基于录井参数的溢流预警模型研究

钻井过程中溢流的及时发现,将为排除溢流、重建压力平衡赢得宝贵时间,从而降低二次井控的难度。及时判断溢流建立在精准的钻井参数和正确的溢流预警模型基础之上。为建立溢流预警模型,首先对溢流发生过程进行分析,建立溢流过程的物理模型,并以此为基础建立溢流监测的数学模型,通过对录井参数的数学重构并导入数学模型,建立了多工况下溢流发生的贝叶斯预警模型。现场应用试验验证了模型的可靠性,为录井参数的二次应用和钻井安全生产提供了技术支持。     

油田钻井溢流事故规律研究及应对措施

近年来冀东油田钻井施工过程中发生溢流频次加剧,严重影响钻井施工进度.对此统计了冀东油田2017—2020年钻井溢流事故井次,总结溢流事故的发生规律,并剖析了溢流处置过程中采用的措施.通过分析发现,沙河街组钻井时容易发生溢流事故,应在有效控制井底溢流的基础上采取措施,通过密切关注钻井参数等多种方式压井,可进一步降低井控风...     

面向早期溢流监测的钻井工程参数仿真建模方法

研究表明,智能识别方法能够有效提高早期溢流监测的准确性,但由于溢流是钻井过程中的小概率事件,现场可获取的溢流样本数据十分有限,限制了智能识别方法的应用。针对该问题,在分析常用溢流监测参数与钻井设计参数、地质相关参数以及钻井工况之间关系的基础上,建立了钻进、起钻、下钻三种工况下常用溢流监测参数的数值模拟模型,为溢流智能识别方法的应用提供数据基础。利用现场实测数据对所建模型进行了验证实验。结果表明:在给定的钻井条件下,仿真得到的数据与现场实测数据间的相似度达到83.85%,具有较高的吻合度;溢流智能识别模型识别准确率较缺乏训练样本的专家经验模型提高了23.1%,识别准确率得到了显著提升。     

基于朴素贝叶斯算法的钻井溢流实时预警研究

高温高压井钻井过程中溢流未及时发现将引起严重后果,现有溢流监测手段依赖井下或地面工具,存在一定的时间滞后性,为此创建了基于朴素贝叶斯算法和钻井大数据的溢流实时预警方法。在具备一定已钻井规模的区域内,分析历史井溢流发生与地质资料、随钻测录井数据的概率联系,分别建立溢流的先验概率计算模型和包含了区域、地层、岩性、扭矩、泵压、机械钻速共6项属性的条件概率计算模型,基于贝叶斯理论计算溢流的后验概率,实现实时预警功能。研究表明,基于朴素贝叶斯的溢流预警方法在可靠性、传输时效性、资料可获得性等方面存在较大优势,结合实际算例,验证了方法的可行性。     

裂缝性地层溢流侵入动态规律研究

在裂缝性地层钻井过程中,钻遇高压裂缝会出现比较严重的溢流,现有溢流机理模型多根据渗透性地层渗流理论建立,不适用于裂缝性地层,需要对自然条件下气体从裂缝流动至井筒的过程进行研究。分别基于赫兹弹性接触理论和二项式渗流理论,建立了裂缝微观闭合模型和裂缝气体流动模型,并以裂缝压力为结合点对两个模型进行了耦合,联立形成了考虑裂缝闭合条件的单条裂缝欠平衡溢流侵入模型。采用有限差分法对模型进行了数值求解,得到了考虑/不考虑闭合情况下裂缝几何形态（开度、半径）及压差对溢流规律的影响。模拟结果显示,相较于未考虑裂缝闭合情况的模型,由考虑裂缝闭合情况的模型得到的裂缝压降明显减缓,溢流持续时间变长,溢流速率变快,溢流总量更多。研究结果表明,相比于传统渗透性地层,裂缝性地层的溢流更加剧烈。      

深水钻井溢流早期监测技术研究现状

深水油气井溢流及井喷的预防和控制是深水钻井过程中的重要工作,墨西哥湾“深水地平线”井喷溢油事故发生后,井喷的预防和控制成为海洋油气开发亟待解决的重大难题。应对深水钻井溢流及井喷问题,切实有效的技术措施是在早期监测和识别溢流的基础上及时采取应对措施。为此,通过分析深水钻井井控面临的主要困难,从平台监测、海水段监测和井下随钻监测3个层面,综述了国内外井下溢流早期监测技术研究现状,重点分析了井下随钻监测的发展现状,指出深水钻井井下溢流监测技术将朝着有利于更加及时准确发现和识别井下溢流的技术领域发展。最后,根据深水钻井和溢流监测技术的特点,优选出适合深水钻井环境的井下溢流早期监测方法,包括井口流量法、泥浆池液面法、钻井参数法、隔水管超声波法、PWD/LWD监测法、随钻超声波井下流量测量法6种方法;建立了溢流早期综合监测和识别技术,该技术不仅可以用于深水钻井井下溢流监测,还可用于压井和井筒压力精确控制过程的综合监控,为深水钻井提供技术保障。     

深水钻井气体沿井筒上升的膨胀规律

深水钻井井筒温度场与陆地钻井井筒温度场不同,而气体沿井筒上升的膨胀规律与温度密切相关,为了更好地进行深水钻井井控,需要求出深水钻井井筒温度场,并在此基础上分析深水钻井过程中气体沿井筒上升的膨胀规律。根据能量守恒定律和真实气体状态方程建立了深水钻井井筒温度场和气体膨胀计算模型,并利用所建立的模型分析了深水钻井时气体沿井筒上升的膨胀规律:气侵发生在井底时,循环期间的气体膨胀明显大于非循环期间的气体膨胀,井深越深两种工况的差别越明显;无论是循环期间还是非循环期间,钻井液密度越小,气体膨胀越明显;气侵发生在隔水管底部时,非循环期间的气体膨胀大于循环期间的气体膨胀,与气侵发生在井底情况相反;气侵速度一定,溢流到达某井深时,非循环期间的溢流体积比循环期间的大。     

基于相对熵改进模糊C均值聚类的溢流预警研究

钻井过程中溢流的早期发现非常重要，目前国内外基于人工智能的溢流预警模型普遍使用大量先验知识或训练数据，其准确性、实时性、可靠性完全受限于先验知识和训练数据，文章提出了基于相对熵改进模糊C均值聚类的溢流预警模型，采用相对熵理论改进模糊C均值聚类算法，克服传统模糊C均值聚类时聚类数目由用户主动给出的缺点，并结合溢流故障的发生与立压、套压的变化趋势具有相关性的特点，建立了早期溢流智能预警模型，实现对早期溢流的及时发现。通过对现场数据的仿真分析表明，该预警模型能够通过立压和套压的斜率变化及时准确地判断是否发生溢流。     

结合钻井工况与Bi-GRU的溢流与井漏监测方法

现有根据钻井液池体积和钻井液出口流量变化监测溢流与井漏的方法，未考虑开、停泵工况对出口流量和钻井液池体积变化的影响，易导致误报。为了降低误报率，分析了钻井工况与钻井液池体积和钻井液出口流量之间的相关关系，提出了一种结合钻井工况与双向门控循环单元（bidirectional-gated recurrent unit, Bi-GRU）的溢流与井漏智能监测方法。利用23口井的溢流与井漏监测数据，对提出的模型与现有典型模型分别进行了测试，结果表明：基于Bi-GRU的溢流与井漏智能监测模型的识别准确率为94.25%，优于其他模型；与未考虑钻井工况的Bi-GRU模型相比，误报率由12.52%降至1.12%。研究表明，该方法能够消除溢流与井漏监测时因开、停泵导致的风险误报，能为安全钻井提供技术支持。     

双梯度钻井U型管效应溢流监测方法研究

对于海底举升双梯度钻井系统,由于钻杆内和环空内液柱压力不平衡,产生U型管效应。虽然可以通过钻杆阀来防止U型管效应的发生,但是钻杆阀有时会失效,所以需要对U型管效应进行研究。发生U型管效应时,由于钻杆内的液体继续向环空流动,使得进入井筒的溢流很难被监测。常规判断U型管效应发生溢流的方法具有一定的延迟性。在U型管效应过程中,为了确保双梯度钻井的安全,需要及时发现溢流。文章基于Eular液体平衡方程,建立了U型管效应模型。根据模型研究了U型管效应过程中发生溢流与未发生溢流情况下钻杆内液体流速,钻杆内液面高度,井口返速和泥浆池增量随时间的变化规律,并进行对比分析,得出一种可以实时判断U型管效应过程中发生溢流的方法。该方法可以早期、准确、快速地发现溢流,提早井控措施,避免井控事故的发生。     

BizLibrary远程培训系统分析

介绍美国BizL远程教育行业培训图书馆访问系统。详细分析了系统的主要功能模块,包含在线课程、学习管理系统、社会化学习与非正式学习,并介绍了其应用推广情况,以期为我国远程培训系统建设提供参考。     

基于先验约束的深度学习地震波阻抗反演方法

不同于传统的深度学习反演方法,文中提出一种基于先验约束的深度学习地震波阻抗反演方法：参照地震相类型分割待反演区域,且将区域分割结果作为一种明确的空间约束条件监控网络模型的反演过程;将蕴含丰富低频信息的初始模型作为一种标签以丰富反演结果的低频信息;并使用一种强抗噪性激活函数提高网络模型对噪声数据的适应能力。为降低标签数据的获取难度并保证网络的反演精度,还采取半监督学习方式对网络模型进行训练。将所提方法应用于Marmousi 2模型,测试结果表明反演效果良好且具有较强抗噪性能;随后将该方法成功地应用于M油田实际勘探数据。     

基于多分辨率U-Net网络的地震数据断层检测方法

断层检测是地震资料解释的一项重要工作。基于相干体、曲率等属性的常规断层检测方法不够直观,人工手动拾取断层无法高效处理实际生产中的海量地震数据。深度学习网络由于具有强大的特征提取能力和高效的特征表达能力,近年来被广泛应用于地震数据处理和解释中。为此,提出了一种基于多分辨率U-Net网络（MultiResU-Net）的断层检测方法,即引入多分辨率模块增强网络模型的多尺度断层检测能力,使用残差路径代替普通跳跃连接,缩小用于拼接的特征图之间的语义差别。相比于普通U-Net网络,训练完备的多分辨率U-Net网络模型测试结果具有更高的准确度,Jacard指数和Dice系数分别提高了0.027和0.136,并且断层检测错误率降低了0.094。通过网络中间层可视化分析直观地展示了网络模型对地震数据的特征提取、表达过程。将网络扩展到三维并与迁移学习结合后,同样在三维实际地震数据应用中取得了较好的效果。该方法对于实际生产中实现高效、自动化断层检测具有重要意义。     

基于深度学习的多属性盐丘自动识别方法

三维地震数据的盐丘解释存在难度大且效率低的问题。为此,以深度学习技术为基础,以少量的二维地震数据为样本训练和测试模型,利用不同地震属性实现盐丘自动识别。流程主要包括三部分：首先,基于盐丘的地震反射特征提取了杂乱、均方根振幅以及方差等3种敏感属性,每一种属性分别选取少量主测线数据及时间切片作为训练样本进行预处理,并利用数据增强方法自动生成大量数据作为网络的训练样本;然后,搭建基于编码—解码器结构的卷积神经网络,分别输入不同属性的两类样本进行模型训练和测试以得到多个独立的模型;最后,为了综合考虑各属性特征,减少预测误差并得到更全面、准确的预测结果,利用集成学习方法融合多个模型并得到优化后的分类结果。结果表明,所提方法能高效、准确地在三维数据体实现盐丘自动分割,盐丘边界清晰,分类错误点明显减少,进一步提高了模型预测能力。     

以学习型组织理念推动企业成长——化工销售广州分公司建设学习型组织的实践

“学习型组织”理论是当代最新的管理理论，“学习型组织”被公认为21世纪解决企业发展障碍的最佳组织形态。化工销售广州分公司在充分分析公司内、外部环境的基础上，以实施平衡计分卡为契机，通过加强理论宣导，建立共同愿景，落实组织机构，明确工作责任，找准切入点等实践活动，探索学习型组织建设的途径。     

创建学习型组织的机制建设

创建“学习型组织”的目的是把学习与工作系统地、持续地结合起来，以支持个人、团队及整个组织系统的共同发展。以石油化工科学研究院的实际工作为例，提出科研单位创建“学习型组织”应建立的实施机制，以创新为根本，教育为基础，激励为手段，质疑为补充，评估为保证，不断提升组织的竞争力、学习力，使企业通过“学习型组织”的创建活动实现科研工作的可持续发展。     

无监督残差网络的地震数据重构方法

野外采集的地震数据通常会存在地震道缺失的问题,对其进行重构一直是地震资料处理中的一个难题。目前使用深度学习(Deep Learning,DL)方法重构地震数据主要采用完整地震数据作为标签训练网络模型的监督学习方式,然而对实测野外数据很难获得准确的标签。对大量训练样本的依赖影响了DL方法在地震数据重构中的应用。为此,提出了一种基于残差网络的无监督DL的地震数据重构方法。该方法无需使用完整的地震数据作为训练集训练残差网络,而是以随机数据作为残差网络的输入,以含缺失地震道的地震数据作为网络的期望输出。通过对网络预测与期望输出之间的误差的反向传播,迭代优化网络参数,使网络与期望输出间的误差达到最小,获得参数最优的残差网络,并用该网络重构缺失的地震数据。在网络参数优化过程中,利用卷积的局部和平移不变性质,用卷积滤波器学习多尺度下地震数据邻域之间的相似特征,并在网络输出中呈现学习到的这些先验特征。使用所提方法重构Marmousi模型模拟地震资料和实测海洋拖缆资料中规则和不规则缺失的记录道,并与传统的快速凸集投影软阈值(FPOCS-Soft)方法的结果进行对比,结果表明,无监督残差网络方法可有效重构缺失地震道,准确性高、连续性好,精度高于FPOCS-Soft方法。     

数据增广和主动学习在波阻抗反演中的应用

在实际应用中,深度卷积网络以大量数据驱动模型进行网络训练,以获得地震数据与阻抗之间的映射关系,但需大量合成数据对网络训练后,再应用少量实际数据对网络进行迁移学习。为此,提出了一种基于数据增广和主动学习的地震波阻抗反演方法。数据增广首先通过同频率重采样对单道原波阻抗数据进行增广,再求取增广后的反射系数和随机核,最后计算增广后的地震数据。将增广后的地震和波阻抗数据作为训练集,结合主动学习思想选择最大误差样本对网络进行迭代训练。该方法不仅可以避免地震子波估计,而且能用少量的标签数据训练出预测精度更高的网络。Marmousi 2模型测试结果表明,该方法仅需十分之一标签数据和迭代次数就能达到与随机迭代训练方法相近的预测精度,且预测误差在剖面上分布更均匀。     

Boosting算法在近红外光谱分析中的应用

Boosting是一种新型的机器学习算法，其主要用于提高回归算法的性能。介绍了一种以RBF神经网络为基础学习机的Boosting回归算法，并将此算法应用于油品辛烷值分析中，与常用的油品分析技术偏最小二乘法(PLS)、多元线性回归(MLR)方法和单个RBF神经网络的拟和预测效果对比分析。结果显示，该算法具有学习速度快、跟踪性能好、范化能力强等优点。