近日，由中國(guó)農(nóng)業(yè)大學(xué)吳昇珅副教授和清華大學(xué)吳必勝副教授聯(lián)合的研究團(tuán)隊(duì)，通過(guò)利用人工智能算法預(yù)測(cè)海洋吸力桶式基礎(chǔ)沉降過(guò)程中實(shí)時(shí)土體力學(xué)行為以及在海洋油氣開(kāi)發(fā)勘探中深部地層原位地應(yīng)力的大小和方向，并利用物理實(shí)驗(yàn)/現(xiàn)場(chǎng)相關(guān)數(shù)據(jù)證實(shí)了預(yù)測(cè)的可靠性和經(jīng)濟(jì)性研究成果。相關(guān)研究成果發(fā)表在《Engineering Applications of Artificial Intelligence》和《SPE Journal》等國(guó)際期刊并申請(qǐng)了一項(xiàng)國(guó)家發(fā)明專(zhuān)利。

據(jù)介紹，吸力筒式基礎(chǔ)常用于海上風(fēng)電和海洋油氣開(kāi)發(fā)使用的海工平臺(tái)結(jié)構(gòu)。這項(xiàng)研究的最大意義在于將遺傳算法優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)方法(GA-BPNN)擴(kuò)展到使用有限的測(cè)量數(shù)據(jù)來(lái)預(yù)測(cè)吸力筒基礎(chǔ)在安裝過(guò)程中的實(shí)時(shí)位移、有效橫向應(yīng)力和所需吸力等參數(shù)。與傳統(tǒng)的用于吸力筒基礎(chǔ)實(shí)時(shí)現(xiàn)場(chǎng)預(yù)測(cè)數(shù)值方法相比，實(shí)時(shí)GA-BPNN方法預(yù)測(cè)需要更少的假設(shè)，還可以在不考慮復(fù)雜地質(zhì)條件和傳統(tǒng)方法所需的不同土體本構(gòu)關(guān)系的情況下獲得土體的力學(xué)行為。

此外，研究人員建立了一種結(jié)合生成對(duì)抗網(wǎng)絡(luò)(GAN)和反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)的深度學(xué)習(xí)模型，用于基于一系列深海鉆井過(guò)程中井眼垮塌形狀數(shù)據(jù)預(yù)測(cè)深部地層中原位地應(yīng)力。GAN用于通過(guò)生成一定量接近原始訓(xùn)練數(shù)據(jù)的新訓(xùn)練數(shù)據(jù)來(lái)增強(qiáng)實(shí)實(shí)驗(yàn)室/現(xiàn)場(chǎng)獲得的訓(xùn)練數(shù)據(jù)，然后使用增強(qiáng)的訓(xùn)練數(shù)據(jù)來(lái)訓(xùn)練BPNN，從而根據(jù)井眼垮塌幾何形態(tài)來(lái)預(yù)測(cè)原位地應(yīng)力。作為兩個(gè)獨(dú)立模塊,GAN和BPNN分別使用訓(xùn)練數(shù)據(jù)進(jìn)行自我訓(xùn)練。這項(xiàng)工作的最大創(chuàng)新之處在于，通過(guò)使用這種雙深度學(xué)習(xí)模式，從大量數(shù)據(jù)中挖掘井眼破裂形態(tài)與原位地應(yīng)力之間的潛在關(guān)系，為預(yù)測(cè)原位地應(yīng)力提供了簡(jiǎn)單、高效的工具。

該項(xiàng)研究是深海能源開(kāi)采領(lǐng)域的探索創(chuàng)新，研究人員用簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)模型，揭示了海洋能源開(kāi)采過(guò)程中最復(fù)雜最直接的土體力學(xué)行為。該項(xiàng)研究工作為下一代基于人工智能的海洋能源開(kāi)采方法的應(yīng)用提供了新思路。作者：中國(guó)農(nóng)業(yè)大學(xué)吳昇珅副教授