XiaoMi-AI文件搜索系统
World File Search System孔隙压力
机器学习驱动的孔隙压力预测
2 Shell Nigeria 3 Independent Researcher, USA 4 Independent Researcher, Houston, Texas, USA _______________________________________________________________________________ *Corresponding Author: Adindu Donatus Ogbu Corresponding Author Email: adinduogbu@yahoo.com Article Received: 10-02-24 Accepted: 05-06-24 Published: 25-07-24 Licensing Details : Author retains the right of 本文。本文根据创意共享属性noncmercial 4.0许可（http://www.creativecommons.org/licences/byby-nc/4.0/）分发，允许工作，无需进一步的工作，可以在未经访问的情况下进行开放式访问，从而允许非商业使用，再现和分发。 ______________________________________________________________________________________
多变量孔隙压力预测的混合机学习优化算法
孔隙压力是钻孔设计中的重要数据，其准确的预测对于确保钻孔安全性和提高钻井效率是必要的。在形成特定的结构和岩性时，预测孔隙压力的传统方法受到限制。在本文中，使用机器学习算法和有效应力定理来建立岩石物理参数和孔隙压力之间的转换模型。本研究收集了三口井的数据。Well 1有881个用于模型训练的数据集，Wells 2和3具有538和464个数据集用于模型测试。在本文中，选择了支持向量机（SVM），随机森林（RF），极端梯度提升（XGB）和多层感知器（MLP）作为孔隙压力建模的机器学习算法。In addition, this paper uses the grey wolf optimization (GWO) algorithm, particle swarm optimization (PSO) algorithm, sparrow search algorithm (SSA), and bat algorithm (BA) to establish a hybrid machine learning optimization al- gorithm, and proposes an improved grey wolf optimization (IGWO) algorithm.IgWO-MLP模型通过使用5倍的交叉验证方法来获得训练数据，从而获得了最小根平方误差（RMSE）。对于井2和3井中的孔隙压力数据，SVM，RF，XGB和MLP的确定系数（R 2）为0.9930和0.9446、0.9943和0.9943和0.9472、0.9472、0.9945和0.9945和0.9488、0.9949、0.9949、0.9949和0.9949和0.9574。MLP在训练和测试数据上都达到了最佳性能，MLP模型显示出高度的概括。©2023作者。Elsevier B.V.的发布服务代表KEAI Communications Co. Ltd.表明IGWO-MLP是孔隙压力的极好预测指标，可用于预测孔隙压力。这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/ 4.0/）下的开放访问文章。
奥斯陆地区硬岩隧道引起的渗水、注浆和孔隙压力降低分析
由于地面条件恶劣，软质海洋粘土沉积物下为坚硬的基岩，斯堪的纳维亚半岛的许多地下项目都面临着隧道进水沉降风险的挑战。这些充满粘土的洼地中的孔隙压力降低会对附近的建筑物造成损坏，这是奥斯陆基础设施建设的主要风险之一。本文介绍了奥斯陆地区 44 条隧道的大量数据库，这些隧道建于 1975 年至 2020 年之间。数据包括开挖前注浆后测得的进水量、孔隙压力降低、开挖前注浆工作量和地质参数。对数据进行分析以确定关键参数之间的趋势和关系，例如给定进水率的预期孔隙压力降低和获得给定注浆区水力传导率所需的注浆工作量。分析表明，在未来的项目中，有必要将重点放在孔隙压力监测上，而不是进水，以降低不可接受的孔隙压力降低的风险。提出了如何优化开挖前灌浆的监测和跟踪以确保满足所需的防水性的建议。
奥斯陆地区硬岩隧道引起的渗水、注浆和孔隙压力降低分析
由于地面条件恶劣，软质海洋粘土沉积物下为坚硬的基岩，斯堪的纳维亚半岛的许多地下项目都面临着隧道进水沉降风险的挑战。这些充满粘土的洼地中的孔隙压力降低会对附近的建筑物造成损坏，这是奥斯陆基础设施建设的主要风险之一。本文介绍了奥斯陆地区 44 条隧道的大量数据库，这些隧道建于 1975 年至 2020 年之间。数据包括开挖前注浆后测得的进水量、孔隙压力降低、开挖前注浆工作量和地质参数。对数据进行分析以确定关键参数之间的趋势和关系，例如给定进水率的预期孔隙压力降低和获得给定注浆区水力传导率所需的注浆工作量。分析表明，在未来的项目中，有必要将重点放在孔隙压力监测上，而不是进水，以降低不可接受的孔隙压力降低的风险。提出了如何优化开挖前灌浆的监测和跟踪以确保满足所需的防水性的建议。
VIIIREUNIónFagoma地热系统。pdf
注射引起的地震性已成为广泛部署增强的地热系统（例如）最关键的挑战之一。尤其是，一些EGS开发项目导致大型，破坏性的地震出乎意料地发生在刺激的储层区域，尤其是在停止液体注入后。然而，这些地震性模式的病因机制仍然高度难以捉摸。在这里，我们确定了可以通过对天然裂缝花岗岩储层的液压刺激进行完全耦合的液态力学模拟来解释EGS部位延迟地震性的组合。该模型包括一个稀疏的网络，该网络与附近的，非常面向的断层相互作用，该网络与长而变化的裂缝相互作用。结果表明，裂缝的存在在流场和岩石变形中引入了显着的非线性，并显着扩大了受液体注入影响的岩石体积。首先，受刺激的断裂网络提供了高度可渗透的吊带，用于在长时间的情况下传达较高的孔隙压力。第二，裂缝的各向异性膨胀会产生剪切应力，几乎在整个储层上迅速传播。孔隙压力和压力扰动不仅会导致沿裂缝滑动，在注射过程中诱导（微）地震性，而且会影响附近断层的稳定性，这可能不一定会在注射过程中加压。转移的毛弹性应力可以增加或减少沿不同断层段的滑动趋势。然而，当注射后几个月后，当临时断层渗透率演化调节的渐进孔压扩散后，断层才能重新激活。我们还发现，地震性的时空演化在很大程度上取决于附近的断层方向，水力力学特性以及与断裂网络的液压连接以及应力的初始状态。我们得出的结论是，在注射过程中和注射后的准确地下表征和连续监测应允许管理注射诱导的地震性带来的风险，并安全地解锁了清洁和可持续的地热能的巨大潜力。
瞬时流向有限的 - 拉迪乌斯井，并在孔隙弹性的含水层中具有井眼的存储和皮肤效应
本文提出了分析解决方案，用于从孔隙弹性的含水层中抽水，其中充分合并了有限厚度的皮肤区域和井眼存储的合并效果。在拉普拉斯变换域中得出了泵浦引起的轴对称应力，平面应变变形和孔隙压力。使用Stehfest反转算法获得时域溶液。的数值示例，以研究水力降低的水力耦合和毛弹性的影响。结果表明，与使用完全耦合的毛弹性理论预测的缩减相比，传统方法在低渗透性硬岩中井井有条中的下降良好。当存在有限的厚度阳性皮肤的渗透性低于地层的渗透性时，差异会变得更加明显。对于用储存的有限拉迪乌斯抽水井，与井眼存储相关的效果掩盖了毛线弹性的影响。
地质力学中的博士职位
在许多地下和地下操作（例如采矿，地下储藏室和深地热能）中，摇滚媒体的诱导和/或预先存在的破裂提出了主要的完整性，性能和安全性问题。本论文将重点放在安德拉（Andra）在Callovo-Oxfordian（Cox）粘土形成的Meuse/Haute-Marne Underground Laboratory（M-HM URL）上构建的封闭结构。该研究将建立在许多原位观察和测量值（孔隙压力，收敛，岩石膨胀，诱发的压裂等）上。在M-HM URL上连续进行了20多年的时间，自2000年以来，数值的模块不断地富集，以整合与该宿主岩石行为相关的科学进步（Manica等人。2022，Souley等。2023）。后者本质上是连续的，尚未提供令人满意的繁殖，并在M-HM URL结构周围观察到的诱导裂缝（通常称为d ammated z One的Edz或e Xtent）的几何形状和拓扑结构（Armand等2014，见图1），随着时间的推移，其发展机制在中期和长期内预计将发生在EDZ内。此外，EDZ的响应和时间演变一方面是存储库的其他组件（支持，衬里等）的性能。，另一方面，在近场的时间和给定流体的循环（液体和/或气态）的循环中。
使用顺序THM耦合_在Cox Claystone中对原位加热实验的基准测试和验证对紧密粘土石的热加压建模
我们采用热弹性和依次的耦合技术来建模紧密粘土岩中的热驱动的耦合热融合机电（THM）过程。在恒定的热载荷下具有相应的热弹性分析解决方案的基准案例验证了该模型。此后，在Callovo-Oxfordian（Cox）Claystone在Meuse/ Haute/ Haute-Marne-Marne-Marne-Marne Underground Researchatory在法国的Callovo-Oxfordian（Cox）粘土中进行了两个原位加热实验以进行模型验证：一个较小的加热实验（TED实验）和较大规模的实验（ALC实验）。该模型表现出良好的性能，可与较小规模的TED实验相匹配观察到的温度和孔隙压力演化。对于大规模的ALC实验，在模型中捕获了热压的一般趋势，但在冷却过程中的某些监测点上估计了压力。这表明该场中的THM响应可能会受到岩石性质的变异性或不可逆的或时间依赖的机械过程的影响，这些过程未包含在当前的热氧弹性模型中。这项工作的主要贡献如下：（1）我们验证并验证数值模拟器Tough-Flac成为有价值的THM建模工具； （2）证明实验室确定的材料参数可以用作高尺度的参考值。但是，为了更好地识别和量化原位测试的建模，应该将更多的效率用于获得高质量的机械变形数据。
基于网格的时间评估方法......
地下建筑的渗漏会导致软粘土中随时间而产生的沉降。在地质分层、地下水条件和土壤压缩性存在空间变异的城市地区，可能会发生差异沉降，从而对建筑物造成损坏。目前，损害评估方法依赖于一维公式进行沉降预测，无法代表异质环境中因水位下降而导致的沉降。因此，在本文中，我们提出了一种独立方法，将空间分布的非高斯沉降数据整合到区域范围内的早期建筑物损害评估中。然后，使用二维耦合水力学有限元模型和高级本构模型计算变形，以计算大面积的三维网格（沿 x 和 y 方向）随时间而产生的沉降。然后，根据这些绿地模拟计算建筑物损坏，并使用每个建筑物特定沉降剖面的常用损坏参数，并将其与损坏标准进行比较。该方法通过模拟下层（受限）含水层中孔隙压力下降 10 kPa 和 40 kPa 的情景，应用于瑞典哥德堡市中心的 215 栋建筑物。研究了几种情景，并评估了损坏参数与损坏标准之间的相关性。最后，进行了网格分辨率的敏感性研究，并根据观察到的损坏数据进行了验证。所提出的方法为大面积非高斯定居点的早期损坏评估提供了一种有效的方法，以便进一步调查和缓解措施可以针对损坏风险最高的建筑物和位置。