基于贝叶斯概率网络对注水引起的水库诱发地震影响因素分析

2019-05-05 03:31
福建质量管理 2019年8期
关键词:盐井贝叶斯差值

(成都理工大学 四川 成都 610059)

一、研究背景

近年来,四川省长宁地区关于盐井注水而诱发多频率小型地震引起了大量社会关注,如美国加利福尼亚Wilmington油田(Yerkes,etal,1976)、四川罗城地区因注水采盐(徐泽奎,1989)、等都造成了典型的注水诱发地震。而四川作为全国主要的盐矿产区之一,有多处注水、取水采盐点。有关研究表明,注水诱发地震活动不仅与该地区地层构造、加速附近区域小断裂、微裂缝带等微构造地层的破裂有关,还与注水引起的重力场变化、局部构造活动等有关。[1]

二、基于Netica的贝叶斯概率网络模型构建

(一)贝叶斯网络拓扑结构建立

贝叶斯网络拓扑结构确定的方法有很多,根据对盐井注水诱发地震的相关性因素以及其确定性关系转化得到贝叶斯网络,用条件概率表示诱发地震的因果关系,从而建立多因素盐井注水诱发地震贝叶斯网络模型。将变量A,B,C作为原因层,D,E作为结构层。按照上述方法建立的贝叶斯网络的盐井诱发地震的风险评估模型如下图所示

(二)提取问题的相关变量并确定取值

根据上图模型各变量采用定量分类方法形成的状态集合为:

A:上一次抽注水量差值(1×104m3/月):{0-10,10-20,20-30,30-40,40-50,50-60}

B:与注水口距离差值(公里):{0-3,3-6,6-9,9-12}

C:地震距上一次注水时间维度差值(月):{0-3,3-6,6-9,9-12,12-15}

D:地震是否处在裂隙带上:“1”,“0”分别表示在或者不在裂隙带.

E:地震是否由于抽注水引起的(可根据第一问计算Dg判断):“1”,“0”分别表示是和不是由注水引发地震。

(三)提取问题的相关变量并确定取值

本文采用Netica作为仿真建模工具。[2]

采用贝叶斯网络推理机制,集合实际数据训练,利用Netica构建并进行初始化后的盐井诱发地震的风险评估贝叶斯网络如下图所示:

以上为利用诱发地震参数进行训练的贝叶斯网络推理结果(在本次训练中为了表达方便,诸如B3,A10等参数表示在该分类数集前一级范围,如B3表示B参数下离注水口距离0-3公里)

二、结论

本次训练结构中发生地震在注水口的概率为66%,说明在地震震源在空间分布上更加倾向于靠近注水口位置。

本次训练结构中地震发生的时间维度主要分布在0-6月,在6个月后也有因注水而引起的地震,得出盐井注水主要通过进行短期影响地下重应力变化从而导致地震,但在大量注水情况下盐井注水沿构造地震裂隙带延伸,地震分布进行滞后性沿其他方向延展。

本次训练结构中地震都集中在注抽水差值大于300000立方米的情况下发生,说明只有当抽注水达到一定数量后才会诱发地震。

猜你喜欢
盐井贝叶斯差值
The Four Coldest Places in the World
差值法巧求刚体转动惯量
枳壳及其炮制品色差值与化学成分的相关性
清末川边改土归流前期西藏东部盐井社会状况及周边环境考察
基于贝叶斯估计的轨道占用识别方法
基于互信息的贝叶斯网络结构学习
一种基于贝叶斯压缩感知的说话人识别方法
差值扩展算法嵌入容量的研究与改进
基于区域最大值与平均值差值的动态背光调整
叩访盐井祠