CN115097517B - 一种基于微震时空分布的离散裂隙网络表征及风险预测方法 - Google Patents
一种基于微震时空分布的离散裂隙网络表征及风险预测方法 Download PDFInfo
- Publication number
- CN115097517B CN115097517B CN202210726500.8A CN202210726500A CN115097517B CN 115097517 B CN115097517 B CN 115097517B CN 202210726500 A CN202210726500 A CN 202210726500A CN 115097517 B CN115097517 B CN 115097517B
- Authority
- CN
- China
- Prior art keywords
- microseismic
- fracture surface
- potential
- space
- angle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/288—Event detection in seismic signals, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/28—Processing seismic data, e.g. analysis, for interpretation, for correction
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
Abstract
本发明公开了一种基于微震时空分布的离散裂隙网络表征及风险预测方法,步骤1)将微震数据库按照时间窗W等间距划分得到Wk;步骤2)选择各时间窗微震数据库Wk中任意三个微震事件构成潜在裂隙面;步骤3)绘制立体图并进行网格划分;步骤4)计算网格区域的概率密度Sg(q);步骤5)找到其最大值max{Sg(q)}对应优势裂隙面的倾向方位角与倾角;步骤6)绘制潜在裂隙面概率密度云图;步骤7)以每个时间窗的结束时刻、倾向方位角以及倾向方位角对应的最大概率密度值绘制时序云图;步骤8)在裂隙面时序云图上绘制优势裂隙面的倾角和倾向方位角的时序散点图。研究采动岩体裂隙网络的演化规律,具有重要的理论意义和实际应用价值。
Description
技术领域
本发明涉及一种基于微震时空分布的离散裂隙网络表征及风险预测方法。
背景技术
随着煤层的开采,煤岩层会发生变形、移动、破坏等从而形成采动裂隙,采动裂隙是矿山一系列灾害如突水、煤与瓦斯突出、冲击矿压等发生的根源。岩体裂隙的扩展、发育、变化是伴随着岩层移动跨落过程而产生的,开采过程是一个能量释放的过程,开采后能量转化成了岩体的变形、移动、破坏,岩体裂隙的发展、扩大、闭合也是与这种系统能量的变化紧密相关的,现有技术中还无法对岩体裂隙进行准确的表征和预测,无法及时预防冲击矿压、煤与瓦斯突出、突水等矿山灾害。
发明内容
针对上述问题,本发明提供一种基于微震时空分布的离散裂隙网络表征及风险预测方法,通过微震时空分布建立离散裂隙网络方法,研究采动岩体裂隙网络的演化规律,对于瓦斯治理、防治冲击矿压、煤与瓦斯突出、突水等矿山灾害,具有重要的理论意义和实际应用价值。
为实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种基于微震时空分布的离散裂隙网络表征方法,包括如下步骤:
步骤2)选择各时间窗微震数据库Wk中任意三个微震事件构成潜在裂隙面,利用微震事件空间坐标信息,计算确定潜在裂隙面的倾角θ与倾向方位角α;
步骤3)将步骤2)获得的每个潜在裂隙面的倾角和倾向方位角对应立体图的一个点,并对立体图进行网格划分;
步骤4)采用累加概率密度方法计算网格区域潜在裂隙面的概率密度Sg(q),作为各网格节点的数值;
步骤5)遍历立体图中各网格节点的概率密度Sg(q),找到其最大值max{Sg(q)}对应的潜在裂隙面为优势裂隙面,获得优势裂隙面的倾向方位角与倾角;
步骤6)以网格节点对应的倾角、倾向方位角以及概率密度,绘制潜在裂隙面概率密度云图;
步骤7)以每个时间窗的结束时刻、倾向方位角以及倾向方位角对应的最大概率密度值绘制时序云图;
步骤8)在裂隙面时序云图上绘制优势裂隙面的倾角和倾向方位角的时序散点图。
优选,步骤2)中,选择的三个微震事件之间满足下述距离关系:
Lmin≤d≤Lmax
式中:d表示为选择三个微震事件中,任意两个微震事件的距离;Lmin表示为两个微震事件之间的最小距离;Lmax表示为两个微震事件之间的最大距离。
优选,利用任意三个微震事件构成潜在裂隙面的方程为:
式中:x、y、z表示为潜在裂隙面空间坐标;x1、y1、z1表示为选择的第1个微震事件空间坐标;x2、y2、z2表示为选择的第2个微震事件空间坐标;x3、y3、z3表示为选择的第3个微震事件空间坐标。
优选,潜在裂隙面的倾角θ计算公式为:
优选,步骤2)中,潜在裂隙面的倾向方位角为平面外法线向量x-y平面的投影向量与x轴正向的逆时针夹角。
优选,步骤3)中,以潜在裂隙面倾角作为立体图中的半径坐标,以潜在裂隙面倾向方位角作为立体图中的角坐标绘制在立体图;在立体图中以等间距倾向方位角和倾角度数进行网格划分。
优选,采用累加概率密度方法计算各网格节点的概率密度值Sg(q),其计算公式如下:
式中:Sg(q)表示为网格节点q处的裂隙面的概率密度值;s表示潜在裂隙面在立体图中的坐标点对周边网格区域的影响范围;Di表示为网格节点q与第i个潜在裂隙面坐标点之间的距离。
一种基于微震时空分布的裂隙风险预测方法,包括如下步骤:
A、根据上述任意一项所述的基于微震时空分布的离散裂隙网络表征方法对岩体裂隙进行表征;
B、设定阈值,当网格节点的max{Sg(q)}大于设定阈值,则报警。
本发明的有益效果是:
开采过程中裂隙网络的演化规律从一个侧面反映了上覆岩层移动规律,煤岩体在破坏、破断过程中,会产生一系列的微震事件,每次微震事件的产生均对应新生裂隙萌生或原生裂隙扩展,因此通过微震时空分布建立离散裂隙网络表征方法,该方法计算公式涉及的数学模型明确适于编程实现,应用可行性好,同时计算得出潜在裂隙面时序云图。
另外,计算过程所涉及的实测数据采用矿井大范围实时监测的微震数据,时效性高,研究采动岩体裂隙网络的演化规律,对于瓦斯治理、防治冲击矿压、煤与瓦斯突出、突水等矿山灾害,具有重要的理论意义和实际应用价值。
附图说明
图1是本发明一种基于微震时空分布的离散裂隙网络表征方法流程图;
图2是本发明实施例的工作面采掘工程平面图;
图3是本发明实施例的潜在裂隙面示意图;
图4是本发明实施例的立体图示意图;
图5是本发明实施例的潜在裂隙面在立体图中分布图;
图6是本发明实施例的潜在裂隙面概率密度值分布云图;
图7是本发明实施例的潜在裂隙面时序云图;
图8是本发明实施例的优势裂隙面时序散点图。
具体实施方式
下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
如图1所示,一种基于微震时空分布的离散裂隙网络表征方法,包括如下步骤:
步骤1)采用时间窗滑移法将微震数据库按照时间窗W等间距划分,得到个时间窗微震数据Wk,其中,时间窗滑移法首先确定时间窗长度W以及滑移步长L,将微震序列划分为若干个相等的时间窗微震数据,其中,各时间窗最末端时刻视为各时间窗对应时刻。
步骤2)选择各时间窗微震数据库Wk中任意三个微震事件构成潜在裂隙面,利用微震事件空间坐标信息,计算确定潜在裂隙面的倾角θ与倾向方位角α。
优选,选择的三个微震事件之间需要满足下述距离关系:
Lmin≤d≤Lmax
式中:d表示为选择三个微震事件中,任意两个微震事件的距离;Lmin表示为两个微震事件之间的最小距离;Lmax表示为两个微震事件之间的最大距离。
优选,利用任意三个微震事件构成潜在裂隙面的方程为:
式中:x、y、z表示为潜在裂隙面空间坐标;x1、y1、z1表示为选择的第1个微震事件空间坐标;x2、y2、z2表示为选择的第2个微震事件空间坐标;x3、y3、z3表示为选择的第3个微震事件空间坐标。
步骤3)将步骤2)获得的每个潜在裂隙面的倾角和倾向方位角对应立体图的一个点,绘制在立体图中,将潜在裂隙面绘制在立体图中的方法为:以潜在裂隙面倾角作为立体图中的半径坐标,以潜在裂隙面倾向方位角作为立体图中的角坐标。
绘制完成立体图后,对立体图进行网格划分,比如,在立体图中以等间距倾向方位角和倾角度数进行网格划分。
步骤4)采用累加概率密度方法计算网格区域潜在裂隙面的概率密度Sg(q),作为各网格节点的数值。
优选,采用累加概率密度方法计算各网格节点的概率密度值Sg(q),其计算公式如下:
式中:Sg(q)表示为网格节点q处的裂隙面的概率密度值;s表示潜在裂隙面在立体图中的坐标点对周边网格区域的影响范围;Di表示为网格节点q与第i个潜在裂隙面坐标点之间的距离。概率密度值Sg(q)越大则裂隙的风险越大。
步骤5)遍历立体图中各网格节点的概率密度Sg(q),找到其最大值max{Sg(q)}对应的潜在裂隙面为优势裂隙面,获得优势裂隙面的的倾向方位角与倾角;
步骤6)以网格节点对应的倾角、倾向方位角以及概率密度,绘制潜在裂隙面概率密度云图;
步骤7)以每个时间窗的结束时刻、倾向方位角以及倾向方位角对应的最大概率密度值绘制时序云图;
步骤8)在裂隙面时序云图上绘制优势裂隙面的倾角和倾向方位角的时序散点图。
优选,潜在裂隙面的倾角θ计算公式为:
优选,步骤2)中,潜在裂隙面的倾向方位角为平面外法线向量x-y平面的投影向量与x轴正向的逆时针夹角。
一种基于微震时空分布的裂隙风险预测方法,包括如下步骤:
A、根据上述任意一项所述的基于微震时空分布的离散裂隙网络对岩体裂隙进行表征;
B、设定阈值,当网格节点的max{Sg(q)}大于设定阈值,则报警。
下面结合实施例进行说明,实例分析某煤矿工作面因地质构造影响,工作面布置为“刀把形”,工作面回采期间存在短面见方、扩面以及长面见方等阶段,如图2所示。选用该工作面2021年4月1日至2021年8月31日回采阶段的微震监测数据进行分析裂隙演化规律,实施步骤如下:
(1)将微震数据库以时间窗5天,滑移步长1天,对微震数据等间距时间窗划分,获得时间窗微震数据分区W1,W2……W147;
(2)在时间窗微震数据分区W1中任意选择三个微震事件,构成潜在裂隙面,其中选择的三个微震事件任意两个微震之间距离应大于最小距离0.001m,小于最大距离150m(最大距离一般选择工作面面宽的一半),反之,重新选择微震事件;
(3)计算潜在裂隙面的倾角与倾向方位角,例如其中一个裂隙面倾角60°,倾向方位角30°,如图3所示,重复上述操作,计算时间窗微震数据分库W1,W2……W147形成所有潜在裂隙面的倾角与倾向方位角,并绘制在立体图中,如图4所示;
(5)遍历网格节点,找到最大概率密度为30.98,对应优势裂隙面倾角5°,倾向方位角43°,如图5所示;
(6)以网格节点对应的倾角、倾向方位角以及概率密度,绘制潜在裂隙面概率密度云图,如图6所示;
(7)重复(2)~(5)步骤,按照时间顺序分别计算时间窗微震数据分区W1,W2……W147下,形成所有的潜在裂隙面倾角、倾向方位角,以及概率密度;
(8)以每个时间窗的结束时刻、倾向方位角、以及倾向方位角对应的最大概率密度值绘制时序云图,如图7所示;
(9)在裂隙面时序云图上绘制优势裂隙面的倾角和倾向方位角的时序散点图,如图8所示。
(10)当需要进行裂缝风险预测时,实时监控max{Sg(q)}的值,当max{Sg(q)}大于设定阈值,则报警。
实例表明,本发明涉及的计算公式物理力学意义明显、公式涉及的参量计算明确、普适性和可操作性强,适于编程实现,应用可行性好,同时计算得出裂隙面时序云图。另外,计算过程所涉及的实测数据采用矿井大范围实时监测的微震数据,时效性高,研究采动岩体裂隙网络的演化规律,对于瓦斯治理、防治冲击矿压、煤与瓦斯突出、突水等矿山灾害,具有重要的理论意义和实际应用价值。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或者等效流程变换,或者直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于微震时空分布的离散裂隙网络表征方法,其特征在于,包括如下步骤:
步骤1)采用时间窗滑移法将微震数据库按照时间窗W等间距划分,得到个时间窗微震数据Wk,
步骤2)选择各时间窗微震数据库Wk中任意三个微震事件构成潜在裂隙面,利用微震事件空间坐标信息,计算确定潜在裂隙面的倾角θ与倾向方位角α;
步骤3)将步骤2)获得的每个潜在裂隙面的倾角和倾向方位角对应立体图的一个点,并对立体图进行网格划分;
步骤4)采用累加概率密度方法计算网格区域潜在裂隙面的概率密度Sg(q),作为各网格节点的数值;
步骤5)遍历立体图中各网格节点的概率密度Sg(q),找到其最大值max{Sg(q)}对应的潜在裂隙面为优势裂隙面,获得优势裂隙面的倾向方位角与倾角;
步骤6)以网格节点对应的倾角、倾向方位角以及概率密度,绘制潜在裂隙面概率密度云图;
步骤7)以每个时间窗的结束时刻、倾向方位角以及倾向方位角对应的最大概率密度值绘制时序云图;
步骤8)在裂隙面时序云图上绘制优势裂隙面的倾角和倾向方位角的时序散点图。
2.根据权利要求1所述的一种基于微震时空分布的离散裂隙网络表征方法,其特征在于,步骤2)中,选择的三个微震事件之间满足下述距离关系:
Lmin≤d≤Lmax
式中:d表示为选择三个微震事件中,任意两个微震事件的距离;Lmin表示为两个微震事件之间的最小距离;Lmax表示为两个微震事件之间的最大距离。
3.根据权利要求2所述的一种基于微震时空分布的离散裂隙网络表征方法,其特征在于,利用任意三个微震事件构成潜在裂隙面的方程为:
式中:x、y、z表示为潜在裂隙面空间坐标;x1、y1、z1表示为选择的第1个微震事件空间坐标;x2、y2、z2表示为选择的第2个微震事件空间坐标;
x3、y3、z3表示为选择的第3个微震事件空间坐标。
4.根据权利要求3所述的一种基于微震时空分布的离散裂隙网络表征方法,其特征在于,步骤2)中,潜在裂隙面的倾角θ为平面外法线向量与z轴正向的夹角,潜在裂隙面平面外法线向量计算公式为:
式中:为平面外法线向量;n表示为平面外法线向量的模;(X,Y,Z)为平面外法线向量的空间坐标。
5.根据权利要求4所述的一种基于微震时空分布的离散裂隙网络表征方法,其特征在于,潜在裂隙面的倾角θ计算公式为:
若则倾角θ为0°;当Z<0时,
6.根据权利要求5所述的一种基于微震时空分布的离散裂隙网络表征方法,其特征在于,步骤2)中,潜在裂隙面的倾向方位角为平面外法线向量x-y平面的投影向量与x轴正向的逆时针夹角。
7.根据权利要求6所述的一种基于微震时空分布的离散裂隙网络表征方法,其特征在于,倾向方位角α采用下列公式计算:其中当Y<0时,
8.根据权利要求1所述的一种基于微震时空分布的离散裂隙网络表征方法,其特征在于,步骤3)中,以潜在裂隙面倾角作为立体图中的半径坐标,以潜在裂隙面倾向方位角作为立体图中的角坐标绘制在立体图;在立体图中以等间距倾向方位角和倾角度数进行网格划分。
9.根据权利要求1所述的一种基于微震时空分布的离散裂隙网络表征方法,其特征在于,采用累加概率密度方法计算各网格节点的概率密度值Sg(q),其计算公式如下:
式中:Sg(q)表示为网格节点q处的裂隙面的概率密度值;s表示潜在裂隙面在立体图中的坐标点对周边网格区域的影响范围;Di表示为网格节点q与第i个潜在裂隙面坐标点之间的距离。
10.一种基于微震时空分布的裂隙风险预测方法,其特征在于,包括如下步骤:
A、根据权利要求1-9任意一项所述的基于微震时空分布的离散裂隙网络对岩体裂隙进行表征;
B、设定阈值,当网格节点的max{Sg(q)}大于设定阈值,则报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210726500.8A CN115097517B (zh) | 2022-06-24 | 2022-06-24 | 一种基于微震时空分布的离散裂隙网络表征及风险预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210726500.8A CN115097517B (zh) | 2022-06-24 | 2022-06-24 | 一种基于微震时空分布的离散裂隙网络表征及风险预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115097517A CN115097517A (zh) | 2022-09-23 |
CN115097517B true CN115097517B (zh) | 2023-05-09 |
Family
ID=83292170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210726500.8A Active CN115097517B (zh) | 2022-06-24 | 2022-06-24 | 一种基于微震时空分布的离散裂隙网络表征及风险预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115097517B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103291364A (zh) * | 2013-06-21 | 2013-09-11 | 中国矿业大学 | 一种冲击矿压的微震多维信息综合时序预警方法 |
CN104849762A (zh) * | 2015-05-22 | 2015-08-19 | 山东科技大学 | 利用水平井入层点信息校正油藏顶面微构造的方法 |
CN110020749A (zh) * | 2019-03-20 | 2019-07-16 | 中国矿业大学 | 一种基于微震分形预测冲击危险等级的综合智能预测方法 |
CN111810239A (zh) * | 2020-07-03 | 2020-10-23 | 北京安科兴业科技股份有限公司 | 煤矿突水危险预警方法及岩体单一裂隙发育范围计算方法 |
CN111830557A (zh) * | 2019-04-15 | 2020-10-27 | 中国石油天然气集团有限公司 | 基于压裂微地震的人工裂缝复杂度指数获取方法及系统 |
CN114219211A (zh) * | 2021-11-12 | 2022-03-22 | 中国矿业大学 | 一种基于理论与数据驱动融合的冲击地压风险评估方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9417348B2 (en) * | 2012-10-05 | 2016-08-16 | Halliburton Energy Services, Inc. | Updating microseismic histogram data |
US10422923B2 (en) * | 2014-03-28 | 2019-09-24 | Emerson Paradigm Holding Llc | Systems and methods for modeling fracture networks in reservoir volumes from microseismic events |
WO2015178931A1 (en) * | 2014-05-23 | 2015-11-26 | Halliburton Energy Services, Inc. | Enhancing reservoir characterization using real-time srv and fracture evolution parameters |
-
2022
- 2022-06-24 CN CN202210726500.8A patent/CN115097517B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103291364A (zh) * | 2013-06-21 | 2013-09-11 | 中国矿业大学 | 一种冲击矿压的微震多维信息综合时序预警方法 |
CN104849762A (zh) * | 2015-05-22 | 2015-08-19 | 山东科技大学 | 利用水平井入层点信息校正油藏顶面微构造的方法 |
CN110020749A (zh) * | 2019-03-20 | 2019-07-16 | 中国矿业大学 | 一种基于微震分形预测冲击危险等级的综合智能预测方法 |
CN111830557A (zh) * | 2019-04-15 | 2020-10-27 | 中国石油天然气集团有限公司 | 基于压裂微地震的人工裂缝复杂度指数获取方法及系统 |
CN111810239A (zh) * | 2020-07-03 | 2020-10-23 | 北京安科兴业科技股份有限公司 | 煤矿突水危险预警方法及岩体单一裂隙发育范围计算方法 |
CN114219211A (zh) * | 2021-11-12 | 2022-03-22 | 中国矿业大学 | 一种基于理论与数据驱动融合的冲击地压风险评估方法 |
Non-Patent Citations (3)
Title |
---|
Prediction of Relatively High‑Energy Seismic Events Using Spatial–Temporal Parametrisation of Mining‑Induced Seismicity;Guangyao Si等;Rock Mechanics and Rock Engineering;全文 * |
基于微震裂缝参数反演的深部矿井"两带"结构规律;左秋玲等;河南工程学院学报( 自然科学版);全文 * |
宽煤柱条件下沿空巷道冲击地压防治技术研究;秦子晗;;煤炭工程(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115097517A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10422923B2 (en) | Systems and methods for modeling fracture networks in reservoir volumes from microseismic events | |
CN113821953B (zh) | 基于动态地应力和剩余油特征的暂堵重复压裂设计方法 | |
US9086503B2 (en) | Propagating fracture plane updates | |
CA2945467C (en) | Enhancing reservoir characterization using real-time srv and fracture evolution parameters | |
US10853533B2 (en) | Three-dimensional fracture abundance evaluation of subsurface formation based on geomechanical simulation of mechanical properties thereof | |
AU2012369158B2 (en) | Systems and methods for selecting facies model realizations | |
CN103389489B (zh) | 基于大斜度井的微地震监测定位方法 | |
CN110609321B (zh) | 一种基于速度模型数据库的微震源定位方法 | |
CN103105624A (zh) | 基于数据库技术的纵横波时差定位方法 | |
CN106980716B (zh) | 一种基于随机块体的地下洞室稳定分析方法 | |
CN103105622B (zh) | 基于数据库技术的同型波时差定位方法 | |
CN112904419B (zh) | 一种微地震成像方法及终端设备 | |
US10113421B2 (en) | Three-dimensional fracture abundance evaluation of subsurface formations | |
CN114647957B (zh) | 一种基于酸压“改造区”理论的酸压效果评价方法 | |
CN114429057A (zh) | 天然裂缝建模及压裂模拟方法、装置、计算机和存储介质 | |
CN115097517B (zh) | 一种基于微震时空分布的离散裂隙网络表征及风险预测方法 | |
WO2024046501A1 (zh) | 一种基于三维电位响应的巷道围岩应力状态探测方法 | |
EP3374970B1 (en) | Fracture network simulation using meshes of different triangle sizes | |
US20170321523A1 (en) | Three-dimensional subsurface formation evaluation using projection-based area operations | |
CN111695228A (zh) | 一种缝洞型碳酸盐岩油藏的多尺度裂缝建模方法 | |
Sun et al. | Visualization and early warning analysis of damage degree of surrounding rock mass in underground powerhouse | |
Rezaei et al. | Applications of Machine Learning for Estimating the Stimulated Reservoir Volume (SRV) | |
CN116976751B (zh) | 一种基于时空数据融合的煤矿采空区勘察系统 | |
CN115455632B (zh) | 一种规模和形态协同优化的压裂优化设计方法及系统 | |
Xue et al. | Fracture-development identification using trajectory-based clustering algorithm with time-spatial constraints |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |