基于遗传算法优化BP神经网络的地层破裂压力预测方法

针对地层破裂压力现有预测方法适用性差、误差较大等问题,提出了遗传算法优化BP神经网络(GABP)预测地层破裂压力的方法。分析了地层破裂压力的影响因素;以地层深度、地层孔隙压力当量密度和岩石密度为输入变量,以地层破裂压力当量密度为输出变量,建立了GABP预测地层破裂压力模型,并利用塔里木盆地YB1井的数据进行神经网络学习和结果验证。GABP模型的预测结果误差约3.5%,精度远高于Eaton法。该方法不受地质构造条件影响,且具有精度高、计算速度快等特点。     

基于BP神经网络的深部地层压力预测技术

地层压力的准确预测是优质高效安全钻井、减少井下复杂情况、合理开发油气层的基础.由于地层压力的实测方法费用较高、周期长,且影响钻井安全,因此提出一种基于神经网络技术的地层孔隙压力预测新方法,并详细论述了神经网络预测模型的建立过程.该方法以声波时差、自然电位、自然伽马数等测井数据及钻杆压力测试数据为学习样本,具有十分高的准确度.对大庆油田萨尔图和杏树岗两个区块的地层压力进行实例预测,预测结果表明,其预测结果与实测结果的相对误差<±8.9%.     

基于神经网络模型的水平井破裂压力预测方法

破裂压力是井身结构设计的基础依据,也是水力压裂设备选型和方案设计的基础参数,通常采用测井解释获取破裂压力剖面,但其存在参数准确获取难、计算过程繁琐、普适性较差、计算精度低等问题,机器学习提供了一种解决这些问题的新方法。为此,以测井数据作为输入参数,采用4种不同的神经网络模型,建立水平井测井数据与破裂压力间的非线性关系,通过测试集预测结果的对比分析,优选出最佳的神经网络模型,并优化模型网络结构和超参数,实现水平井破裂压力的直接预测。研究结果表明：1) 破裂压力与井斜角、横波时差和纵波时差表现为极强相关性,与井深、岩性密度和补偿中子表现为强相关性,与井径和自然伽马表现为弱相关性;2) 不同组合的测井参数对模型预测结果具有显著影响,最优输入参数为井斜角、横波时差、纵波时差、井深、岩性密度和补偿中子;3) 对比多层感知机、深度神经网络、循环神经网络和长短期记忆神经网络(LSTM)模型,发现LSTM模型的预测效果最佳;4) 优化了LSTM模型的网络结构及超参数,优化后破裂压力预测的平均绝对百分比误差为0.106%、决定系数为0.996。LSTM模型能够有效构建水平井测井参数与破裂压力之间的非线性关系,可以实现水平井破裂压力的准确预测,对于准确预测破裂压力、简化破裂压力计算过程、推广机器学习在石油工程领域的应用具有重要的作用。     

基于随钻测井数据预测破裂压力

破裂压力是判断岩石是否起裂的重要依据,而现有的随钻测井资料仅能解释地应力、弹性模量等参数,缺乏对破裂压力的解释。为了准确预测破裂压力并降低施工压力和风险,基于MH地区的FSI(Flow Scanner Image)仪器测试的产出剖面测井资料,区分泡酸与不泡酸两种方式分别建立广义回归神经网络(GRNN)模型,对该地区油井开发进行破裂压力预测,并运用交叉验证方法得出光滑因子（σ）,通过与真实破裂压力值对比验证模型的准确性,并与BP神经网络和H-W模型的预测结果进行对比分析,再基于此预测给出泡酸建议。结果表明： GRNN模型预测结果与实际破裂压力更接近,且均方根误差为4. 54%,平均百分比误差为0. 03%,均优于BP神经网络和H-W模型。GRNN模型不受地质条件影响且预测精度高,操作简便,可用于该地区破裂压力预测,也可作为后续井FSI仪器流动扫描的替代,不但可以为同类地区的施工提供借鉴,而且可以为同地区开发资源节约成本。     

碳酸盐岩地层破裂压力预测新模型及其应用

海相碳酸盐岩地层原生孔隙较少而裂缝较发育,利用测井资料计算其破裂压力难度较大.依据弹性力学原理和岩层破裂机制,综合考虑三向地应力及地层特征对地层破裂压力的影响,建立一种新的适合海相碳酸盐岩地层的破裂压力计算模型.川东北通南巴构造上5口井的应用结果表明,利用该模型计算得到的破裂压力值与实测值误差较小,能够满足工程计算要求.     

酸处理降低地层破裂压力的计算分析

针对超深储层的破裂压力很高,对压裂施工设备的功率和承载能力要求更高,在施工安全上存在一定隐患的实际,研究了超深储层的破裂压力模型以及利用岩石力学性质的酸敏性,采取酸化预处理降低地层破裂压力,建立了射孔井筒破裂压力预测模型,分析了酸化预处理降低地层破裂压力机理。利用西部某深层气藏岩样室内酸处理前后岩石弹性模量、泊松比和岩石抗压强度变化结果,计算了该气藏酸处理前后的破裂压力,结果表明酸预处理后破裂压力大幅下降,对降低压裂施工压力有重要作用。为在现有工程条件和技术条件下,准确预测破裂压力和施工压力、合理选用施工设备、降低储层改造的工程风险提供了方法。     

调整井地层孔隙压力预测研究与应用

大港油田老区块进入开发中后期,容易在开发层系外出现异常高压层,为油田的后期开发、生产带来隐患,同时对后期治理工作的顺利实施造成严重影响。为满足调整井钻井需求,借鉴油藏数值模拟方法、并利用Morita求盖层压力方法,本文介绍了求取现今地层孔隙压力剖面的基本思路。     

地层压力分析的有效途径

地层压力的有效预测,对于研究油气运聚与成藏,以及储集层评价等方面至关重要在地层压力分析的诸多方法中,以测井资料为主的分析方法得到了广泛应用。     

基于叠前同时反演的地层压力预测及应用

四川盆地及周边页岩气产量与压力系数存在明显的正相关关系。针对南川地区五峰组-龙马溪组地层压力预测过程中的难点,开展了井-震联合预测工作。以单井测井资料为基础,用实测数据作为约束,对比Eaton法和改进的Fillippone法压力预测结果,选择改进的Fillippone法为工区的压力预测模型并确定公式经验值。通过叠前同时反演获得高分辨率层速度数据,提高了压力预测精度。预测结果与实测对比,误差基本满足工程要求。预测目的层地层压力系数为0. 8～1. 6,工区西部、北部异常压力较大,连片特征较好,南部、东部趋于正常压力,可依据压力异常区来寻找有利钻探目标。     

用碳氧比测井资料确定剩余油饱和度及评价水淹层

探讨了应用碳氧比测井资料确定水淹层剩余油饱和度及评价水淹层的方法,对碳氧比测井曲线进行了泥质、矿化度、套管及水泥环等影响校正.用新编制的碳氧比解释程序COA计算地层的剩余油饱和度、孔隙度、渗透率、产水率、地层水混合液矿化度等参数,从而对水淹地层进行综合评价.对三口井的碳氧比测井资料的实际处理结果表明.用COA程序可取得较好效果.     

基于线性回归与神经网络的储层参数预测复合方法

为提高储层参数的预测精度,提出一种利用测井资料,结合多元线性回归和神经网络预测储层参数的新的复合方法,具体分两步:(1)通过多元线性回归分析建立回归值y'的计算模型,将y'作为储层参数的初步预测值;(2)通过RBF神经网络建立y'的残差Δd的预测模型,将预测结果Δd作为y'的非线性误差补偿,最终建立储层参数解释模型,y=y'+Δd。基于该方法,结合测井资料和岩心数据,建立了鄂尔多斯盆地某致密砂岩气田M3井区S_2~2、T_2~2段孔隙度和含水饱和度的测井解释模型,结果显示,新方法建立的模型预测值与S_2~2、T_2~2段实际岩心孔隙度、含水饱和度值的平均相对误差均小于17%,明显优于单独根据多元线性回归分析或RBF神经网络建立的解释模型,预测精度更高。     

测井数字处理中最优化方法的选择

本文提出了在测井数字处理中评价与选择最优化数学方法的准则,根据多矿物解释模型建立了最优化测井解释数学模型,采用四组实际测井值(每组又用两种储层参数初始值),对常用的九种最优化方法进行了系统的考察分析。根据144种不同组合的计算结果的对比分析说明,用抛物线插值法作一维搜索与BFGS变尺度法作多维搜索的最优化方法处理测井资料,收敛速度快,占用机时少,对初始点要求较宽,数值稳定性好,优化解释结果好,是比较适合于测井数字处理与储集评价的最优化方法,这已由10多口井的最优化测井数字处理结果所证实。     

油基钻井液侵入对核磁共振测井响应影响的实验研究

油基钻井液可有效降低施工成本,缩短钻井周期,在大斜度定向井、水平井及各种复杂地层钻探施工中应用广泛。然而,油基钻井液侵入会改变井周地层的岩石物理性质,给储层流体识别、测井精细评价带来极大挑战。为明确油基钻井液侵入对核磁共振(nuclear magnetic resonance, NMR)测井响应的影响,选取新疆准噶尔盆地南缘超深井致密砂砾岩储层岩心,围绕岩石物性、钻井液成分、油水比、流体性质、钻井液侵入时间、温度6个方面分别开展油基钻井液成分、油基钻井液驱替和油基钻井液渗吸3组岩石物理实验,并分析实验过程中核磁共振T₂谱变化特征。结果表明：油基钻井液中的基液组分既能在正向压差作用下侵入井周地层,也可通过浮力和毛管力的作用渗吸进入地层。当地层含水/油时,油基钻井液基液侵入会引起微小孔隙T₂谱(<10 ms)横向弛豫时间和谱峰值减小,谱峰逐渐左移;而中孔隙T₂谱峰(>100 ms)右移且面积增大;上述T₂谱变化速率受到地层渗透率、侵入时间和温度影响明显,钻井液类型、油水比等因素影响有限。     

神经网络配合声发射传感器在钻岩和磨矿中的应用

该项研究是对声发射传感器联机探测岩石性质进行评价。首先探讨了声发射与岩石破碎机理的关系，然后介绍了把声发射传感器联接到锚杆孔钻机上，用反向传播神经网络“识别”岩石破碎特性和岩石种类。辨认岩石的准确度为９９％。试验表明，神经网络的计算和校准能力能够使声发射传感器发挥更佳的探测作用。     

大跨平屋盖结构风压分布特性的神经网络模型

影响大跨平屋盖结构风荷载分布特性的因素很复杂‚且具有不确定性‚仅靠风洞试验难以完整的描述其风荷载分布的整体特性‚针对这种情况‚本文中提出用改进的 BP神经网络和模糊神经网络两种方法来建立反映大跨平屋盖结构风压分布特性的模型‚并用试验数据进行了验证．结果表明‚这两种模型都能很好的逼近和预测大跨平屋盖结构风压分布的特性‚相比之下‚改进的 BP 神经网络稳定性较好‚但逼近速度慢‚精度也不高;而模糊神经网络由于结合了模糊系统和神经网络的优点‚其稳定性好‚逼近速度快‚且精度高‚这表明模糊神经网络方法是预测大跨平屋盖结构风压分布特性的有效途径‚在结构风工程中具有广阔的应用前景．     

过套管电阻率测井在中低渗透储层评价中的应用

过套管电阻率测井是电法测井中一个新的领域,通过测量金属套管壁外岩石的单位电阻率(p)可以评价储集层的含水饱和度,进而寻找未动用油气.跟踪油藏流体饱和度的变化以及油藏流体界面的运移情况,对解决老井和部分套管井的重新评价,以及开发过程中的油藏监测具有非常重要的意义和广阔的应用前景.在阐述过套管电阻率测井仪器结构及工作原理的基础上,通过对实际测井资料进行综合分析,总结了过套管电阻率测井资料的优势所在,并针对中低渗透储层评价的技术需求进行了积极地探索.     

发动机的组合神经网络建模

为改善单个神经网络模型精度不足的问题,引入有限元建模思想,采用有限元建模和神经网络建模相结合的方法,建立了高压共轨柴油机性能仿真的网络模型,并进行了实验验证。建模过程中,将建模对象空间划分成网格,在节点上利用获取的实验数据分别组成完备和不完备的训练域对网络进行训练,由所有网格上的网络共同完成性能仿真功能,由此建立起一套可用于电控发动机控制系统仿真及参数匹配标定的组合神经网络。实验结果表明:该模型平均输出误差约为2%~4%,使用Pen tium IV 2.0GH z PC机时的计算时间小于60m s,可用于基于模型的发动机控制系统。     

基于BP神经网络的压力传感器数据融合

多传感器数据融合问题已经引起许多学者的广泛关注.通常,压力传感器都存在交叉灵敏度,其主要表现在传感器静态特性不仅受目标参量的影响还受多个非目标参量的影响.由于传感器的输出受多个参量的变化的影响,导致其性能不稳定,测量精度降低.针对温度、噪声、电源波动等多种环境因素影响压力传感器输出电压值这一问题,在阅读了大量的参考文献...