《Fuel》：Exploring the dynamic evolution and importance of influence factors in natural gas hydrate exploitation by depressurization combined thermal stimulation using numerical simulation and machine learning models
编辑推荐：
天然气水合物开采中，降压联合热刺激方法在南海神狐海域的数值模拟与机器学习分析表明，早期低生产压力主导产气，后期热注入压力成为关键，但过高压力易引发二次水合物。温度每升高10℃，产气率和分解率分别增6.5%和10.5%。参数贡献率随开采阶段动态变化，压力差贡献率从0.17增至0.35-0.40。
王亚飞|钟秀萍|王鹏飞|李云|张珊玲|刘学驰|陈一奇|朱金龙
中国南方科技大学天然气水合物重点实验室、物理系与高级跨学科研究学院，深圳518055
摘要
安全高效地开发天然气水合物（NGH）对于确保能源安全和推进低碳经济至关重要。本研究考察了在减压结合热刺激方法下，中国南海深湖地区的气体生产行为。通过数值模拟评估了地质因素和生产参数对气体生产性能的影响。此外，采用了一种可解释的机器学习框架，将极端梯度提升（XGBoost）与Shapley加性解释（SHAP）相结合，以量化不同开发阶段主导因素的动态演变。结果表明，在早期阶段，较低的生产压力有助于水合物的开采；而在后期阶段，热注入压力成为主要驱动因素。值得注意的是，过高的热注入压力可能会导致注入井附近形成次生水合物。虽然注入温度的影响最初可以忽略不计，但温度升高10℃后，气体产率和水合物分解率分别提高了约6.5%和10.5%。生产压力的相对贡献从第一年的0.42下降到后期的0.29–0.38，而渗透率的显著性从前五年的0.27下降到后期的0.14–0.18。压力差的权重从最初的0.17上升到0.26，随后又上升到0.35–0.40。这些发现为NGH的开发提供了动态的、定量的理解，为优化海上气体生产策略提供了指导。
引言
天然气水合物（NGH）是一种在高压低温条件下由小分子气体（主要是甲烷）与水结合形成的固体化合物[1]。大约97%的NGH位于海底沉积物中，其体积约为1.2×10^17立方米CH4[2]，几乎是常规天然气体积的三倍[3]、[4]。因此，NGH被视为一种有前景的清洁能源[5]。目前，加拿大[6]、美国[7]、日本[8]和中国[9]、[10]已经进行了水合物开发的现场试验。这些现场试验，特别是中国的第二次试验，验证了水合物开发的技术可行性。然而，实现长期、稳定和商业化的开发仍面临重大挑战[11]、[12]、[13]、[14]。当前的开发方法包括减压、热刺激、CO2置换、化学抑制剂注入和固态流化[15]、[16]、[17]。减压由于操作简单且能耗低，被广泛认为是最具商业可行性的技术[18]，日本和中国都采用了这种技术进行海上水合物开发试验[15]、[19]。然而，其主要问题是水合物分解会降低储层温度，从而降低分解速率并导致次生水合物的形成[20]。因此，研究人员越来越关注结合策略：减压与热刺激（D + T）被认为是一种潜在的最佳方法，可以提高水合物开发的效率[21]、[22]、[23]、[24]。
鉴于现场实验的局限性，数值模拟已成为研究NGH在野外尺度上的重要方法[25]、[26]、[27]、[28]、[29]、[30]、[31]、[32]。例如，吴等人[33]发现较强的热刺激可以提高气体产率。王等人[34]指出，较低的渗透率会降低D + T刺激的增强效果。张等人[35]发现，高注入压力可能会导致使用减压结合CO2置换方法时发生CO2泄漏。夏等人[36]发现I类水合物储层在D + T刺激下效果最为显著。钟等人[37]、[38]证实，水力压裂在D + T条件下显著提高了开发效率。聂等人[19]表明，五点水平井系统可以显著增加具有渗透边界储层中的累计气体产量。马等人[39]发现，过高的注入温度和延长的注入时间会降低生产效率。
此外，地质因素和生产参数影响水合物开发的效率。一般来说，较高的温度、渗透率、水饱和度和减压速率会加速水合物分解速率，而较高的生产压力、水合物饱和度和气体饱和度通常会降低分解速率[40]。蒋等人[41]发现，初始储层温度、绝对渗透率、水合物分解率和井底压力显著影响气体产量。王等人[42]指出，在逐步减压过程中，热导率和气体相对渗透率是主要控制因素。此外，詹等人[43]表明，较大的沉积物颗粒尺寸可以增强热质传递，从而提高气体产率。总之，地质因素和生产参数显著影响水合物开发。然而，当前的研究仍存在一些局限性。首先，大多数研究仅关注单个参数，缺乏对整个开发过程的系统评估。其次，对于复杂的地质条件和多层水合物储层，不同开发阶段主导因素的动态变化尚未得到充分研究。对D + T方法下参数敏感性和主导因素的全面分析有限。至关重要的是，传统的敏感性分析通常只能得出因素重要性的静态或全局平均排名。这种静态视角无法解释水合物生产生命周期中控制机制的时空演变。理解这些动态变化对于制定时间依赖性和适应性开发策略至关重要。
本研究基于深湖地区的现有地质数据，建立了多层水合物储层的地质模型，并使用D + T方法模拟了水合物的开发性能。该研究系统地量化了各种地质因素和生产参数对水合物开发性能的影响。通过整合XGBoost-SHAP机器学习技术，该研究量化了每个因素对气体生产的贡献，并捕捉了不同开发阶段主导因素的动态变化。通过提供对动态因素变化的创新分析及其定量描述，本研究为从静态调节向分阶段、时间依赖性调节优化水合物开发提供了新的视角。
章节摘录
地质背景
研究区域位于中国南海的深湖地区，具体位于珠江口盆地北部（图1）。该地区的水深约为1,225米。2019年10月至2020年4月期间，中国在该地区成功进行了第二次海上NGH开发试验。根据核磁共振（NMR）和声波测井数据的分析，含水合物的系统可以分为三个不同的地层单元：
CH4生产和水合物分解性能
图5展示了案例2的CH4生产和释放性能。开发性能由CH4产率（Qp）和累计CH4产量（Vp）表示，橙色曲线专门表示生产井的产出。Qp的时间演变经历了四个不同的阶段。在第一个阶段（0–500天），Qp相对较低且稳定。在早期阶段，气体回收主要由局部...
机器学习框架和数据集构建
极端梯度提升（XGBoost）是一种基于梯度提升回归树（GBRT）原理的集成学习算法[55]。它通过迭代优化构建多个弱学习器（通常是回归树），每次迭代都最小化前一次的残差误差，从而逐步提高模型性能。该算法可以用最少的计算资源完成预测任务[56]、[57]。Shapley加性解释（SHAP）是一种...结论
本研究将NGH开发的地质模型与机器学习方法（XGBoost-SHAP）相结合，分析了地质因素和生产参数如何影响气体生产。本研究的新颖之处在于定量描述了水合物开发阶段主导因素的动态变化，提供了一种新的因素重要性分析方法，涵盖了整个水合物生产生命周期。它克服了传统敏感性分析的局限性...
CRediT作者贡献声明
王亚飞：撰写 – 审稿与编辑，撰写 – 原稿，方法论，概念化。钟秀萍：撰写 – 原稿，软件，资源，方法论。王鹏飞：撰写 – 原稿，资金获取，正式分析。李云：可视化，验证，调查。张珊玲：撰写 – 原稿，可视化，正式分析。刘学驰：调查，数据管理。陈一奇：可视化，调查，正式分析。朱金龙：
利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
本工作得到了深圳市科技计划（JCYJ20241202125420028, JCYJ20220530113011027, JCYJ20220818095605012）和广东省基础与应用基础研究基金（2025A1515010748, 2023A1515012761）的支持。
