电子、航空航天等领域的仿真中有广泛的应用。其中，有限元+cohesive粘结单元模拟方法为模拟水力压裂裂缝扩展的重要手段之一。
4、元启发式算法：元启发式算法是相对于最优算法提出来的，一个问题的最优化算法可以求得该问题的最优解，而元启发式算法是一个基于直观或经验构造的算法，它可以在可接受的花费(指计算时间和空间)下给出问题的一个可行解，并且该可行解与最优解的偏离程度不一定可以事先预计。元启发算法主要包括：遗传算法、粒子群算法、协方差矩阵自优化策略、人工神经网络算法等。
5、ansys：属于有限元分析软件的一种。ansys软件是美国ansys公司研制的大型通用有限元分析(fea)软件，是世界范围内增长最快的计算机辅助工程(cae)软件，能与多数计算机辅助设计(cad，computer aided design)软件接口，实现数据的共享和交换，如creo,nastran、algor、i－deas、autocad等。是融结构、流体、电场、磁场、声场分析于一体的大型通用有限元分析软件。在核工业、铁道、石油化工、航空航天、机械制造、能源、汽车交通、国防军工、电子、土木工程、造船、生物医学、轻工、地矿、水利、日用家电等领域有着广泛的应用。
6、本发明的技术方案如下：
7、一种模型驱动模式条件下的co2增能压裂起裂压力预测方法，步骤如下：
8、(1)建立基于cohesive模块的co2流体的流固耦合模型，设计模拟实验，改变若干影响因素，得到模拟的起裂压力结果；
9、(2)在石油工程领域，随机森林算法(rf)在相关参数预测取得良好的效果，选取随机森林算法进行参数预测处理；
10、(3)选取元启发式算法中的cma-es算法作为超参数优化算法(其中，rf算法的主要属性有11个，因此需要选取合适的算法进行超参数优化)；
11、(4)利用cma-es算法完成对随机森林算法的超参数优化，得到优化后的随机森林算法；
12、(5)以模型驱动的若干组模拟起裂压力结果作为输出参数，影响因素是输入参数；
13、(6)算法模拟得到每个参数的特征因子，并进行影响因素排序(注：若干个影响因素特征因子和为1)；
14、(7)建立起裂压力和影响因素之间的拟合模型。
15、根据本发明优选的，步骤(1)中，具体步骤为：
16、压裂裂缝的引发和传播过程都可以被视为内聚单元的失效，嵌入多孔基体的内聚力模型都是压裂裂缝引发后的潜在延伸路径，所有引发以及传播行为都发生在内聚单元区，其中，基本模型方程为岩石基质渗流-应力耦合模型：
17、孔隙压力与固体基质应变之间存在瞬间的相互作用，利用线弹性方程来建立应力和应变关系：
18、σij＝λεvδij+2gεij-cξδij (1)
19、p＝cεv-mξ (2)
20、式中，σij为应力，单位为mpa；λ和g为多孔材料的lame参数；c和m为两相介质的附加弹性模量，单位为mpa；εv为体积应变；ξ为流体相对于固体体积变形的应变参数；p为孔隙压力，单位为mpa，δij为kronecker函数；
21、岩石总应力平衡时应满足应力εij在j上的分量为0，即：
22、σij,j＝0 (3)
23、岩石孔隙流体满足质量守恒方程：
24、
25、其中，qi,j为流体流量，m3/s；
26、裂缝内流体流动(即岩石孔隙流体)，裂缝扩展过程中，流体同时进行切向和法向流动，切向流动促进裂缝延伸扩展，法向流动表明流体滤失到地层中，假设单元内部流体为不可压缩的牛顿流体，其切向流动的计算式为：
27、
28、式中，q为裂缝内单元宽度的体积流量，单位为m3/(s·m)，q与公式(4)中的流体流量qi,j相同，qi,j是kronecker函数中的流量写法；ω为裂缝宽度，单位为m；μ为流体粘度，单位为pa·s；为沿裂缝方向的流体压力梯度，单位为pa/m；
29、裂缝内流体的法向流动方程为：
30、
31、式中，qt和qb分别为流量q在裂缝顶部和底部流体的滤失量，单位为m2/s；ct和cb分别为裂缝顶部和底部流体的滤失系数，单位为m2/(s·pa)；pi为单元中部的表面压力，单位为pa；pt和pb分别为裂缝顶部和底部的表面压力，单位为pa；
32、单元内的流体质量守恒方程为(建立的数值模型会有很多单元网格，每个单元内均满足质量守恒方程)：
33、
34、式中，q(t)为压裂流体注入速度，单位为m3/s；
35、裂缝扩展演化规则，单元起裂准则：
36、
37、式中，tn，ts，tt为三个加载方向上的应力(tn为正应力；ts和tt分别为第一、第二剪应力)，单位为mpa；和分别为未发生损伤的单元的抗张、第一和第二剪切强度，单位为mpa；< >为macaulay括号，表示纯挤压变形或应力状态不会造成单元损伤；
38、单元损伤的演化：
39、
40、
41、
42、式中，和为假设模型不发生演化，仍处于线弹性变形过程时3个加载方向上的应力，单位为mpa；tn，ts和tt为三个加载方向上的真实应力，单位为mpa；d为无量纲损伤系数，d＝0，材料没有损伤，d＝1，材料完全损坏；
43、b-k准则描述断裂扩展中损伤的演化：
44、
45、式中，gc为混合模式下黏聚单元的总临界能量释放率，单位为pa·m；为单元法向上的临界能量释放率，单位为pa·m；为单元切向上的临界能量释放率，单位为pa·m；gn，gs和gt分别为黏聚单元法向、第一切向和第二切向上的能量释放率，单位为pa·s；η为材料本身有关的常数，通常取2.284。
46、公式(9)是单元损伤公式，公式(10)是采用b-k准则对单元损伤采用能量方式进行的具体描述，是数值模型建立时选择的一种损伤准则，是具体的描述。
47、根据本发明优选的，步骤(1)中，模拟实验为co2增能复合压裂模拟，包括co2压裂和水力压裂，两步压裂时间比为1：2。
48、根据本发明进一步优选的，co2压裂为，按照公式(1)-(10)建立的流固耦合模型进行co2压裂，模拟时间为t；
49、计算相变释放总能量中的有用能量，得到相变释放总能量中的有用能量-时间历史曲线，然后进行相变阶段的模拟，利用ansys中的autodyn模块对co2相变致裂引起的爆炸载荷进行测定，由co2注入量确定炸药当量，然后通过耦合计算得到井壁附近区域爆炸载荷的压力-时间曲线；
50、之后进行水力压裂模拟(co2和水的流体黏度，滤失系数以及液体比重等是不同的，通过改变这些关键参数来进行水力压裂模拟)，水力压裂时间是co2压裂的2倍。
51、根据本发明优选的，相变释放总能量中的有用能量计算过程为：
52、储层条件下，co2变为超临界状态，一旦注入停止，co2压力急剧下降，并且co2从超临界状态转变为气态，高能co2产生严重的膨胀和爆破影响，超临界co2相变时释放的总爆炸能量为：
53、
54、式中，eg为相变释放的总能量；p为相变前裂纹处co2压力；p0为裂纹扩展所需的最小压力；v为co2相变前的裂纹体积；k为绝热系数，其中co2相变前k＝1.295；
55、相变释放能量的过程中存在过滤和损失现象，为了更准确地计算膨胀开裂所消耗的能量，引入能量利用率：
56、eu＝η×eg (12)
57、式中，eu为相变释放总能量中的有用能量；η为能量利用率，取0.9，其值，主要指bleve现象中的能量损失；
58、炸药当量确定过程为：
59、co2相变致裂(wtnt)的tnt当量为：
60、
61、式中，qtnt为1kg炸药的爆炸能量，取值4250kj/kg；
62、炸药当量为注入co2的质量乘以1kgco2相变致裂得到的co2相变致裂的tnt当量，然后利用ansys中的autodyn模块建立的数值模型，其模拟结果得到耦合计算的井壁附近区域爆炸载荷的的压力-时间曲线。
63、根据本发明优选的，步骤(1)中，影响因素数量为8个，分别为压裂液注入量、压裂液温度、垂向主应力、水平最大主应力、水平最小主应力、储层岩石抗拉强度、储层岩石弹性模量和储层岩石泊松比(影响因素都是具体参数，可以在模型中设置改变)，改变8个影响因素，设计80组模拟实验，得到模拟的起裂压力结果，其中，训练集50组，测试集30组。
64、根据本发明优选的，步骤(4)中，cma-es算法流程如下：
65、输入：适应度函数f(x)，问题搜索空间的维度n，子代个体数(种群规模)m，父代个体数(种群中选定的搜索点的数量)n，阻尼因子dσ，学习率cσ、cc、c1、cn，重组权值wt最大迭代次数g。
66、输出：最优个体。
67、1.初始化：均值μ(0)∈rn，步长σ(0)∈r+；演化路径协方差矩阵c(0)＝i∈rn×n；进化代数g(0)＝0；
68、2.for g←1to g do。
69、3.for k←1to m do。
70、4.种群采样：采样公式：
71、
72、式中，是第g+1代中第k个个体；μ(g)是第g代种群分布的均值；σ(g)是第g代的步长；c(g)是第g代的协方差矩阵，对c进行特征根分解，c＝bd2bt，采样公式变为：
73、
74、式中，b的各列是c的特征向量的标准正交基；d的对角线元素是c的相应特征值的平方根；
75、5.评价与选择：对子代个体计算适应度函数f(xk)并进行排序，选择适应度排名靠前的n个个体组成当前最优子群。
76、6.均值更新：对现有最优子群进行加权重组和均值更新，具体更新公式如下：
77、
78、式中，即适应度越高的个体权重越大；是从中选出适应度排名为第i的个体。
79、7.协方差矩阵自适应调整：
80、
81、
82、式中，cc是pc的更新学习率；neff是方差有效选择质量；c1和cn分别为c的秩1和秩n的更新学习速率；hσ是heaviside函数，即：
83、
84、式中，e(||n(0,i)||)是归一化演化路径再随机选择下的期望值，hσ用来防止pc的过大增长；δ(hσ)＝(1-hσ)cc(2-cc)。
85、8.步长控制：
86、
87、式中，cσ是pσ的更新学习率；dσ是步长更新的阻尼因子，约等于1。
88、9.end for
89、10.end for
90、11.输出最优个体
91、cma-es算法不需要计算目标函数的梯度，因此也适用于非光滑和非线性问题；且采用了一种自适应的策略，能够更好地利用历史信息，并加速算法的收敛。
92、本发明的有益效果在于：
93、本发明公开了一种模型驱动模式条件下的co2增能压裂起裂压力预测方法研究，填补了目前对于co2增能压裂起裂压力预测方面研究的空白。用模型驱动并结合机器学习来预测co2增能压裂的起裂压力，研究成果对co2增能压裂技术的推广应用具有指导意义。
1.一种模型驱动模式条件下的co2增能压裂起裂压力预测方法，其特征在于，步骤如下：
2.如权利要求1所述的模型驱动模式条件下的co2增能压裂起裂压力预测方法，其特征在于，步骤(1)中，具体步骤为：
3.如权利要求2所述的模型驱动模式条件下的co2增能压裂起裂压力预测方法，其特征在于，步骤(1)中，模拟实验为co2增能复合压裂模拟，包括co2压裂和水力压裂，两步压裂时间比为1：2。
4.如权利要求3所述的模型驱动模式条件下的co2增能压裂起裂压力预测方法，其特征在于，co2压裂为，按照公式(1)-(10)建立的流固耦合模型进行co2压裂，模拟时间为t；
5.如权利要求4所述的模型驱动模式条件下的co2增能压裂起裂压力预测方法，其特征在于，相变释放总能量中的有用能量计算过程为：
6.如权利要求5所述的模型驱动模式条件下的co2增能压裂起裂压力预测方法，其特征在于，步骤(1)中，影响因素数量为8个，分别为压裂液注入量、压裂液温度、垂向主应力、水平最大主应力、水平最小主应力、储层岩石抗拉强度、储层岩石弹性模量和储层岩石泊松比，改变8个影响因素，设计80组模拟实验，得到模拟的起裂压力结果，其中，训练集50组，测试集30组。
