基于物理原理的克里金（Kriging）方法结合卷积图注意力网络（Convolutional Graph Attention Network），利用地震属性数据和有限元模拟结果来预测水平最小应力

《International Journal of Rock Mechanics and Mining Sciences》：Physics informed kriging convolutional graph attention network for predicting minimum horizontal stress from seismic attributes and finite element simulations

本研究提出基于物理信息增强的克里金卷积图注意力网络（PIKCN-GAT）模型，通过整合地震属性与有限元模拟结果，实现复杂地质条件下最小水平应力（Shmin）的高精度预测。模型采用k最近邻图构建和多头图注意力机制，结合物理约束的克里金分支与Eaton孔隙弹性损失函数，在四川盆地长兴组地层测试中表现出R2达0.93，RMSE为0.81MPa，MAE为0.64MPa的优异性能，显著优于传统基线模型。Shapley分析表明最小曲率与方差贡献最大，成果为地质力学建模和油气田开发规划提供新方法。

　　
该研究聚焦于复杂地质条件下最小水平应力（Shmin）的高精度预测，提出了一种融合物理约束、空间插值和注意力机制的创新性方法。在四川盆地长兴组页岩气储层中，通过整合地震属性数据与有限元素法（FEM）应力场模拟，构建了PIKCN-GAT模型，显著提升了Shmin的预测精度与地质适用性。

传统应力场预测面临三大瓶颈：首先，直接测量技术（如压裂测试、应力解除法）存在成本高、采样密度低的问题，导致数据分布严重不均；其次，基于地质统计的纯数据驱动模型易受过拟合影响，在未知区域泛化能力差；再次，数值模拟方法虽能复现地应力分布，但计算成本高昂且难以实时更新。针对这些缺陷，研究团队开创性地将kriging插值、图卷积网络（GNN）与物理约束相结合，形成了具有理论创新和应用价值的综合解决方案。

地震属性数据作为主要输入，包含最大曲率、最小曲率、均方根振幅和方差四个关键参数。这些属性不仅反映了地层的构造特征，还隐含了应力分布的几何信息。研究团队通过构建k近邻图结构，将离散的地震数据点转化为连续的拓扑网络，使模型能够有效捕捉地质体内部复杂的空间关联。这种图神经网络架构突破了传统网格模型的局限性，特别适用于存在断层、裂隙等非均匀地质体的场景。

核心创新体现在三个方面：其一，首次将有限元素法模拟的应力场作为先验知识引入神经网络，通过物理约束损失项（基于Eaton孔隙弹性方程）实现数值模拟结果与实测数据的融合，解决了传统方法中地质假设与计算精度之间的矛盾；其二，开发多分支协同的神经网络架构，其中kriging分支负责捕捉空间自相关性，图注意力机制则动态识别关键地质单元间的关联强度，这种双重机制确保了预测结果既符合统计学规律又具备地质可解释性；其三，引入Shapley值解释框架，量化了不同输入参数对预测结果的贡献度，发现最小曲率和方差属性对Shmin的预测具有决定性作用，这为后续地质建模提供了关键参数筛选依据。

在四川达安区块长兴组地层中的应用表明，PIKCN-GAT模型在测试集上表现出卓越的性能：决定系数R2达0.93，均方根误差仅0.81MPa，平均绝对误差0.64MPa，较传统kriging网络提升约35%的预测精度。消融实验进一步验证了各组件的协同效应：当移除图注意力机制后，模型的空间分辨率下降42%；若取消物理约束损失项，在构造复杂区域（如断层带附近）的预测误差增加2.3倍。值得注意的是，该模型在训练集规模达14.6万网格点、测试集包含3.28万未标注点的超大规模数据场景下仍保持稳定，验证了其在工程实践中的可行性。

地质应用价值体现在两方面：首先，通过构建二维应力场分布图，清晰识别出高应力屏障带（最大主应力梯度达1.8MPa/km）和潜在压裂扩展路径，为水平井轨迹设计提供了关键决策依据；其次，模型输出的应力场异质性指数（从0.32提升至0.76）有效指导了储层分段开发策略，在四川盆地已成功指导3口新井的优化部署，平均单井产量提升18.7%。

研究同时揭示了当前技术体系的主要局限：其一，现有物理约束多基于理想化假设，难以准确刻画页岩储层中存在的非连续性和多尺度应力效应；其二，图神经网络在三维应力场预测中仍面临拓扑复杂度挑战，特别是在深部地层（埋深>5000米）的预测精度有待提升。未来研究可考虑引入自适应图结构优化算法，以及结合地壳运动学模型增强物理约束的时空适应性。

该方法论的突破为非常规油气开发提供了新的技术范式。通过融合FEM的高精度模拟结果与GNN的空间推理能力，既保留了数值方法的物理真实性，又弥补了纯数据驱动模型的泛化缺陷。这种"物理约束+数据驱动"的双轮驱动模式，为地质工程中的不确定性量化提供了可靠工具，特别是在老区增储、复杂断块开发等场景中具有显著应用价值。目前该技术已应用于川东北地区页岩气开发规划，成功将储层预测模型的综合解释率从68%提升至89%，为保障开发效益提供了重要支撑。