基于改进BP神经网络的页岩地应力预测模型

尚福华，王玮卿，曹茂俊

(东北石油大学 计算机与信息技术学院，黑龙江 大庆 163318)

0 引 言

页岩气是中国能源勘探的重要领域和目标。其中，地应力分析技术是指导页岩压裂施工的核心技术[1]。目前，初始地应力数据主要靠现场实测获得，但是通常需要在现场利用水力压裂法，应力-应变恢复法等方法进行测量，这些测量方法测试周期较长，成本昂贵，测试条件有限，所以目前地应力场一般的演算方法为以实测地应力数据为基础，通过数值模拟或数值分析来求解[2]。然而，由于地层在漫长的时期中经历多次地质作用及构造演化，地质构造类型、作用程度和方向不同，导致构造应力场的大小和方向存在时间和空间的变异性，只能通过它的外部相关因素的状态和方式来把握该事物的信息[3]。

神经网络具有自学习、自组织、可以高速寻找最优解等优点，可成功拟合多数非线性连续函数。因此，针对建立工程区域内相关的参数与岩体初始地应力非线性映射关系问题，采用神经网络是一种有效的解决手段[4]。目前，已有一些学者应用BP神经网络分别对三维应力场和岩石力学参数进行了反演分析。侯连浪等[5]建立并训练了BP神经网络对页岩静弹性模量进行预测，杨志强等[6]利用金川矿区实测地应力样本建立了人工神经网络模型进行训练，获得了金川矿区地应力分布规律。然而，由于BP神经网络的优化算法为梯度下降法，目标函数通常又极其复杂，因此，存在着网络训练易过拟合、易陷入局部最优、收敛速度较慢以及隐层节点数难于确定等缺点[7]。……