美国页岩储层每天生产数百万桶石油。然而，与锁在这些地下岩石中的实际石油量相比，这个数量是很小的。油气行业已经在井下安装了光纤传感电缆，以更好地了解水力压裂的结果，以及为什么增产和生产过程不能以预期的速度释放被困石油。不幸的是，从这些传感器接收到的信息流非常庞大，很难进行分类。
一个多学科团队，包括德克萨斯A&M大学的研究人员和科罗拉多矿业学院的一名教员，已经创建了一种算法来清理压裂工作中的地下数据，并提供了这些过程如何以及在页岩储层中成功和失败的清晰视图。
哈罗德万斯石油工程系雪佛龙公司研究员、副教授Kan Wu博士表示:“与简单的定性分析相比，我们的定量表征可以获取更多关于储层内裂缝几何形状的信息。“我们已经测试了我们的算法，并已将其应用于现场。”
研究结果于2021年11月11日发表在《石油工程师学会》杂志上。SPE生产与运行杂志。
传统的数据解释方法虽然对工程师非常有帮助，但严格地基于定性信息或基于信息模式的概率。相比之下，该算法的开发是为了收集可计数的定量数据，如储层内的温度、压力或岩石变形变化。它能识别出造成变化的结果，并准确地模拟出裂缝移动的距离和速度、方向以及裂缝的大小。
低频分布式声传感(DAS)数据采集技术问世仅5年，因此并非所有从光纤井中接收到的信息都能被完全破译。此外，由于地下结构的巨大变化，每口井都有自己的特征范围。正是由于这种复杂性，吴和她的同事们，包括教授兼Robert L. Whiting主席George Moridis博士，以及矿业学院地球物理学助理教授Ge Jin博士，需要相当多的时间来精心开发他们的算法。
首先，研究人员测试了该算法清理数据和解释已知裂缝过程中简单流的能力。这样，他们就可以回溯或反转信息，以找到骨折生长的起点。随着算法的扩展，可以理解更复杂的信息，他们提高了算法的前瞻性思维能力，并预测了新裂缝和复杂裂缝的形成和发展。
Wu是岩石力学方面的专家，Jin是地球物理和DAS技术方面的专家，Moridis是耦合过程先进数值方法和高性能计算方面的专家。由于项目团队的多学科背景，该算法具有令人难以置信的灵活性，可以成长并适应它接收到的数据类型。例如，刘永赞(Yongzan Liu)是这个项目的研究生，他参与了两年多的项目，现在是劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory)的一名博士后研究员，他使用类似的方法，并对含水合物沉积物的光纤数据进行建模，以监测天然气产量。
Liu, Wu, Moridis和Jin是第一个开发这种算法并发表结果的人。他们的研究目标是最终实现算法的自动化，这样压裂事件的反馈就能在钻井现场近乎实时地发生。通过这种方式，工程师可以根据每口井的特定组成快速调整裂缝设计。
Wu说:“行业需要这种类型的工具来了解裂缝的几何形状并监测裂缝的扩展。效率越高，就越有助于优化水力压裂和完井设计，并最大限度地提高油井产量。”