.png){kind=icon}
返回
Artificial Intelligence Driven Subsurface Hydraulic Fracturing Engineering: Connotation and Practices
.png){kind=icon}
OA
AI
DOI：10.1016/j.eng.2025.12.024.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在全球能源转型和地下能源资源（石油、天然气、煤层气、地热等）开发的驱动下，地下水力压裂技术正经历从传统经验驱动方法向数据驱动或智能驱动技术的范式转变。本文系统阐述了人工智能（AI）驱动地下水力压裂技术的内涵、近期实践及未来趋势。本文提出以数据驱动→智能优化→自主决策为核心的三步技术演化框架，并介绍了框架内的近期关键实践，包括水力压裂的智能表征与优化、压裂后生产运营的智能预测以及压裂至生产全生命周期的实时调控。通过构建Dy-Fracture-Net模型实现了三维裂缝扩展的智能表征；开发了双模型协同架构，以实现压裂过程中的实时预警与智能优化。此外，创新设计了Dy-Production-Net网络，用于预测压裂后储层参数动态及生产情况。通过整合智能优化算法，形成了涵盖压裂至生产全工作流的实时调控系统。为解决井下监测数据缺乏、模型可解释性不足等瓶颈，建议未来努力方向如下：多模态感知代理的微型化、机理-数据融合建模的自解释性以及自主闭环控制。本研究成果为未来实现AI驱动的地下压裂技术提供了理论支持与实践路径，对推动油气行业的数字化转型具有重大战略意义。
Keyword:
Hydraulic fracturing
Artificial intelligence
Data-driven optimization
Autonomous decision-making
Digital transformation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
11.6
论文数:
2.7K
被引数:
1.5W
机构
引用论文
Distributed Fiber Optic Sensing for in-well hydraulic fracture monitoringSaw, J.; Zhu, X.; Luo, L.; Correa, J.; Soga, K.; Ajo-Franklin, J. 用于井内水力压裂监测的分布式光纤传感技术. Geoenerg. Sci. Eng. 2025, 250, 213792. [Google Scholar] [CrossRef]
PREAI
分享收藏Modeling of scale-dependent perforation geometrical fracture growth in naturally layered media.png)
ENGINEERING GEOLOGY
ENGINEERING GEOLOGYIF8.4
PREAI
分享收藏Environmental Challenges on Hydraulic Fracturing Stimulation in the Natural Gas Hydrate Reservoir: A Mini-Review天然气水合物储层水力压裂激励的环境挑战：一篇简评
PREAI
分享收藏Dynamic prediction of fracture propagation in horizontal well hydraulic fracturing: A data-driven approach for geo-energy exploitation水平井水力压裂中裂缝扩展的动态预测：一种面向地域能源开采的数据驱动方法
PREAI
分享收藏Physics-Informed Neural Networks for Energy-Based Modeling of Non-Newtonian Fluid Flow and Fracture Propagation in Subsurface FormationsADIPEC
ADIPECIF0
PREAI
分享收藏An On-Device Federated Learning Approach for Cooperative Model Update Between Edge DevicesIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容