一种神经网络的地热热储温度场模拟的方法

本发明涉及地热热储模拟，具体为一种神经网络的地热热储温度场模拟的方法。

背景技术：

1、在深部地热的研究中，温度场模拟的研究是一项具有挑战的任务。常规的处理技术通常是利用数值模拟、利用有限元模拟软件模拟、利用计算机代码等方法来模拟深部地热的温度场。然而，这些方法模拟的深部地热的模型较为简单，对于复杂模型模拟没有相对成熟的理论支持，对于存在多裂缝和热通道的地质模型中，无法同时处理裂缝和热通道的温度场模拟，在实际数据的应用中，存在较多的条件限制。相反，神经网络应用于几乎所有地学学科领域，利用商业软件实现简单地热模型的温度场的模拟在结合神经网络实现对复杂模型深部地热温度场的模拟，已解决复杂地质模型的温度场模拟，基于神经网络模拟深部地热温度场的方法，在对深部地热的研究和开采中有着重要意义。

2、目前，神经网络应用于地热模拟主要是地热资源评价，李录娟等(2011)采用bp神经网络建立地热潜力评估模型，并通过该模型对其他地热场地进行地热潜力预测，唐强宜和张怡(2013)根据神经网络的自适应优化能力基于以上相同的评价因子建立地热评估方法，用于估算区域内不同地区的地热值。然而深部地热的另一个重要问题是，如何模拟深部地热的温度场，但目前常用的温度场模拟主要是利用有限元软件模拟的，其模型较为简单，无法精确的模拟地温场，不利于实际情况的应用。

技术实现思路

1、鉴于现有技术中所存在的问题，本发明公开了一种神经网络的地热热储温度场模拟的方法，用来模拟深部地热的温度场，解释深部地热中的裂缝和地热通道等地质构造。

2、为实现上述目的，本发明实现地热热储温度场模拟的具体过程包括步骤如下：

3、步骤一、获取用于模拟深部地热温度场的岩石参数数据，岩石参数数据包括密度、比热和热传导系数；

4、步骤二、对深部地热温度场的岩石力学和热学的参数进行地质建模得到二维地质模型，根据实际的地层结构构建地层模型，在相应的地层单元中添加对应的岩石参数数据；

5、步骤三、将二维地质模型离散成有限个单元，并在有限的单元内设定有限个节点，选取近似的插值函数表示分布规律，求解节点未知量的有限元方程组，得到相应的温度场；

6、步骤四、对步骤三得到的温度场进行白化预处理，再进行神经网络的训练，建立岩石各个参数与温度场之间的对应关系；

7、步骤五、根据训练的神经网络模型，进行温度场的模拟。

8、作为本发明的一种优选方案，步骤三中的温度场的控制方程表示为：

9、

10、其中，t为温度场，x为横向方向，y为纵向方向，t为时间，a为导温系数，形式入下：

11、

12、其中，λ为热导率，c为比热，ρ为密度。

13、作为本发明的一种优选方案，步骤四所述神经网络以含有岩石各个参数的二维地质模型y为输入，以温度场t为期望输出，利用如下公式建立y与t的关系：

14、t＝cbam-b-net(y；θ)

15、其中，t为期望输出的温度场，y为输入数据，其中，θ＝{w，b}，w、b都是神经网络参数，其中w表示权重矩阵，b表示偏置矩阵；cbam-b-net(·)表示基于注意力机制(convolutional block attention module)和残差结构(bottleneck architectures)建立的u型神经网络的处理过程；在设计神经网络时，在网络最后的输出层前加入了协调注意力层，来使模型更准确的识别断层、热通道等特殊的地质构造，从而更加准确的实现模拟温度场；协调注意力层可以表示为：

16、

17、其中，yc(i，j)表示经过协调注意力模块，xc(i，j)表示输出数据，和分别为：

18、gh＝σ(fh(fh))

19、gw＝σ(fw(fw))

20、其中，fh和fw表示为两个1×1的卷积变换，σ是sigmoid函数，fh和fw是在水平方向和垂直方向上对空间信息卷积后的特征图；

21、f＝δ(f1([zh，zw]))

22、其中，[·，·]表示沿空间维度的连接操作，δ表示非线性激活函数，f1表示1×1的卷积变换，zh和zw分别为：

23、

24、

25、其中，表示与第c个通道水平坐标相关联的输出，表示与第c个通道垂直坐标相关联的输出，xc表示卷积层，h为特征图在水平方向的大小，w为特征图在垂直方向上的大小；

26、在神经网络的训练过程中，网络实际输出cbam-b-net(y；θ)与期望输出t之间的误差不断缩小，采用均方误差去衡量cbam-b-net(y；θ)与t之间的误差：

27、

28、其中，l(θ)表示损失函数，代表frobenius范数，表示n个训练数据-标签对；

29、神经网络训练的过程实际上就是神经网络参数θ不断更新的过程，可以用基于梯度下降的反向传播算法实现：

30、

31、其中，θ(k)表示第k层的神经网络参数，α为学习率。

32、作为本发明的一种优选方案，步骤四所述白化预处理是用来降低输入数据特征之间的冗余性，提高网络的训练效率。

33、作为本发明的一种优选方案，步骤五温度场的模拟过程为：

34、αk＝relu[bn(wk·ak-1+b)]

35、ak+1＝down(ak)

36、

37、其中，ak表示下采样过程中第k层的特征图，relu(·)表示修正线性单元，bn(·)表示批规范化，down(·)表示下采样操作，al表示解码器中的第l层的特征图，表示来自编码器的与al-1通道数相同的特征图，cat(·)表示拼接操作。

38、本发明的有益效果：本发明通过神经网络实现对深部地热的温度场的模拟，以及解释深部地热中的裂缝和地热通道等地质构造，利用神经网络强大的映射能力解决复杂地质模型的地温场的模拟，更好的模拟了实际情况的地质模型的地热模拟，能够解决众多参数的影响，达到精确的模拟地温场的目的，在深部地热研究开采中具有重要的应用价值。

技术特征：

1.一种神经网络的地热热储温度场模拟的方法，其特征在于，包括步骤如下：

2.根据权利要求1所述的一种神经网络的地热热储温度场模拟的方法，其特征在于：步骤三中的温度场的控制方程表示为：

3.根据权利要求1所述的一种神经网络的地热热储温度场模拟的方法，其特征在于：步骤四所述神经网络以含有岩石各个参数的二维地质模型y为输入，以温度场t为期望输出，利用如下公式建立y与t的关系：

4.根据权利要求1所述的一种神经网络的地热热储温度场模拟的方法，其特征在于：步骤四所述白化预处理是用来降低输入数据特征之间的冗余性，提高网络的训练效率。

5.根据权利要求1所述的一种神经网络的地热热储温度场模拟的方法，其特征在于：步骤五温度场的模拟过程为：

技术总结
本发明涉及一种神经网络的地热热储温度场模拟的方法。包括获取用于温度场模拟的岩石物理参数(密度)和热学参数(比热容、热传导系数)；对所得到的物理参数和热学参数进行数值建模，再将数值模型离散成有限个单元，并在有限的单元内设定有限个节点，选取近似的插值函数表示分布规律，求解节点未知量的有限元方程组，得到相应的温度场数值；根据方程组计算的温度场，输入基于注意力机制和残差结构构建的神经网络进行网络模型的训练；得到神经网络模型用来模拟深部干热岩储层温度场。能够解决深部地热温度场模拟问题，达到解释深部地热中的裂缝、热流通道等地质构造的目的，在深部地热研究开发中具有重要应用价值。

技术研发人员：高万里,赵惊涛,彭苏萍,林朋
受保护的技术使用者：中国矿业大学（北京）
技术研发日：
技术公布日：2024/1/14