当前位置：首页 > news >正文

复现瓦斯抽采钻孔间距优化的二维数值模拟研究模型

news 2026/3/27 4:33:29

复现论文《瓦斯抽采钻孔间距优化三维数值模拟量化研究》模型模型为二维不是论文的三维图

钻孔间距优化的数学建模手记

最近在复现某篇瓦斯抽采钻孔优化的论文时，发现原论文的三维模型对计算资源要求太高。为了快速验证核心结论，我决定将模型简化到二维平面，用Python实现了一个轻量化的数值模拟方案。这里记录几个关键实现细节。

问题拆解：二维模型怎么玩？

原论文的瓦斯流动遵循达西定律，三维模型中需要考虑煤层各向异性渗透率。切换到二维平面后，假设煤层在垂直方向均匀分布，将三维钻孔简化为二维平面上的圆形区域（相当于三维钻孔的横截面）。控制方程简化为：

def darcy_equation(p, K, mu): return - (K / mu) * np.gradient(p)

这里的K是渗透率张量（二维对角矩阵），mu是瓦斯动力粘度，p是压力场。为了偷懒，直接用NumPy的梯度函数计算压力梯度——虽然精度不如有限元，但对定性分析够用了。

几何建模：画个圈圈搞事情

钻孔在二维平面上表现为圆形边界条件。用极坐标系设定初始压力场：钻孔位置设为零压力（抽采负压），外围边界为煤层原始压力。这里有个坑——极坐标虽然方便，但实际计算时得转回笛卡尔网格，否则各向异性渗透率没法处理。

# 生成极坐标网格 r = np.linspace(0, 10, 100) # 半径范围0-10米 theta = np.linspace(0, 2*np.pi, 100) R, Theta = np.meshgrid(r, theta) # 转笛卡尔坐标 X = R * np.cos(Theta) Y = R * np.sin(Theta)

为了让代码能跑在普通笔记本上，网格密度只设了100×100。实际项目中建议用FEniCS这类有限元库，但这里用显式差分+NumPy硬算更直观。

渗流场的动态演变

模拟的核心是压力场随时间的变化。采用显式欧拉法迭代，虽然稳定性差但代码好写。关键循环部分：

for t in range(1000): # 计算当前压力梯度 grad_px, grad_py = np.gradient(p_current) # 达西速度场 vx = - (K_xx / mu) * grad_px vy = - (K_yy / mu) * grad_py # 质量守恒方程的时间推进 div_v = np.gradient(vx, axis=1)[1] + np.gradient(vy, axis=0)[0] p_next = p_current + dt * (div_v) # 这里隐藏了一个密度项，被简化掉了 # 边界条件重置 p_next[钻孔_mask] = 0.0 # 钻孔位置保持负压 p_current = p_next.copy()

这段代码有个隐藏的假设：忽略瓦斯压缩性。原论文中考虑了气体状态方程，但二维简化版为了省事直接线性处理。如果需要更精确，得把密度变化项补上。

间距优化的暴力美学

如何确定最佳钻孔间距？论文里用重叠率指标，这里改用更直接的“压力洼地覆盖法”：计算每个位置被相邻钻孔压力场影响的概率。跑完模拟后，用Voronoi图划分钻孔势力范围：

from scipy.spatial import Voronoi # 假设钻孔坐标保存在wells数组中 vor = Voronoi(wells) # 计算每个Voronoi区域的面积 area_threshold = np.pi * (有效抽采半径)**2 overlap_flag = vor.cell_areas > area_threshold

如果某个Voronoi单元面积超过单孔理论抽采范围，说明该区域存在抽采盲区——这时候就得缩小钻孔间距或者调整布局。