页岩力学性质研究中机器学习的应用：现状、挑战与展望

来源：石油科学通报杂志2025年第5期北京时间：

作者：陈君青, 杨晓斌, 张潇, 王玉莹, 火勋港, 姜福杰, 庞宏, 施砍园, 马奎友

单位：1 中国石油大学(北京)理学院能源交叉学科基础研究中心，北京 1022492 中国石油大学(北京)理学院油气光学探测技术重点实验室，北京 1022493 中国石油大学(北京)油气资源与工程全国重点实验室，北京 1022494 中国石油大学(北京)地球科学学院，北京 102249

摘要：页岩油气开采过程面临诸多复杂地质力学问题，页岩的力学性质作为决定开采效率与安全性的核心要素，亟待深入的研究与探索。在此背景下，机器学习凭借强大的数据处理与模式识别能力，为页岩力学性质研究开辟了新路径。本文聚焦机器学习在页岩力学性质研究中的应用，系统阐述该领域的现状、挑战与展望。首先，详细梳理当前机器学习算法在页岩力学参数预测、破坏模式识别方面的应用成果，展示其相较于传统研究方法在处理复杂数据、挖掘潜在规律上的显著优势。随后，梳理了机器学习在页岩力学性质研究应用中面临的诸多挑战。页岩样本数据具有高维、小样本特性，容易导致模型出现过拟合现象；同时，多数机器学习模型内部运行机制难以解释，限制了其推广使用。此外，页岩地质条件复杂多变，不同地区页岩的矿物组成、孔隙结构差异巨大，现有模型在跨区域、跨地质条件应用时，普适性明显不足。最后，基于前沿技术发展趋势展望未来。机器学习在页岩力学性质研究领域前景广阔，通过融合地质、地球物理、测井等多源数据，能够为模型提供更丰富的信息，降低数据维度带来的负面影响；优化算法架构，结合迁移学习、集成学习等技术，可提高模型的泛化能力；构建基于物理约束的机器学习模型，既能增强模型的可解释性，又能提升其在复杂地质条件下的适应性。这些策略有望突破现有瓶颈，推动机器学习在页岩力学性质研究中的深度应用，为页岩油气资源的高效开发提供坚实的理论与技术支撑。

关键词：机器学习,页岩力学性质,页岩油气,力学参数预测,模型可解释性

基金资助：国家自然科学基金项目(42102145)