随机森林预测花岩水力压裂的故障时间,使用声辐射信号
Madeleine P Hooper1, Arnold Yuxuan Xie1, Bing Q Li1
1Department of Civil and Environmental Engineering, Western University, London, Canada.
Geoenergy communications
|November 19, 2025
概括
我们开发了一个随机森林模型,使用声辐射信号来预测水力压裂过程中岩石破裂的情况. 这种先进的方法可以提前1000-1800秒预测故障,这对于管理地热能中的诱导地震性至关重要.
科学领域:
- 地质物理学 地质物理学
- 岩石机械学 岩石机械学
- 机器学习 机器学习
背景情况:
- 地热能对碳中和至关重要,但水力压裂可以诱导地震性.
- 目前用于预测诱导地震的方法往往太短期,无法有效地减轻危险.
研究的目的:
- 开发一个预测模型,用于岩石破裂在液压压裂过程中使用声学辐射信号.
- 改进预测引发地震事件的预测交付时间.
主要方法:
- 在巴雷花岩上利用了水力压裂实验的声辐射 (AE) 信号.
- 开发了一个随机森林模型,根据AE信号的统计特征预测故障时间.
- 定义故障为一个大的压力下降,表明不稳定的宏观液压断裂传播.
主要成果:
- 在测试数据上获得0.97的确定系数 (R^2).
- 确定了影响预测的四大统计特征:平均值,最小值,第一个有限差异的曲率和信号电压的斜率.
- 预测故障提前1000-1800秒,明显优于基准模型 (18-69秒).
结论:
- 在加速地震释放之前,有可能预测岩石破裂.
- 开发的模型在预测地热能源应用的诱导地震性方面取得了重大进展.
- 早期预测故障对与水力压裂相关的地震风险的管理有直接影响.
