地层破裂压力测井预测的统计模式研究

目前计算地层破裂压力的理论模型或公式较多，但缺乏能直观反映地层破裂压力随测井计算的岩石力学参数变化的统计模型。该文基于地层破裂压力与岩石力学参数的关系，优选出对地层破裂压力影响较大的杨氏模量、体积弹性模量、泊松比及深度等四个参数作为建立统计模型的输入变量。同时利用BP神经网络和多元回归分析法对碳酸盐岩地层实测破裂压力数据进行统计建模和预测研究。结果表明，多元回归模型形式简单直观，易于使用，但精度不高；而BP神经网络模型复杂，建模较难，但预测的地层破裂压力误差小，精度高。两种统计模型都不失为预测地层破裂压力的可行方法。     

东海深部地层岩石可钻性预测方法研究北大核心CSCD

东海深部地层中部分井PDC钻头与地层性质匹配性不足,导致机械钻速低、钻头磨损严重等问题发生。以室内岩心微钻实验数据为依据,首先建立了测井参数预测岩石可钻性的非线性多元回归模型,同时利用多种人工神经网络方法对岩石可钻性进行了预测,结果表明非线性多元回归模型预测岩石可钻性与常规BP神经网络、级联BP神经网络、径向基RBF神经网络、BP-RBF双级联神经网络模型预测结果均具有较高可信度,但BP-RBF双级联神经网络模型预测效果最好,更适合于东海深部地层岩石可钻性预测。本文研究结果可为东海深部地层岩石可钻性预测及钻头选型提供借鉴。     

东海深部地层岩石可钻性预测方法研究

东海深部地层中部分井PDC钻头与地层性质匹配性不足,导致机械钻速低、钻头磨损严重等问题发生。以室内岩心微钻实验数据为依据,首先建立了测井参数预测岩石可钻性的非线性多元回归模型,同时利用多种人工神经网络方法对岩石可钻性进行了预测,结果表明非线性多元回归模型预测岩石可钻性与常规BP神经网络、级联BP神经网络、径向基RBF神经网络、BP-RBF双级联神经网络模型预测结果均具有较高可信度,但BP-RBF双级联神经网络模型预测效果最好,更适合于东海深部地层岩石可钻性预测。本文研究结果可为东海深部地层岩石可钻性预测及钻头选型提供借鉴。     

岩石力学参数试验与地层破裂压力预测研究

通过对塔里木盆地群库恰克地区4口井中的7个地层100块岩心进行岩石力学参数试验和声波试验,获得了该地区岩石的弹性模量、泊松比、纵横波时差等一系列岩石静态力学参数。对试验结果进行了分析研究,得到了岩石纵横波时差关系拟合模型。结合测井资料所得到的岩石动态力学参数,回归出了群库恰克地区岩石的动静态力学参数模型,为预测群库恰克地区地层破裂压力提供了准确的岩石力学参数。在建立群库恰克地区地层破裂压力预测模型过程中,基于岩石的破裂机理,提出了一种地层破裂压力预测的新模型,该新模型已用于群库恰克地区地层破裂压力预测,为合理确定钻井液密度提供了理论依据。     

准噶尔盆地玛北斜坡区砂砾岩破裂压力预测方法研究

基于地层岩石三轴应力原理,利用裂缝形态特征分析地层现今地应力状态;采用岩石力学、声学实验,建立偶极声波测井评价岩石力学参数的动静转换模型;结合岩石破坏准则,建立玛北斜坡区砂砾岩破裂压力测井预测方法,对15口井进行破裂压力预测,利用压裂资料刻度,相对误差6.1%,破裂压力预测精度达到水力压裂施工要求。     

钻井岩石力学参数三维建模方法及其现场应用

在地层空间中建立岩石力学参数三维数据模型可指导钻井设计与施工,但常规建模方法的精度和分辨率有限。考虑到层速度是求取钻井岩石力学参数的基础数据,理论分析发现地层波速与地震属性之间存在着较复杂的映射关系,而神经网络学习算法具备识别这种定量关系的能力,基于识别结果可预测三维地震层速度,据此提出了钻井岩石力学参数三维建模新方法。在提取得到目标工区内完钻井的声波测井和井旁地震属性的基础上,将各套地层中的声波速度和对应的地震属性作为学习样本对,使用小波神经网络分层识别波速和地震属性之间的非线性函数关系,再将这种关系延拓至工区三维空间上,利用地震信息依次建立地震层速度和各类钻井岩石力学参数三维模型,并将其用于指导钻井工程。本方法在鄂尔多斯南部YS地区进行了应用,地层三压力和岩石可钻性三维建模成果具有较高的精确度和分辨率,依据模型进行的钻井工艺技术优化取得了良好的提高钻速、减少复杂的效果。     

烃源岩总有机碳含量测井预测模型探讨——以陆丰凹陷文昌组为例

测井参数与烃源岩总有机碳（TOC）含量之间存在某种响应关系,可以利用测井参数对TOC进行预测。建立了陆丰凹陷文昌组烃源岩TOC和电阻率曲线、声波时差曲线、中子孔隙度曲线、自然伽马曲线和密度曲线之间的多元回归模型、BP神经网络模型和曲线叠合模型,探讨了3种模型对TOC预测效果的差异。结果表明,多元回归模型对陆丰凹陷文昌组半深湖亚相、三角洲前缘亚相烃源岩的TOC预测效果较好,对滨浅湖亚相的预测效果较差;BP神经网络模型比多元回归模型预测的效果好;曲线叠合模型预测效果较差。在实际应用中,BP神经网络模型适用于测井参数与TOC难以用显式函数表达,且有足够大数据量的地层;多元回归模型适用于测井参数与TOC有明显相关性的地层;曲线叠合模型适用于伽马曲线对黏土和有机质含量响应明显的地层,并且目标曲线在非烃源岩层能较好叠合。通过对以上模型的分析,可向该坳陷其他次级凹陷推广应用。     

基于eXpress平台地层破裂压力预测参数的改进

利用eXpress平台处理Xmac测井资料对地层破裂压力进行预测的过程中,发现计算岩石力学参数程序中比奥特压缩系数常出现奇异值或断点.在实际应用中,比奥特压缩系数对其他力学参数、泥浆参数的求取和破裂压力的预测起着很关键的作用.经过多次试验发现通过增加1组泥岩参数值的方法可以得到新的比奥特压缩系数,利用改进后连续的比奥特压缩系数曲线就可以在很大程度上解决这个问题.根据改进后的岩石力学参数进行地层破裂压力的预测,并与实际施工数据进行了结果对比, 取得了较好的效果.     

新型预测地层破裂压力模型及其应用

新的预测地层破裂压力模型与国内外现有的模型不同,它是采用静力学分析建立的;考虑了上覆岩层压力、地层孔隙压力、构造应力和岩石抗拉强度等因素对地层破裂压力的影响。但是,必须将动态弹性参数转换成静态弹性参数,才能用测井资料估算地层破裂压力。     

̼�����ҵز�����ѹ���IJ⾮Ԥ���о�

利用测井信息准确地计算碳酸盐岩地层的破裂压力难度较大。文章在对现有的各种地层破裂压力计算模型进行分析评价之后，根据三向地应力模型和岩层破裂机理，结合碳酸盐岩地层的低孔、各向异性、非均质性和岩石力学特性及测井响应特征，提出了一种适合于碳酸盐岩剖面的地层破裂压力的测井预测新模型，并重点研究了模型中各参数的提取方法。利用该模型及其解释程序对川东地区DKH构造DU4井等的碳酸盐岩井段的测井资料进行了地层破裂压力预测处理。应用表明，该法从测井信息中提取的碳酸盐岩地层破裂压力是可靠的，且精度较高、实用性强，可以用于指导碳酸盐岩地层钻井液密度的设计与选择合理的压裂施工压力。     

各向异性地层中斜井井壁失稳机理

深部层理性地层井壁稳定性必须考虑地层物理力学性质的各向异性,然而目前井壁稳定设计方面仍粗略地将其近似为各向同性体,使得预测的维持井壁稳定的坍塌压力和破裂压力不能满足安全钻井的需要。笔者在研究层理地层岩石力学特性的基础上,获得了一种考虑地层方向特性的井壁围岩应力分布公式,分析了横观各向同性地层的井壁应力分布特征,建立了新的斜井地层井壁稳定分析模型。研究结果表明,岩石的弹性模量、地应力和地层倾斜度的变化对井壁围岩的应力分布和坍塌、破裂压力均会产生影响,克服了常规各向同性井壁稳定分析模型不能准确预测层理性地层斜井井壁稳定的难题。因此在钻井施工设计当中,须根据地层特性选择合适的分析模型,以更好地指导现场实践。     

人工神经网络技术在油田储层物性预测中的应用――以西峰油田为例

与传统的测井资料解释和信息处理技术相比较,在对非均质性较强、物性参数级差较大的储集层物性预测中,人工神经网络技术具有极强的自适应和自学习能力,其通过很强的非线性映射,能够精确地建立储集层参数与测井响应之间的非线性模型。在论述神经网络技术基本原理的基础上,对西峰油田延安组和延长组储层的物性参数(孔隙度和渗透率等)进行了预测,取得了较理想的结果。预测结果表明:渗透率参数级差不大(<102)时,预测精度高;渗透率的变化范围较大(>103)时,对具有高渗透率储层的预测精度高,而对具有低渗透率储层的预测值相对误差较大。     

基于BP和LSTM神经网络的顺北油田5号断裂带地层孔隙压力智能预测方法

顺北油田断裂发育,地质构造复杂,储集层埋深达8 000 m,具有高温高压、窄钻井液密度窗口等特征,地层孔隙压力的预测精度难以满足工程需求。为了提高地层孔隙压力的预测精度,利用人工智能方法在处理复杂非线性问题上的优势,采用反向传播神经网络BP和长短期记忆循环神经网络LSTM这2种人工智能算法,基于顺北油田5号断裂带上3口井的声波时差、自然电位和自然伽马等11种特征数据以及经实测校正的地层孔隙压力标签数据,建立了顺北油田5号断裂带地层孔隙压力智能预测模型,BP神经网络模型的预测误差为3.927%,LSTM神经网络模型预测误差为2.864%。测试结果表明,LSTM神经网络模型具有更好的预测效果,满足现场地层孔隙压力的预测精度,为保障顺北油田5号断裂带钻井安全提供数据参考。     

BP神经网络法预测顺北超深碳酸盐岩储层应力敏感程度

顺北油田是典型的深层应力敏感性油田,由于深井取心困难或者没有足够岩心支撑实验,同时岩样非均质性强,无法测试应力敏感程度,影响储层物性和产能评价的准确性。收集鹰山组7口井与应力敏感相关的测井、试井等6种测试数据,渗透率、裂缝宽度等7种参数,以及岩石组分、储层温压等资料,利用单相关分析和灰色关联分析筛选11个应力敏感伤害主控因素,加载至所建BP神经网络,设定激励函数和网络参数进行训练直至达到期望误差,在训练好的模型中加载已知应力敏感伤害结果的输入层参数进行计算,将计算结果与已知结果比较,应力敏感伤害程度预测符合率为100%,平均预测误差7.15%。再利用所建网络对顺北一间房组进行预测,并以室内实验值作为基准,计算得到应力敏感渗透率伤害率和临界应力预测误差均小于10%,表明该模型同样适用于其他碳酸盐岩储层应力敏感伤害预测。研究结果表明,BP神经网络法可以用来预测碳酸盐岩储层的应力敏感程度,能够解决深层碳酸盐岩储层由于取心困难导致无法支撑实验的难题。     

应用PCA和BP神经网络预测采出水对C20钢的腐蚀速率

分析了气田采出水水质及挂片试验水样对管线钢的腐蚀速率。利用BP神经网络建立了C20钢材的腐蚀速率预测模型。通过改变网络输入参数、隐层节点数对模型进行优化,发现在样本数目一定的情况下,仅通过改变网络结构难以进一步减小输出误差。采用PCA(主成分分析法),用6个主成分代替了原来大量的水质指标作为网络输入,有效地降低了网络输出的误差。结果表明,采用水质指标的主成分分析与BP神经网络可以建立较准确的C20钢腐蚀速率预测模型。     

���϶�����������ͳ�ĵز�����ѹ��Ԥ��

碳酸盐岩裂疑性地层破裂压力定量预测目前仍是一道复杂的难题。文章应用水力压裂力学原理，紧密结合川南东部地区阳统统碳酸盐岩地层特征，探讨了该地区的地破裂压力机理，认为核区大部分压酸化井人工压裂缝是在自然垂缝上延伸扩展，破裂压力近似等于其垂缝延伸压力。在水平挤压应力和扭剪应力作用下，岩体抗张强度主要受地层破碎系数和应力强度指数控制，文章建立了预测地层破裂压力的物理－数学模型，确定岩体视抗张强度，进而对地     

Predicting the conditions for gas hydrate formation

Gas hydrate is a crystalline mixture obtained from gas molecules trapped in the cavity of hydrogen bonding water. To date, an essential step in the development of natural gas industry has been the acquisition of knowledge in the operation and handling of gas under high pressure without hydrate formation. Since there are several ways to predict hydrate formation, this study investigates predicting hydrate formation using the Katz method. In addition, several new models for accurate estimation of gas hydrate formation conditions will be provided. These models are based on artificial neural network (ANN) requirements. To create the model, predictive experimental data published in books and journals, as well as data extracted from Katz graph (Katz chart), estimate the formation conditions of gas hydrate. We validate the model created with the use of various statistical parameters such as mean squared error (MSE) and R²-value. The result of these parameters in models created to predict the formation of hydrates accurately and efficiently is evaluated. In this study, our goals are to use an artificial intelligence neural network to predict the formation of gas hydrates.     

基于神经网络算法的井下裂缝诊断与堵漏技术

在钻井过程中，常常钻遇不同宽度的井下地层裂缝。钻遇裂缝时容易发生钻井液漏失现象，甚至发生钻井液失返现象，严重影响了安全、高效钻井。目前裂缝封堵的方法常存在封堵成功率不高、堵漏承压能力低的问题，其中一个重要的原因是对井下地层的裂缝宽度等特征认识不清。基于地层裂缝产生的岩石力学机理，确定影响裂缝宽度关键的6个力学和工程因素，并利用神经网络计算的非线性、大数据特点建立了井下地层裂缝宽度的分析模型，模型包含输入层、输出层和3个隐藏层。通过该模型诊断井下裂缝宽度，提高了计算精度，平均误差仅为2.09%，最大误差为5.88%，解决钻井现场仅凭经验判断裂缝误差较大和依靠成像测井成本较高的问题。同时根据神经网络模型诊断得到的裂缝宽度优化堵漏材料的粒径配比，提高了裂缝内的架桥封堵强度和架桥的稳定性，封堵层的承压能力达到12.8 MPa，反向承压能力达到4.5 MPa。现场堵漏试验最高憋压10 MPa，经过封堵作业后大排量循环不漏，达到了裂缝性地层高效堵漏的目的，堵漏一次成功。      

川南东部地区阳新统的地层破裂压力预测

碳酸盐岩裂缝性地层破裂压力定量预测目前仍是一道非常复杂的难题。文章应用水力压裂力学原理，紧密结合川南东部地区阳新统碳酸公岩地层特征，探讨了该地区的地层破裂压力机理，认为该区大部分压裂酸化井人工压裂缝是在自然垂缝上延伸扩展，破裂压力近似等于其垂缝延伸压力。在水平挤压应力和扭剪应力作用下，岩体抗张强度主要受地层破碎系数和应力强度指数控制，文章建立了预测地层破裂压力的物理一数学模型，确定岩体视抗张强度，进而对地层破裂压力进行预测。经实际破裂压力资料验证，绝对误差最大５．０ＭＰａ，一般小于３．０ＭＰａ；相对误差最大５．０％，一般小于２．０％。