论文分享：基于生成神经网络的非均质储层裂缝扩展代理模型

摘要：准确而高效地模拟裂缝扩展形态，对于优化水力压裂设计至关重要。然而，岩石力学非均质性及界面对裂缝扩展的影响高度复杂。传统数值模拟方法在非均质条件下常面临收敛速度慢、计算成本高，以及需要人工调整物理参数等问题，使裂缝扩展模拟成为一项具有挑战性的工作。

针对上述问题，本文提出了一种基于生成神经网络的裂缝扩展预测方法，即 Fracture Propagation GAN（FPGAN）。将 FPGAN 模型作为裂缝扩展模拟的代理模型后，在保持原始图像精度的同时，显著提升了非均质条件下裂缝扩展模拟的效率。

研究利用有限离散元方法（FDEM）生成不同力学参数下的裂缝扩展时序图像，构建了基础数据集和复杂数据集。随后在这些数据集上训练 FPGAN 模型，使其能够快速预测非均质条件下的裂缝形态。

实验结果表明，FPGAN 模型可在 1 分钟内预测任意给定力学参数组合下的水力裂缝扩展图像，与传统数值方法相比，计算效率提高数个数量级。该模型为分析不同矿物组成对裂缝生成的影响提供了稳健基础，并在水力裂缝扩展模拟中展现出重要应用潜力。

MultiFracS自2021年底对外发布以来，陆续有用户使用该软件结合自己的研究领域开展创新性的科研工作，在领域有影响力的期刊发表他们的成果。我们也期待有越来越多的用户发表他们的创造性成果。我们始终坚信，用户作为行业专家，掌握关键理论和试验数据，拥有丰富工程经验，会拓展出更多应用场景，进行更深入的研究，取得更多创造性的高价值成果。作为软件开发者，我们将坚定做好服务者的角色，不断响应用户需求，快速迭代，为打造好用易用的软件产品而持续努力。