-
题名基于深度学习和地震数据的海上风电场CPT预测研究
- 1
-
-
作者
李书兆
孙国栋
申辰
李文逵
罗进华
王教龙
-
机构
中海石油(中国)有限公司北京研究中心
中国地质大学(武汉)地球物理与空间信息学院
中海油田服务股份有限公司勘察技术部
-
出处
《工程地球物理学报》
2025年第2期216-226,共11页
-
基金
国家“十四五”重大科技项目(编号:KJZX-2022-12-XNY-0100)。
-
文摘
为了应对海上风电场对海底岩土参数探测的需求,以海南岛西部的莺歌海盆地东方区海上风电项目建设为例,用建立邻域的方式将地震数据和孔压静力触探试验(Cone Penetration Test,CPT)数据联系起来,构建深度学习岩土参数预测模型。通过K折交叉验证对模型进行训练,并与支持向量机、随机森林和神经网络模型进行了对比。实验结果表明,所提出的深度学习岩土参数预测模型在验证精度方面显著优于3种机器学习模型,相对误差率小85%,拟合优度大21%,均方根误差小59%,平均绝对百分比误差小71%,在测试孔位CPT-16上对比4种方法,深度学习岩土参数预测模型最拟合,能预测出CPT岩土参数的变化趋势,在预测地震剖面的岩土参数方面,深度学习岩土参数预测模型能呈现出细致且自然的地层起伏变化。总结,深度学习岩土参数预测模型具有很高的可靠性,能够对海上风电场海底岩土参数进行有效的预测。
-
关键词
海上风电
岩土参数预测
地震
CPT钻孔
深度学习
-
Keywords
offshore wind power
prediction of geotechnical parameters
earthquake
CPT drilling
deep learning
-
分类号
P631.4
[天文地球—地质矿产勘探]
-
