井壁稳定性实时预测方法

为有效解决钻井过程中的井壁失稳问题,根据地震和测井信息之问的密切联系,建立了基于地震属性的实时井壁稳定性预测模型.该模型综合利用地震、测井和地质资料,从待钻目标井和已完钻邻井的井旁地震记录中分别提取最优地震属性组合,运用小波神经网络建立已钻井地震属性与测井数据之间的分层映射关系模型,利用当前待钻地层的地震属性并选取相应的映射模型实时预测钻头以下地层的声波和密度测井曲线.基于预测结果结合井壁稳定力学模型计算待钻层段的孔隙压力、坍塌压力和破裂压力,进而预测安全钻井液密度范围.塔里木油田的实际应用表明,该预测模型具有良好的实时操作性能,测井曲线、地应力、孔隙压力、破裂压力和安全钻井液密度范围的预测精度均较高.图5表1参21     

二维地层孔隙压力预测方法及应用

由于地震层速度是地层压力预测的重要参数，其精度直接影响着压力预测的精度，利用测井约束下的波阻抗反演方法将测井、地震和地质解释成果结合获取较高精度的地震层速度，达到提高地层压力预测精度的目的。详细介绍了制作地震合成记录、建立初始地质模型、采用Strata反演软件进行反演计算、时深转换求得速度剖面的步骤，和利用地层压力检测预测应用软件读取速度剖面中每一道的速度，结合单点压力预测模型，求得对应的地层孔隙压力的方法。应用实例表明，地球物理反演方法和二维压力预测模型的结合是可行的，所求得的地层压力剖面可以指导钻井设计。     

利用地震反演技术钻前预测井壁稳定性

为有效克服钻井过程中出现的井壁失稳问题,基于褶积模型的测井约束反演方法,提出了利用地震层速度反演技术在钻前预测安全钻井液密度范围的模型。该预测模型充分利用探区内的地震记录资料,以测井信息和地质资料为约束条件,通过制作合成地震记录进行层位标定,建立初始波阻抗模型,运用宽带约束反演技术获得具有较高分辨率的波阻抗模型并最终得到速度资料。利用反演结果结合统计模型、趋势面模型、神经网络模型及岩石力学模型等常用预测模型可以实现钻前井壁稳定性预测。通过该方法反演出塔里木油田一口探井的层速度曲线,并在钻前预测出该井的安全钻井液密度范围,与实钻数据进行对比分析的结果表明,该预测方法具有良好的预测效果,可满足钻井工程的需要。     

基于地震属性分析的地层孔隙压力钻前预测模型

钻前准确预测地层孔隙压力是进行井壁稳定状态分析的基础。基于地震和测井信息间的密切联系,提出了利用地震属性预测孔隙压力的新方法。通过神经网络建立已钻井段的井旁地震属性和声波时差测井数据之间的非线性关系模型,以此模型为基础预测未钻地层的声波速度。利用预测结果结合岩石力学模型得到垂直有效应力,最后根据有效应力原理计算地层孔隙压力。该方法有效克服了传统的地震层速度预测模型的不足之处,在油田的实际应用中取得了良好的效果,尤其适用于在勘探新区进行孔隙压力预测。     

Fillippone地层压力预测方法的改进及应用

钻井过程中,准确了解钻头前方地层压力的变化对于制定合理的钻井措施、保证钻井安全十分重要。但现有钻前地层预测方法均存在不足,预测精度难以达到现场施工的要求。通过分析地震层速度与地层压力的关系,改进了利用地震层速度预测钻头前方地层压力的Fillippone法,介绍了改进的Fillippone法中岩石骨架速度和修正参数的确定方法。改进的Fillippone法以区块地质信息和已钻井数据为依据进行模型参数初始化,结合随钻获取的有关地层压力数据及钻井液密度信息对预测模型参数进行实时更新,可提高钻头前方地层压力预测的准确性。该方法在新疆准噶尔盆地多口井进行了试验应用,结果表明,其地层压力预测值相对误差小于10%,与传统的趋势线方法和Fillippone法预测结果相比,预测精度明显提高。应用结果也说明,改进的Fillippone法科学有效,能够满足现场施工的安全和技术要求。      

区域三维空间岩石可钻性预测方法研究与应用

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。      

精细压力预测技术研究

异常高压的存在不利于钻井施工安全、人身安全及财产保障,进而关系到油气勘探进程,但同时其存在有可能使得深层储层保持较高孔隙度,有利于油气的运移聚集。因此,准确的钻前压力预测结果对于发现油气藏、保障钻井安全、保护油气层具有十分重要的意义。常规方法预测异常高压多采用地震层速度或已钻井测井曲线进行分析,仅用地震层速度导致纵向分辨率不足,而仅用已钻井测井曲线无法兼顾横向压力预测的要求。此文针对常规压力预测中存在的不足,以已钻井压力测试数据为质量控制条件,以精细构造层位为框架,利用地震数据、层速度和已钻井测井数据进行约束反演,在多参数约束下依据已钻井压力计算参数和地质信息将反演得到的速度体转换为压力体。该方法已成功应用于实际生产。经B1井钻后实测压力数据结果的比较,吻合较好。     

地层岩性随钻识别的神经网络方法研究

钻井过程中随钻识别钻头当前位置的岩性信息对于合理选择钻头类型、快速建立岩性剖面、及时发现油气层和卡准取心层位有着重要意义。钻井实践证明，地层岩性的变化在钻井参数上有很好的综合体现。以录井资料为基础，结合已钻井的测井资料，根据BP神经网络原理，建立了地层岩性随钻识别神经网络模型。应用该模型在新疆油田进行了地层岩性随钻识别试验，试验结果与测井资料解释结果相比，效果较好，符合率可达80％。     

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。     

渤海油田科学探索井地层压力预测技术

在油气钻探过程中,地层压力预测是一项十分关键的基础工作,特别是对于科学探索井,精确的地层压力预测能够为钻井液密度选择、钻井参数优化和井身结构设计提供科学依据。基于渤海某科学探索井的地震资料,以及周边区块已钻井的地质、地震、钻井、测井、测试等资料分析,得出了科学探索井地层孔隙压力、破裂压力、坍塌压力及漏失压力剖面,建立了合理的钻井液安全密度窗口。现场应用结果表明,该地层压力预测结果具有很高的预测精度,很好地指导了该科学探索井的钻完井施工,取得了良好的应用效果。     

利用地震分形属性钻前预测安全钻井液密度范围

为了对钻井过程中的井壁失稳问题进行有效控制,根据地震和测井信息的分形性质以及它们之间的密切联系,提出了综合利用地震记录的分形属性预测测井曲线并进而在钻前预测安全钻井液密度范围的模型。首先从井旁地震记录中提取出能全面反映地震非线性特征的分形属性,运用能充分利用样本信息的CUSI神经网络,建立已钻井段地震分形属性与测井数据之间的非线性映射模型,通过该模型预测未钻地层的声波和密度测井曲线。在此基础上运用井壁稳定分析模型,计算地层的孔隙压力、坍塌压力和破裂压力,从而在钻前预测安全钻井液密度范围。该方法在西部某油田的应用表明,用地震记录的分形属性钻前预测安全钻井液密度范围的方法具有良好的预测效果。该方法预测精度较高,操作简单易行。     

基于地震资料的探井钻前孔隙压力预测——以伊拉克A油田为例

钻前压力预测在保障钻井安全、选取合理的钻井液密度、设计科学的井身结构、降低钻井成本和保护油气层方面都具有十分重要的意义。由于测井资料不足和地震资料的多解性,钻前压力预测的精度常常达不到钻井的要求。本次研究以伊拉克西南部的A油田为研究区,针对该区深层探井资料少和地震响应复杂的两个难点,以地震资料为基础,充分结合区域地质和浅层测井资料,从压力的成因研究出发,查明了研究区超压主要受侧向构造挤压和深部断裂引起的流体充注两种因素的控制,在此基础上优选出了基于地震资料的钻前压力预测方法,开展了井震联合上覆地层压力预测、地质一致性精细速度解释和地震速度变化率分段求取三项参数精度提升工作,预测出了深层探井侏罗系的孔隙压力系数为1.95~2.05。经钻井验证,压力预测成果与实测结果的相对误差小于3%,证实该方法能够提高钻前孔隙压力预测的精度。     

井驱地震速度模型修正技术及其在随钻驱动处理中的应用

随钻驱动处理作为将地面地震资料应用于开发地震的有效方法,对规避钻井风险,提高钻井成功率具有现实意义。其中的核心问题是如何利用随钻资料便捷地提高地面地震速度模型的精度,从而提高地震资料成像精度,指导钻井轨迹调整。为此,提出井驱地震速度模型修正技术,即在传统叠前深度偏移速度模型基础上,将正钻井已钻地层的速度、深度信息作为约束,结合周围已钻井的测井、VSP资料快速修正现有地震速度模型,从而得到更精确的地下地震成像,实现对未钻遇地层的地质描述与预测,提高钻井成功率。油田应用实例表明,该方法缩短了速度模型更新迭代的时间,可满足随钻驱动处理对精度和时效性的需求,对于正钻井实时提高钻前预测精度具有重要作用。     

钻井岩性实时识别方法研究

地层岩性的实时识别对及时调整钻井参数、有效控制井眼轨迹具有十分重要的作用。以录井资料为基础识别地层岩性,必须综合考虑钻井操作参数、水力参数以及钻头磨损状态的影响,而随钻过程中,就目前的技术还不能够实时测量钻头磨损状态。根据BP神经网络原理,建立了岩性识别双重神经网络模型。第1个神经网络用来在已知钻头磨损状态条件下,识别所钻地层岩性;第2个神经网络用来在已知地层岩性条件下,预测钻头磨损状态。2个神经网络通过钻头磨损状态参数连接起来,选取样本数据分别对2个神经网络进行训练,并结合随钻录井数据,根据岩性识别流程图对岩性进行实时识别。应用该模型在新疆油田进行了岩性实时识别试验,识别结果与测井解释结果相比,符合率达85%。应用结果表明该模型具有一定的合理性和实用性。     

地震,测井联合预测地层压力的方法研究

通过提取井旁地震道的特征参数,利用神经网络建立其与测井声波时差的非线性映射,进而外推井底以下声波曲线,从而实现地震、测井联合预测井底以下的地层压力。该方法克服单纯地震层速度或单纯声波时差预测地层压力的局限性。经ＮＨ地区实际资料模拟预测,效果良好。     

联合神经网络在储层参数预测中的研究与应用

地质储层参数在建立地质模型中起着关键作用,储层参数通过井资料获得。常规测井解释中多通过经验公式或简化地质条件建立模型计算储层参数。提出了新的神经网络模型,基于BP神经网络、RBF神经网络、支持向量回归并通过单层感知器共同构成联合神经网络模型。该网络模型在储层参数预测过程中能针对单一神经网络的不足而自适应调节网络结构,使预测效果达到最优,避免了单一网络在参数预测时的缺点,提高了预测的准确性。选取了同一地区的3口油井进行训练和验证实验,实验结果表明,联合神经网络模型优于单一的人工神经网络模型。     

用地震层速度预测井底下部地层声波时差

由于地震数据的分辨率一般较低,对于复杂地质条件下初探井仅靠钻前的地震预测结果,其精度不能满足钻井施工的需要.利用钻前的地震层速度资料,结合某井上部井段的测井资料提取地震特征参数进行特征压缩,建立起层速度与声波时差之间的关系模型,利用该模型来对钻头下部地层的声波时差进行预测,进一步提高钻头下部地层的地层孔隙压力预测精度.应用结果表明,该方法地层孔隙压力随钻预测的精度高,为高温高压地质条件下地层压力预测提供了一种有效的方法.     

南海西部某井区安全钻井液密度窗口的确定

莺歌海盆地深水区地质条件复杂,为典型的高温高压区域,压力预测极为困难,溢流、卡钻甚至上漏下喷等问题时有发生。为解决上述问题,结合L-1井区的实钻情况和独特的地质条件,建立了一套基于地震层速度资料的地层压力预测模型。采取伊顿法计算有测井资料的深部井段的孔隙压力,对于缺少测井资料的浅部地层,则采取基于地震层速度的孔隙压力预测方法。采用邓金根法预测破裂压力,对于坍塌压力则在确定地应力后将其代入库伦摩尔准则可得。确定了L-1井区地层压力剖面从而预测出安全钻井液密度窗口,为合理设计井身结构,精准确定不同井段深度处的钻井液密度值提供科学指导。     

基于ANFIS的混合软计算方法在岩石可钻性中的应用

岩石可钻性是钻头选型和提高钻井速度的基础，利用石油测井资料计算岩石的可钻性是一种行之有效的途径。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。阐述了自适应模糊推理系统（Adaptive Network—based Fuzzy Inference System，AN—FIS）网络，提出了岩石可钻性测井模型的ANFIS网络预测模型，选取与岩石可钻性密切相关的参数对ANFIS网络进行训练。同BP神经网络模型比较，此模型具有更高的准确性。     

A prediction method of borehole stability based on seismic attribute technology

Borehole instability in drilling engineering can bring about serious problems of drilling quality and safety. Based on the close relationships between seismic and well log information, the prediction method of borehole stability is presented to effectively control borehole instability. Conventional and nonlinear seismic attributes are extracted from borehole-side seismic traces of impending drilling well and drilled offset well respectively. Then the optimal attributes combinations sensitive to log properties are selected by using genetic algorithm and wavelet neural network technology together. A series of mapping models which reflect the nonlinear relationships between seismic attributes and acoustic and density log data of various formation intervals in drilled well are constructed through neural network modeling. With analysis of cutting logging data, seismic attributes of the formation under bit and corresponding mapping model can be used to predict acoustic and density log curves of this formation. Based on the predicted log data, log interpretation method, analysis technology of in-situ stress and mechanics model of borehole stability are employed to calculate in-situ stress, pore pressure, collapse pressure and fracture pressure, thus the safe drilling fluid density window which can keep borehole stable is determined. Prediction precision and real-time operation ability of the proposed method are satisfying, which have been proved in practical application in TR oil field.