共查询到16条相似文献,搜索用时 62 毫秒
1.
基于BP神经网络的岩石可钻性测井计算研究 总被引:4,自引:0,他引:4
利用测井资料求取岩石的可钻性是一种简便可行的途径.常规的岩石可钻性测井预测模型都是基于回归分析而建立起来的,形式简单,精度不高.介绍了一种基于BP神经网络利用测井资料求取岩石可钻性的实用方法.该方法从测井信息与岩石可钻性的内在关系出发,选用与岩石可钻性密切相关的多个测井参数,通过BP神经网络技术建立利用测井资料准确求取岩石可钻性的数学模型;将该方法用于SC油田DU4井等多口井的测井资料处理中,为邻井及时提供了较为准确的地层岩石可钻性剖面,也为该区的新井钻头选型提供了较好的依据. 相似文献
2.
3.
利用多测井参数求取岩石可钻性 总被引:8,自引:2,他引:6
介绍了利用多测井参数求取岩石可钻性的理论和方法,并给出了预测岩石可钻性的数学模型。室内试验表明,该模型能进一步提高岩石可钻性的预测精度,能满足钻井工程的实际需要;可以很方便地建立某地区的岩石可钻性剖面并掌握其分布规律。 相似文献
4.
声波时差测井在岩石可钻性预测中的应用 总被引:4,自引:0,他引:4
岩石的可钻性是合理选择和设计钻头、优选钻进参数的重要依据。以实现利用声波测井资料预测岩石可钻性为研究目标,以大庆油田部分区块地质条件及大量室内实验为基础,分析了声波时差测井教据与岩石可钻性的关系,建立了岩石可钻性预测模型,提出了预测方法。建立了牙轮钻头可钻性与PDC钻头可钻性的相互关系模型。为实现特定区域油田的可钻性预测提供了技术和条件。 相似文献
5.
6.
7.
利用测井资料计算岩石可钻性的研究及应用 总被引:1,自引:0,他引:1
岩石可钻性是钻头选型,提高钻井速度的基础,通过测井资料来计算岩石的可钻性是一种行之有效的新方法。本文介绍了利用测井资料计算岩石可钻性的研究方法,并通过新疆某油田的岩心和实际资料进行了钻头选型,这对该地区提高钻井速度具有指导意义。 相似文献
8.
在已钻井资料较少的情况下,合理、高效、低成本地预测岩石可钻性在地层空间的分布对钻井工作十分重要。分析了单一测井、录井及地震资料预测方法的不足,提出了预测三维空间岩石可钻性的新方法,即利用测井约束地震反演技术对三维地震数据进行反演,生成全频带高分辨率的岩石纵波速度体,通过室内微钻头岩心可钻性试验,建立了考虑岩石声波时差与密度属性的可钻性预测模型,并据此开发了三维岩石可钻性预测软件。在吐哈盆地某区块两口井进行的实例分析表明,可钻性平均误差约10%,研究区块牙轮钻头对应的岩石可钻性级值约2.8~6.3,PDC钻头对应的岩石可钻性级值约2.0~5.0;软件三维显示结果表明,局部地层存在异常高可钻性级值带,与钻井资料显示该地层存在砾岩层结论相符。该区块PDC钻头的三维空间地层岩石可钻性整体优于牙轮钻头对应的可钻性。研究表明:建立的岩石可钻性预测模型同时考虑了岩石声波与密度属性,能合理预测岩石可钻性,反映不同类型钻头的可钻性差异;新方法能较真实地反映出岩石可钻性的三维空间分布情况,可为制定钻井提速方案提供参考。 相似文献
9.
用自组织法确定岩石可钻性的研究 总被引:1,自引:0,他引:1
钻头是直接破碎岩石的工具,钻头类型通常用岩石可钻性级值的大小来选择,文中选用数据组合处理方法(GMDH)建立央石可钻性与各岩石力学特性参数的函数关系,编制了该方法确定可钻性的计算机软件,文中给出了计算实例,通过试算表明,该方法运算简便,结果可靠,可用于计算岩石可钻性。 相似文献
10.
长岭断陷深层气井岩石可钻性计算方法 总被引:1,自引:1,他引:0
长岭断陷沉积岩段2 500 m以下钻井事故较多,下部火山岩岩石硬度大,岩石研磨性强,钻井速度慢。为了提高长岭地区钻井的机械钻速,开展了该地区的岩石可钻性计算方法研究。针对研究区上、下部岩性相差大,深层火山岩硬度大等特点,制定了分段研究岩石可钻性的方案:上部的沉积岩层采用常规测井资料求取岩石可钻性的方法,下部的火山岩层段采用钻速方程反求法。以长深103井为例,将试验结果和利用钻速方程计算的岩石可钻性进行了对比,两者的相对误差小于5%,说明利用钻速方程计算该地区火山岩岩石可钻性是可行的。 相似文献
11.
12.
13.
14.
15.
Alireza Baghban 《Petroleum Science and Technology》2016,34(15):1359-1366
The aim of this study was to utilize the adaptive neuro-fuzzy inference system to estimate the vaporization enthalpy of petroleum fractions and pure hydrocarbons. This tool predicts the vaporization enthalpy as function of the specific gravity, molecular weight, and boiling point temperature based on 122 data gathered from the previous published literatures. Moreover, a comparison was carried out between the present model and some popular models. Results from the adaptive neuro-fuzzy inference system model showed its better predictive capability compared to previous models. The obtained values of root mean square error and R2 were 0.588 and 0.9934, respectively. This tool is simple to apply and can be of massive evaluation for petroleum engineers to have a great approximation of vaporization enthalpy of pure hydrocarbons hydrocarbon fractions. 相似文献