本發(fā)明涉及二氧化碳礦化，尤其涉及一種機理-數(shù)據(jù)協(xié)同驅(qū)動的二氧化碳礦化過程反演方法及系統(tǒng)。

背景技術(shù)：

1、二氧化碳封存、利用和儲存（ccus）是實現(xiàn)工業(yè)領(lǐng)域深度減排的關(guān)鍵技術(shù)。二氧化碳地質(zhì)封存是減排增匯的落腳點之一，其核心問題是封存的長期安全可靠性。基于監(jiān)測井探監(jiān)測二氧化碳物理狀態(tài)是地質(zhì)封存工程現(xiàn)場最普遍的效果監(jiān)測手段，而如何對封存過程進(jìn)行實時監(jiān)測成為其攻堅難題。

2、隨著新一代人工智能技術(shù)的不斷變革，在地球物理多個領(lǐng)域使用了機理模型、數(shù)據(jù)驅(qū)動等基本研究范式。2019年?nature?上發(fā)表了一篇重要綜述，提出物理模型與數(shù)據(jù)驅(qū)動機器學(xué)習(xí)相結(jié)合的方式，對人工智能地球物理未來發(fā)展具有重要的啟發(fā)意義。cn117440404a提出了數(shù)據(jù)與知識雙驅(qū)動的頻譜地圖智能精確構(gòu)建方法，實現(xiàn)了目標(biāo)頻率頻譜數(shù)據(jù)缺失的情況下目標(biāo)頻率頻譜地圖的構(gòu)建；cn117371813a針對巷道氣體的實時監(jiān)測預(yù)測問題，從物理模型預(yù)測和大數(shù)據(jù)預(yù)測兩種角度對巷道瓦斯?jié)舛冗M(jìn)行建模，提出一種基于模型和大數(shù)據(jù)雙驅(qū)動的巷道瓦斯?jié)舛阮A(yù)測方法；cn117372994a提供一種基于模型與數(shù)據(jù)雙驅(qū)動的智能網(wǎng)聯(lián)汽車協(xié)同感知方法，采用基于模型與數(shù)據(jù)雙驅(qū)動的多點云魯棒配準(zhǔn)模型，建立面向多智能網(wǎng)聯(lián)汽車的車輛協(xié)同檢測及預(yù)測方案。數(shù)據(jù)驅(qū)動與機理模型雙驅(qū)動的機器學(xué)習(xí)研究范式在地球物理多個領(lǐng)域有良好的適用能力，如此可通過機理與數(shù)據(jù)協(xié)同驅(qū)動對復(fù)雜的礦化封存過程進(jìn)行物理場模型的構(gòu)建和預(yù)測，該方法有利于提高礦化封存過程的融合反演能力。

技術(shù)實現(xiàn)思路

1、本方案針對上文提出的問題和需求，提出一種機理-數(shù)據(jù)協(xié)同驅(qū)動的二氧化碳礦化過程反演方法及系統(tǒng)，由于采取了如下技術(shù)特征而能夠?qū)崿F(xiàn)上述技術(shù)目的，并帶來其他多項技術(shù)效果。

2、本發(fā)明的一個目的在于提出一種機理-數(shù)據(jù)協(xié)同驅(qū)動的二氧化碳礦化過程反演方法，包括如下步驟：

3、s10：確定礦化封存目標(biāo)區(qū)域，利用超聲相控陣監(jiān)測系統(tǒng)、聲發(fā)射監(jiān)測系統(tǒng)和光纖微納多參量共采監(jiān)測系統(tǒng)，獲取監(jiān)測礦化過程得到的應(yīng)力應(yīng)變信號、聲發(fā)射信號、超聲波速信號和溫度信號，并作為輸入數(shù)據(jù)；

4、s20：基于聲發(fā)射反演獲得礦化反應(yīng)產(chǎn)生的裂隙空間位置及體積，基于礦化巖體裂隙損傷得到滲透率，建立關(guān)于礦化過程裂隙場、滲流場、溫度場的礦化過程物理場，并作為輸出數(shù)據(jù)；

5、s30：結(jié)合礦化封存現(xiàn)場實際條件，使用模擬軟件獲得礦化過程物理場并補充輸入數(shù)據(jù)和輸出數(shù)據(jù)；使用k-fold交叉驗證法將輸入數(shù)據(jù)和輸出數(shù)據(jù)組合，形成數(shù)據(jù)和機理協(xié)同驅(qū)動的數(shù)據(jù)集，并分別劃分訓(xùn)練集和驗證集；

6、s40：利用lstm神經(jīng)網(wǎng)絡(luò)構(gòu)建礦化過程融合反演模型，通過訓(xùn)練集訓(xùn)練礦化過程融合反演模型，最終實現(xiàn)利用實時礦化過程反應(yīng)實測監(jiān)測數(shù)據(jù)，融合反演獲得礦化過程中裂隙場、滲流場、溫度場的物理場；

7、s50：改進(jìn)誤差反向傳播算法中的損失函數(shù)，將物理控制方程殘差加入損失函數(shù)中，構(gòu)建數(shù)據(jù)及機理協(xié)同驅(qū)動的損失函數(shù)衡量反演輸出和實測輸出間的差異，利用隨機梯度下降算法計算各權(quán)重參數(shù)的梯度更新網(wǎng)絡(luò)的權(quán)重矩陣和偏置向量，利用驗證集驗證經(jīng)過訓(xùn)練之后的礦化過程融合反演模型，重復(fù)迭代上述步驟，直到達(dá)到預(yù)定的迭代次數(shù)或損失函數(shù)值小于預(yù)定閾值，停止計算步驟。

8、另外，根據(jù)本發(fā)明的機理-數(shù)據(jù)協(xié)同驅(qū)動的二氧化碳礦化過程反演方法，還可以具有如下技術(shù)特征：

9、在步驟s30中，使用模擬軟件獲得礦化過程物理場，所述物理場包括流動場、滲流場和溫度場，物理場所涉及的控制方程和耦合方程如下：

10、1）損失應(yīng)變方程

11、設(shè)巖石損傷為彈脆性損傷，則將應(yīng)力用應(yīng)變表示的本構(gòu)方程為：

12、；

13、式中，為預(yù)應(yīng)力； d為彈性矩陣，為應(yīng)變；

14、損傷利用等效應(yīng)變描述，由指數(shù)應(yīng)變演化關(guān)系確定。當(dāng)達(dá)到應(yīng)變閾值時，損傷開始演化，損傷定義為：

15、；

16、式中，為彈性極限的拉伸應(yīng)變；為極限拉伸應(yīng)變，，為極限應(yīng)變系數(shù)；為等效應(yīng)變；為應(yīng)變軟化參數(shù)；

17、加入平衡微分方程確定固體的應(yīng)力和應(yīng)變，考慮慣性作用后，表示為：

18、；

19、式中， f為單位體積力，n/m3；為應(yīng)力矢量，mpa；為固體密度，kg/m3， x為固體位移，m；

20、2）流動方程

21、二氧化碳水合物流經(jīng)封存巖體的多孔隙介質(zhì)利用多孔介質(zhì)流動模型來描述，巖體介質(zhì)中的裂隙間流體流動方程為：

22、；

23、式中，為流體密度；為孔隙率；u為流體速度； p為流體壓力；i為單位張量；f為體積力； τ為剪切力；μ為流體的動力黏度； k為滲透率； β為等溫壓縮系數(shù)， q m為源項，g為重力加速度；

24、3）滲流方程

25、在流體壓裂過程中，滲透率和損傷有著非線性增長關(guān)系，滲透率隨損傷變化呈指數(shù)形式增長，基于損傷描述滲透率的關(guān)系式為:

26、；

27、式中，為孔隙率受損傷影響的系數(shù)；在初始狀態(tài)下的滲透率；d為損失變量；

28、4）溫度方程

29、為模擬礦化封存周圍的熱環(huán)境，引入溫度場反映真實的礦化巖體熱影響破裂過程，通過耦合溫度場與流場，非等溫流動方程為：

30、；

31、式中，t為溫度；為恒壓熱容，j/(mol·k)；為導(dǎo)熱系數(shù)；q為熱源功率。

32、在本發(fā)明的一個示例中，在步驟s40中，利用lstm神經(jīng)網(wǎng)絡(luò)構(gòu)建礦化過程融合反演模型，包括如下步驟：

33、s41：初始化網(wǎng)絡(luò)參數(shù)，通過初始權(quán)重矩陣和偏置向量更新遺忘門、輸入門、輸出門以及細(xì)胞狀態(tài)；

34、s42：輸入數(shù)據(jù)序列化，提取數(shù)據(jù)集中訓(xùn)練集，將訓(xùn)練樣本輸入時間步等待訓(xùn)練；

35、s43：依次計算lstm神經(jīng)網(wǎng)絡(luò)算法模型中遺忘門、輸入門、細(xì)胞狀態(tài)更新和輸出門的各學(xué)習(xí)體，獲得記憶信息進(jìn)而得到網(wǎng)絡(luò)算法擬合值。

36、在本發(fā)明的一個示例中，在所述步驟s43中，網(wǎng)絡(luò)算法擬合值的表達(dá)式如下：

37、；

38、式中，為短時記憶信息；分別為相應(yīng)各層神經(jīng)元權(quán)重矩陣和偏置向量；為激活函數(shù)，其中，激活函數(shù)包括sigmoid激活函數(shù)和tanh激活函數(shù)：

39、；

40、。

41、在本發(fā)明的一個示例中，在步驟s43中，依次計算lstm神經(jīng)網(wǎng)絡(luò)算法模型中遺忘門、輸入門、細(xì)胞狀態(tài)更新和輸出門的各學(xué)習(xí)體，包括如下步驟：

42、在步驟s43中，依次計算lstm神經(jīng)網(wǎng)絡(luò)算法模型中遺忘門、輸入門、細(xì)胞狀態(tài)更新和輸出門的各學(xué)習(xí)體，包括如下步驟：

43、s431：計算遺忘門，決定細(xì)胞狀態(tài)的丟失信息，遺忘門的激活值通過以下公式計算：

44、；

45、式中， σ是sigmoid激活函數(shù)，和是遺忘門的權(quán)重矩陣和偏置向量，是上一個時間步的隱藏狀態(tài)，是當(dāng)前時間步的輸入；

46、s432：計算輸入門，決定被儲存細(xì)胞狀態(tài)中的信息，輸入門的激活值通過以下公式計算：

47、；

48、；

49、式中， σ是sigmoid激活函數(shù)，和為輸入門的權(quán)重矩陣；和為輸入門的偏置向量；和分別挖掘當(dāng)前時間步信息和上一個時間步信息；

50、s433：更新細(xì)胞狀態(tài)，根據(jù)遺忘門的輸出和由輸入門決定的候選細(xì)胞狀態(tài)更新細(xì)胞記憶信息，細(xì)胞狀態(tài)的激活值以下公式計算：

51、；

52、式中，為上一個時間步訓(xùn)練樣本信息；

53、s434：計算輸出門，決定下一個時間步的隱藏狀態(tài)，輸出門的激活值計算如下：

54、；

55、；

56、式中，和為輸出門的權(quán)重矩陣和偏置向量的權(quán)值。

57、在本發(fā)明的一個示例中，在步驟s50中，將物理控制方程殘差加入損失函數(shù)中，構(gòu)建數(shù)據(jù)及機理協(xié)同驅(qū)動的損失函數(shù)衡量反演輸出和實測輸出間的差異，包括如下步驟：

58、s501：計算控制方程殘差，構(gòu)建機理損失函數(shù)如下：

59、；

60、式中，為訓(xùn)練樣本索引；研究區(qū)域內(nèi)樣本點總數(shù)；為算法網(wǎng)絡(luò)擬合值的微分項；

61、s502：計算數(shù)據(jù)驅(qū)動殘差，構(gòu)建數(shù)據(jù)損失函數(shù)如下：

62、；

63、式中，為訓(xùn)練樣本索引；研究區(qū)域內(nèi)樣本點總數(shù)；為算法網(wǎng)絡(luò)實測值；為算法網(wǎng)絡(luò)擬合值；

64、s503：計算控制方程和數(shù)據(jù)驅(qū)動的殘差之和，構(gòu)建由機理驅(qū)動和數(shù)據(jù)驅(qū)動共同集成的損失函數(shù)，如下：

65、；

66、式中，為控制方程殘差計算的均方差損失；為實測值與算法網(wǎng)絡(luò)擬合值計算的均方差損失；α和β分別為機理驅(qū)動項和數(shù)據(jù)驅(qū)動項的權(quán)重系數(shù)。

67、在本發(fā)明的一個示例中，在所述步驟s501中，機理損失函數(shù)微分項包括平衡微分方程、裂隙間流體流動方程、溫度方程項，由各項殘差求和，其表達(dá)式為：

68、；

69、式中， f為單位體積力，n/m3；為應(yīng)力矢量，mpa；為固體密度，kg/m3， x為固體位移，m；為流體密度，kg/m3；為孔隙率；u為流體速度，m/s； p為流體壓力，mpa；f為體積力，n； τ為剪切力，mpa； k為滲透率； β為等溫壓縮系數(shù)， q m為源項；t為溫度；為恒壓熱容，j/(mol·k)；為導(dǎo)熱系數(shù)；q為熱源功率。

70、在本發(fā)明的一個示例中，在步驟s50中，利用隨機梯度下降算法計算各權(quán)重參數(shù)的梯度更新網(wǎng)絡(luò)的權(quán)重矩陣和偏置向量，包括如下步驟：

71、每次迭代計算算法網(wǎng)絡(luò)參數(shù)梯度，沿梯度的反方向更新參數(shù)，獲得全局最優(yōu)解：

72、；

73、式中，為損失函數(shù)各參數(shù)的梯度；η為控制步長大小的更新率； θt+1和 θt分別為第t+1和t次迭代步的待更新算法網(wǎng)絡(luò)參數(shù)。

74、本發(fā)明的另一個目的在于提出一種機理-數(shù)據(jù)協(xié)同驅(qū)動的二氧化碳礦化過程反演系統(tǒng)，包括：

75、輸入數(shù)據(jù)模塊，配置為用于確定礦化封存目標(biāo)區(qū)域，利用超聲相控陣監(jiān)測系統(tǒng)、聲發(fā)射監(jiān)測系統(tǒng)和光纖微納多參量共采監(jiān)測系統(tǒng)，獲取監(jiān)測礦化過程得到的應(yīng)力應(yīng)變信號、聲發(fā)射信號、超聲波速信號和溫度信號，并作為輸入數(shù)據(jù)；

76、輸出數(shù)據(jù)模塊，配置為用于基于聲發(fā)射反演獲得礦化反應(yīng)產(chǎn)生的裂隙空間位置及體積，基于礦化巖體裂隙損傷得到滲透率，建立關(guān)于礦化過程裂隙場、滲流場、溫度場的礦化過程物理場，并作為輸出數(shù)據(jù)；

77、數(shù)據(jù)劃分模塊，配置為用于結(jié)合礦化封存現(xiàn)場實際條件，使用模擬軟件獲得礦化過程物理場并補充輸入數(shù)據(jù)和輸出數(shù)據(jù)；使用k-fold交叉驗證法將輸入數(shù)據(jù)和輸出數(shù)據(jù)組合，形成數(shù)據(jù)和機理協(xié)同驅(qū)動的數(shù)據(jù)集，并分別劃分訓(xùn)練集和驗證集；

78、物理場計算模塊，配置為用于利用lstm神經(jīng)網(wǎng)絡(luò)構(gòu)建礦化過程融合反演模型，通過訓(xùn)練集訓(xùn)練礦化過程融合反演模型，最終實現(xiàn)利用實時礦化過程反應(yīng)實測監(jiān)測數(shù)據(jù)，融合反演獲得礦化過程中裂隙場、滲流場、溫度場的物理場；

79、損失計算模塊，配置為用于改進(jìn)誤差反向傳播算法中的損失函數(shù)，將物理控制方程殘差加入損失函數(shù)中，構(gòu)建數(shù)據(jù)及機理協(xié)同驅(qū)動的損失函數(shù)衡量反演輸出和實測輸出間的差異，利用隨機梯度下降算法計算各權(quán)重參數(shù)的梯度更新網(wǎng)絡(luò)的權(quán)重矩陣和偏置向量，利用驗證集驗證經(jīng)過訓(xùn)練之后的礦化過程融合反演模型，重復(fù)迭代上述步驟，直到達(dá)到預(yù)定的迭代次數(shù)或損失函數(shù)值小于預(yù)定閾值，停止計算步驟。

80、在本發(fā)明的一個示例中，所述損失計算模塊，包括：

81、控制方程殘差計算單元，配置為用于計算控制方程殘差，構(gòu)建機理損失函數(shù)如下：

82、；

83、式中，為訓(xùn)練樣本索引；研究區(qū)域內(nèi)樣本點總數(shù)；為算法網(wǎng)絡(luò)擬合值的微分項；

84、數(shù)據(jù)驅(qū)動殘差計算單元，配置為用于計算數(shù)據(jù)驅(qū)動殘差，構(gòu)建數(shù)據(jù)損失函數(shù)如下：

85、；

86、式中，為訓(xùn)練樣本索引；研究區(qū)域內(nèi)樣本點總數(shù)；為算法網(wǎng)絡(luò)實測值；為算法網(wǎng)絡(luò)擬合值；

87、殘差之和計算單元，配置為用于計算控制方程和數(shù)據(jù)驅(qū)動的殘差之和，構(gòu)建由機理驅(qū)動和數(shù)據(jù)驅(qū)動共同集成的損失函數(shù)，如下：

88、；

89、式中，為控制方程殘差計算的均方差損失；為實測值與算法網(wǎng)絡(luò)擬合值計算的均方差損失；α和β分別為機理驅(qū)動項和數(shù)據(jù)驅(qū)動項的權(quán)重系數(shù)。

90、本發(fā)明的有益效果如下：

91、該方法結(jié)合礦化封存現(xiàn)場實際條件，使用模擬軟件獲得礦化過程物理場模型進(jìn)一步補充數(shù)據(jù)集，獲取數(shù)據(jù)集更符合實際礦化情況，有效解決礦化監(jiān)測數(shù)據(jù)量不足的問題，顯著提高礦化融合反演的準(zhǔn)確性。

92、該方法利用了lstm神經(jīng)網(wǎng)絡(luò)構(gòu)建礦化過程融合反演模型，該神經(jīng)網(wǎng)絡(luò)能夠捕捉二氧化碳礦化過程在時間序列上間隔較遠(yuǎn)的狀態(tài)變化，能更好地處理長距離的依賴關(guān)系，提高了礦化效果的預(yù)測水平，為礦化評價提供可靠的數(shù)據(jù)支撐。

93、該方法基于lstm神經(jīng)網(wǎng)絡(luò)建立監(jiān)測礦化過程反應(yīng)數(shù)據(jù)與融合反演輸出物理場之間的關(guān)系，提取不同類型的監(jiān)測數(shù)據(jù)（如圖像、文本數(shù)據(jù)等）進(jìn)行融合，且能提取礦化過程的非線性特征，更全面地表征了反演物理場的復(fù)雜性。

94、該方法改進(jìn)誤差反向傳播算法中的損失函數(shù)，將物理控制方程殘差加入損失函數(shù)中，構(gòu)建數(shù)據(jù)及機理雙驅(qū)動的損失函數(shù)衡量反演輸出和實測輸出間的差異，提高了模型的準(zhǔn)確度和魯棒性，擴(kuò)展了模型的應(yīng)用范圍以適應(yīng)多變的監(jiān)測環(huán)境。

95、下文中將結(jié)合附圖對實施本發(fā)明的最優(yōu)實施例進(jìn)行更加詳盡的描述，以便能容易理解本發(fā)明的特征和優(yōu)點。