基于地震属性技术的井壁稳定随钻预测新方法

基于地震属性和测井数据之间存在非线性关系,提出一种综合利用地震和测井信息随钻预测井壁稳定性的新方法,即在钻前联合运用遗传算法和BP神经网络算法,从所提取的井旁原始地震属性中优选出对测井特征参数最敏感的地震属性组合,并利用已钻井资料建立起反映所研究区块不同地层中地震属性与测井数据之间关系的一系列神经网络映射模型,实钻时通过分析岩屑录井资料选择适当的映射模型,随钻预测出待钻井段的声波和密度测井数据,进一步预测出钻头下方地层的井壁稳定性.该预测方法具有良好的精确度和时效性,在塔西南地区的实际应用中取得了良好效果.     

定向井井壁稳定性随钻预测

 随着勘探开发地质环境日益复杂,特殊工艺井数量直线上升,随之而来的井壁稳定性问题引起了广泛关注。本文基于地质统计分析基础,提出了随钻预测定向井井壁稳定性分析方法。通过分析已钻井的地震、测井资料,采用地质统计中配置协同克里金以及序贯高斯模拟相结合的方法,预测出整个区块的三维岩石力学参数数据体,根据待钻井的轨迹,提取井眼轨迹处的岩石力学参数值,通过定向井坍塌、破裂和孔隙压力模型,建立相应的分层岩石力学预测模型,减少发生井壁失稳的可能性,同时可以和随钻测井资料对比预测结果的准确性,提高预测精度。     

地层压力随钻监测和预测技术研究

地层压力随钻监测和预测技术是在钻进过程中利用随钻地层压力监测结果,对本井钻前的地震预测模型和结果进行修正。根据新修正的模型,对钻头下部未钻开地层的孔隙压力进行再预测,以此来提高地层压力的预测精度,为安全优质地完成钻井作业提供技术保证。如果上部井段已有测井数据,还可以用测井资料对地震资料进行校正。将该项技术应用在新疆巴楚地区琼００３井,试验结果表明,该技术能够大大提高地层压力监测和预测的精度,准确预报井下异常高压和复杂事故的发生,为现场钻井施工提供了可靠的技术依据。     

面向随钻的井筒可视化方法研究

针对随钻过程中数据的复杂多样性以及井下信息可视化的重要性,以随钻井轨迹数据和随钻测井数据为研究对象,研究并给出随钻井筒可视化建模的方法,建立立体井筒模型。基于成像原理给出钻遇地层可视化建模方法,建立地质属性映射模型,采用纹理技术实现二者的有机融合,真正实现随钻井筒的三维可视化。利用Open Inventor图形开发工具包,实现三维井筒的绘制和钻遇地层信息在三维井筒上的展示。     

地质力学特征评价新方法在导向钻井优化中的应用

针对常规导向钻井技术在适用范围、预测能力与运行成本等方面的局限性,在考察岩石物理及力学参数和地球物理信息之间定量关系的基础上,将地震反演、地质统计、地震属性分析、岩石力学方法与钻井工程实际需求密切结合,提出地质力学特征评价新方法,基于其对导向钻井系统进行优化。新技术以常规地震和测井资料为基础,充分结合钻井、录井等实钻信息,钻前建立地质力学初始模型用于钻井设计,钻进过程中参考实钻资料随钻修正并更新钻前模型用于钻井工艺实时优化,其关键环节是准确预测钻头前方待钻地层的强度、地应力、孔隙压力、坍塌压力、破裂压力等力学参数。以井壁稳定预测及其工程运用为重点,论述导向钻井优化中岩石力学理论和地球物理算法结合运用的思路与技术流程,将该方法在西南、西北复杂探区进行应用。现场应用表明,优化的导向钻井系统可以达到理想的参数预测精度与工艺优化效果,指导安全、优质、快速、低成本钻井的能力得到了提高。     

用模拟退火神经网络技术进行波阻抗反演

利用基于模拟退火算法的神经网络技术进行测井约束的波阻抗反演，可根据数据本身之间的内在联系建立一个自适应非线性认知系统，只要在输入端输入特征数据，便能在输出端得到期望输出值，而不必关心系统本身的内部机理。在反演前，从测井资料中整理出地层波阻抗参数，用神经网络建立起波震波特征和地层波阻抗参数的映射关系，然后再利用这种映射关系进行外推，得到其它地震道所对应的波阻抗参数。在训练过程中，引入了模拟退火算法，     

PDC钻头钻井时的地质分层方法

使用ＰＤＣ钻头钻井时，岩屑破碎得很细，通过岩屑录井来判断地层岩性十分困难。对ＰＤＣ钻头切削刃进行了受力平衡分析，建立了地层识别因子与钻井操作参数、钻头结构参数的关系模型。根据已钻井的录井、测井、地质资料提取地层变化规律，利用随钻录井数据预测了地层岩性。编制了相应的地质分层软件，并进行了实例预测。预测结果与测井解释结果比较，符合率为６５％￣７０％，说明该预测方法具有一定的有效性和实用性。     

岩屑声波法地层压力监测技术研究与应用

提出了通过岩屑提取地层信息、为钻井井壁稳定性计算提供必要参数的方法，即通过测量地面岩屑的声波时差，反演得到地层岩石的声波时差，利用岩石的声学性质与力学参数的关系得到地层岩石的力学参数，结合地应力参数，得到井壁周围岩石的应力分布，计算地层的孔隙压力、坍塌压力和破裂压力。对于预探井，在没有测井资料的情况下，利用该方法可以有效地进行地层压力监测。在两口预探井中进行了随钻监测地层压力的现场试验，证明该方法是有效的。虽然该方法在声波测量过程中还有一定的局限性，对最终计算结果的精确度会产生一定影响，但与单纯的地震资料相比，其精确度已大大提高。     

用模拟退火神经网络技术进行波阻抗反演

利用基于模拟退火算法的神经网络技术进行测井约束的波阻抗反演，可根据数据本身之间的内在联系建立一个自适应非线性认知系统，只要在输入端输入特征数据，便能在输出端得到期望输出值，而不必关心系统本身的内部机理。在反演前，从测井资料中整理出地层波阻抗参数，用神经网络建立起地震波特征和地层波阻抗参数的映射关系，然后再利用这种映射关系进行外推，得到其它地震道所对应的波阻抗参数。在训练过程中，引入了模拟退火算法，使网络能有效地避开局部极小，这样可以提高收敛速度和拟合精度。     

井壁稳定性技术研究及其在呼图壁地区的应用

为了能充分利用测井等资料较精确地计算井壁受力状态和井壁坍塌压力，以设计合理钻井液密度窗，保证钻井过程中井壁稳定性，通过对井壁失稳现象、机理及井壁应力状态的分析和计算，对井壁失稳问题进行了较为深入的研究；结合测井资料和地层破裂试验结果，分析并建立了一套计算地层坍塌压力及地层相关物理力学特征参数的方法和模型，通过应用克拉玛依油田呼2井的测井资料进行分析计算并与实际结果进行对比，结果表明L：地层坍塌压力和安全钻井液密度窗的计算结果吻合现场实际情况，所提出的方法和计算结果，将为呼图壁气田开发过程中安全快速钻井技术提供可靠的技术基础。     

基于希尔伯特变换的测井曲线高分辨率处理方法

探索将希尔伯特变换应用于测井资料高分辨率处理与解释的方法。首先利用希尔伯特变换将测井曲线分解成二维信号,然后利用变换结果求测井曲线的瞬时属性参数(瞬时振幅、瞬时相位和瞬时频率),再利用岩心等地质资料和先验地质认识对测井属性曲线进行检验和标定,并将其用于非取心段的薄层测井识别。将所提方法应用于大港滩海张东地区沙河街组三角洲前缘测井评价,发现瞬时相位和瞬时频率测井曲线能够对原测井曲线上的微小变化产生放大效应,提高薄层界面识别精度。在吉林红岗油气田的三角洲相储层构型研究中,利用岩心对高分辨率处理后的曲线进行标定,验证了处理结果的合理性。     

碳酸盐岩缝洞型储层地球物理响应特征及预测方法研究

针对碳酸盐岩缝洞型储层非均质性强、预测难度大的特点, 综合利用岩芯、成像测井和地震等资料, 对渤海湾盆地Z地区下古生界奥陶系碳酸盐岩潜山油藏进行储层地球物理响应特征分析和预测方法研究。提出基于裂缝响应属性的储层预测方法, 在分频、振幅、相干、波阻抗等多种地震属性分析方法的试验基础上, 有针对性地采用改进后的基于线性图像增强的本征值相干预测方法, 预测出该区下古生界奥陶系潜山缝洞储层发育带和下一步井位部署主要潜力区。指出Z地区主要发育北东向、北西向和近南北向裂缝, 缝洞发育区主要分布在Z9井区、Z37井区、Z21井区和Z13井区。预测结果与已有钻井资料吻合程度较高, 取得良好的效果。该方法对同类碳酸盐岩缝洞型油藏的研究具有较好的指导意义。     

基于吸收分析的多属性反演技术及在油田开发中的应用

为了满足油藏开发阶段砂体内部油水识别的需求,提出了基于地层吸收分析的多属性反演流体识别技术。算法实现分三步:1利用基于广义S变换的瞬时子波吸收分析(GST_WEA)油气预测技术计算地震记录的高、低频吸收因子;2结合吸收因子和其它与流体相关的地震属性,以电阻率曲线为目标函数构建多元线性反演,利用多元逐步回归算法对包括吸收因子在内的多种地震属性进行流体敏感性排序;3进一步利用概率神经网络算法对优选的以吸收因子为主的地震属性进行多属性电阻率反演。通过模型分析验证了GST_WEA油气预测技术的抗噪性。实际应用效果表明吸收因子较其他地震属性具有更高的流体敏感性,通过多属性反演有效预测了砂体内部的含油优势区域。     

基于多元线性回归和BP神经网络的单井能力预测

为提高单井能力预测的精度和可靠性,提出利用地震属性数据,结合多元线性回归方法和BP神经网络方法进行预测。首先提取了研究区目的层的地震属性,然后利用多元线性回归方法和BP神经网络方法建立了单井能力与地质、地震属性之间的函数关系,得出了半定量-定量化的单井产量设计模型,并且验证了模型的预测结果。结果显示:单井能力预测精度总体在80%以上,其中BP神经网络模型预测精度更高,吻合度更好,证明了利用多种地震属性联合预测单井产能是一种卓有成效的方法。     

罗151井区火成岩储层的地震信息研究

根据沾化凹陷南部罗 15 1井区的火成岩储层特点 ,提出了适合该区的信息评价方法。利用测井和垂直地震剖面 (VSP)资料对地震剖面进行联合标定 ,可以准确地标定出火成岩的顶、底地震反射层。根据测井和地质资料 ,选择了对火成岩储层反映敏感的有效地震属性 ,并利用神经网络储层预测技术预测了本区火成岩储层空间的分布形态。资料对比表明 ,本区火成岩储层的有利分布范围在构造高点附近 ,并受构造运动的张应力的影响 ,在断裂带附近还可以形成裂隙储层     

基于多地震属性的高分辨率拟测井参数的预测

基于多地震属性、测井资料,用多变量回归算法成功地对胜利油田ken-71地区的拟测井参数做出了预测.计算采用了Daniel P.Hampson提出的将多变量回归权重系数推广为具有一定时间长度的褶积算子,使预测结果的分辨率获得提高.对该方法提高分辨率的原理做了详细的讨论,给出了该算法在胜利油田ken-71地区采用常规地面地震数据和测井数据,预测得到的目标区域的拟孔隙度参数的分布,结果显示使用该方法深度分辨率可达8～10 m.     

古叙矿区煤体及其组合的测井曲线识别技术

不同测井曲线对于煤体结构识别具有多解性。为提高判识精度,通过对古叙矿区石宝矿段煤储层特征和常规测井响应特征分析,提取了对煤体结构反应敏感的8条测井曲线,包括自然伽马、井径Ⅰ、井径Ⅱ、深侧向电阻率、浅侧向电阻率、补偿密度、补偿中子、补偿声波,采用BP(back propagation)神经网络算法,通过MTALAB软件,建立了神经元数量为100、训练函数为TRAINLM,适应学习函数为LEARNGDM、误差分析为MSE的二层BP神经网络煤体结构定量识别模型,预测结果与矿区其他井岩心进行对比,结果表明,基于BP神经网络的煤体结构测井识别方法精确度达89%,效果好于传统的测井判识方法。     

砂泥岩地层概率神经网络岩性反演技术应用研究

概率神经网络是一种基于概率密度函数理论的神经网络,能够广泛地应用于模式识别等领域.针对地震岩性反演预测问题,提出了一种具体的概率神经网络方法,包括网络模型的构造和预测识别步骤等.研究区主要目的层为沙溪庙组沙一段湖滩砂及河道砂体,储层单层厚度小,岩性横向变化较大,利用地震资料进行常规储层预测较困难.为此,根据该区储层的测井响应特征、地震属性特征与地质岩性特征的相关性,利用概率神经网络方法对地震属性数据做变换,从而对地层特征进行预测识别.