CN105518252B - 用于测井操作的工作流调整方法和系统 - Google Patents

用于测井操作的工作流调整方法和系统 Download PDF

Info

Publication number
CN105518252B
CN105518252B CN201380079352.4A CN201380079352A CN105518252B CN 105518252 B CN105518252 B CN 105518252B CN 201380079352 A CN201380079352 A CN 201380079352A CN 105518252 B CN105518252 B CN 105518252B
Authority
CN
China
Prior art keywords
parameter
logging
data
tool
adaptive learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201380079352.4A
Other languages
English (en)
Other versions
CN105518252A (zh
Inventor
B·都德睿希
P·F·罗德尼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Halliburton Energy Services Inc
Original Assignee
Halliburton Energy Services Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Halliburton Energy Services Inc filed Critical Halliburton Energy Services Inc
Publication of CN105518252A publication Critical patent/CN105518252A/zh
Application granted granted Critical
Publication of CN105518252B publication Critical patent/CN105518252B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
    • G01V11/002—Details, e.g. power supply systems for logging instruments, transmitting or recording data, specially adapted for well logging, also if the prospecting method is irrelevant
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/38—Processing data, e.g. for analysis, for interpretation, for correction
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/18—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation specially adapted for well-logging

Abstract

一种公开的方法包括利用设置在钻孔中的测井工具测量地层的特性。所述方法还包括获取对应于所述地层的所述被测量特性的测量数据。所述方法还包括基于所述测量数据中的至少一些和在所述测井工具内的自适应学习引擎来调整用于所述测井工具的测井操作的控制参数。

Description

用于测井操作的工作流调整方法和系统
背景技术
理解地质地层的结构和特性可提高油田操作(诸如钻井、完井和井生产)的效率。在过去，在钻入地层之前对此类地层的特性进行估算、建模或预测。然而，地层的特定部分的实际特性通常不可知直到在钻头钻入地层的那部分之后。因此，钻井操作员在那些环境下不能在钻头切入地层中之前基于地层的实际特性的预先了解而有效地做出主动的或抢先的决策。管理正在进行的随钻测井(LWD)或电缆测井操作并不是一项毫无价值的任务，并且受包括在井下工具与地面控制系统之间的通信带宽限制、测量精度限制、数据处理限制和数据解释限制的因素的影响。
附图说明
因此，本文公开了用于提供正在进行的测井操作的各种工作流调整方法和系统。
图1示出示例性测井系统的框图。
图2A示出测井工具的示例性部件的框图。
图2B示出示例性测井工具控制器。
图3示出随钻测井(LWD)工具实施方案的部件。
图4示出电缆工具实施方案的部件。
图5示出与测井工作流管理有关的示例性测井系统元件的框图。
图6示出示例性LWD环境。
图7示出示例性计算机系统的框图。
图8示出示例性电缆测井环境。
图9示出用于在地下环境中的测井工具的感兴趣的各种参数。
图10-12是用于正在进行的测井操作的示例性工作流调整方法的流程图。
具体实施方式
本文公开了用于使用在井下和/或在地面处采用的自适应学习引擎的测井工作流管理的方法和系统。自适应学习引擎的操作可基于收集的测量、操作员输入和/或自动化规则。本文所述的测井工作流管理技术被应用到正在进行的测井操作。如本文所使用，“正在进行的测井操作”指在钻孔中的测井操作的序列。对于测井操作序列中的每一个步骤来说，可调整测井工作流。此类调整可接近实时调整，但又不限于此。
图1示出示例性测井系统100的框图。测井系统100包括测井工具140，所述测井工具140具有向前查找/周围查找(look-ahead/around)系统142以便收集钻头前方和/或钻头周围的测量。如本文所使用，“钻头前方的测量”指对应于在钻头或与钻头相关联的参考点的前面的区域的测量。同时，“钻头周围的测量”指对应于到钻头或与钻头相关联的参考点的侧面的区域的测量。
测井工具140还包括控制器144以便引导测井工具140的各种操作。所述操作包括设置或调整用于收集原始数据的参数、处理所述原始数据、存储所述原始数据和/或所处理的数据、和向地面传输所述原始数据和/或所处理的数据。测井工具140的通信接口146使钻头前方和/或钻头周围的测量数据能够传送到地面通信接口130。地面通信接口130使用已知的遥测技术(例如，泥浆脉冲、电磁信令或有线管配置)向地面计算机102提供钻头前方和/或钻头周围的测量数据。应理解，从测井工具140向地面计算机102提供的钻头前方和/或钻头周围的测量数据可包括原始测量数据、处理的测量数据、反演测量数据和/或可视化参数。
如图1所示，地面计算机102包括处理器104，所述处理器104耦合到显示器105、输入装置106和存储介质108。显示器105和输入装置106起用户接口的作用，所述用户接口使操作员(即，钻井操作员和/或测井操作员)能够查看信息，输入转向命令和/或输入测井工作流命令或值。
在至少一些实施方案中，存储介质108存储测井工作流管理软件110，所述测井工作流管理软件110具有测井控制模块112、处理控制模块114、反演控制模块116、可视化控制模块118、自动化管理模块120、数据质量分析模块122和编码/解码控制模块124。在至少一些实施方案中，测井工作流管理软件110的操作至少部分地基于根据获取的测量数据生成地层的可视化表示，和接收来自操作员的反馈。例如，操作员反馈可对应于选自可用的工作流控制选项，提供数据质量分析和/或建立规则，以便使工作流能够自动用于正在进行的测井操作的操作员。
在一些实施方案中，输入装置106包括触摸屏、鼠标和/或键盘，以便使操作员能够与测井工作流管理软件110交互。此外，输入装置106可使操作员能够与转向接口交互，所述转向接口协助操作员使用如本文所述的地层的可视化表示做出转向决定。应理解，测井工作流管理软件110的操作应用到电缆测井系统以及LWD系统。
在至少一些实施方案中，测井工作流管理软件110的测井控制模块112能够选择或调整用于进行中的测井操作的测井控制参数。示例性测井控制参数包括移动速率参数(例如，固定的或多个可变速率)、源信号功率电平参数、源信号频率参数、平均窗口长度参数、天线取向参数和/或合成天线取向参数。
更具体地，源信号功率电平参数可与各种工具(诸如电磁电阻率测井工具、声波地层评估工具、磁共振工具、声学测径器、测距工具、向前查找/周围查找电阻率工具、向前查找/周围查找声波工具、脉冲中子源或衍生自电子束的X射线源)相关联。频率参数可与包括测距工具和向前查找/周围查找工具的所有形式的电磁的(包括磁共振)和声学工具相关联。尽管这些平均窗口参数也可用于检测(例如，在向前查找/周围查找工具或测距工具中的)弱的电磁信号或声学信号，但是平均窗口参数通常与核传感器有关。
示例性天线参数使得能够在天线或声学换能器阵列中选择特定的天线或声学换能器(或天线或声学换能器组)。此外，天线参数可使得能够调整在天线或声学换能器之间的相延迟。天线参数还可使得能够调整天线或声学换能器的灵敏度或增益。同时，天线取向参数使得能够调整天线或声学换能器的主要响应轴线相对于钻柱的局部轴线和/或相对于彼此的取向。天线取向参数还可使得能够调整天线或声学换能器相对于彼此的相对方位角定位。在一些实施方案中，此类天线取向参数与LWD系统相关联，而其他参数与LWD和电缆系统相关联。
处理控制模块114使得能够选择或调整用于正在进行的测井操作的数据处理控制参数。示例性数据处理控制参数包括多部件合成参数、不同的倾斜角合成参数、延迟的虚拟天线元件参数、噪声过滤参数、三角过滤参数、温度校正参数、软件聚焦参数、极化尖角效应移除参数、钻孔校正参数和校准参数。
反演控制模块116使得能够选择或调整用于正在进行的测井操作的数据反演控制参数。示例性数据反演控制参数包括反演类型参数、反演频率参数和反演平均参数。示例性反演控制参数包括：到边界的距离的初始估算、反演搜索范围限度、边界上方和下方的地层电阻率的初始估算、边界上方和下方的密度的初始估算、侵入区直径和电阻率的初始估算、地床下沉或各向异性的初始估算、(和在这些变量的范围上的界限)、具体算法的选择(例如，用于给定地层类型的混合定律的选择)。混合定律描述了复合材料的堆积物理特性如何根据其组成物材料的特性和分布而变化。此类混合定律通常实质上是半经验的，并且具有取决于地层的有效性。
反演类型参数主要与地层几何形状和未知物的参数化相关联。示例性反演类型参数值是零维的，其中均质地层模型是假定的。另一个反演类型参数值是一维的，其中地层特性变量被假定成仅在一个空间维度中。另一个反演类型参数值是二维的，其中仅考虑两个空间维度中的地层特性变量。另一个反演类型参数值是三维的，其中地层特性变量存在于所有的三个空间维度中。在此，维度可认为是矩形、圆柱形、椭圆形或球面坐标系。反演类型参数还可使得能够提供在迭代算法相对基于反演表查找的算法之间的选择。对于反演表查找来说，考虑将输出映射给正演问题(例如，偶然的线性时不变系统，诸如某个地层特性分布和工具设计给定的信号值的解决方案)的输入参数的预先计算的表。反演类型参数还可使得能够选择使用的数值优化算法(例如，最速下降法、共轭梯度、Levenberg-Marquardt和Gauss Newton)。
反演频率参数可包括指示哪个频率将在反演中使用的指数集。反演频率参数还可以是频率本身。反演平均参数可限定多少深度输入数据点将被包括于反演和/或比重的分布中。另外地或可替代地，反演平均参数可限定多少点或层将被包括在反演问题的输出参数化中。
可视化控制模块118使得能够选择或调整用于正在进行的测井操作的可视化控制参数。示例性可视化控制参数包括地图视图类型参数和地图视图选项参数。非限制地，由可视化控制模块118显示或表示的参数可包括物理参数，诸如工具取向、地层电阻率值、垂直电阻率、水平电阻率、相对下沉角、相对方位角、地床下沉、地床方位角、钻井路径、到地床边界的距离、含水饱和度和地层孔隙度。另外，信任参数(诸如不确定性估算、反演类型信息和/或比较信息)可由可视化控制模块118显示或表示。通过显示或表示物理参数和信任参数，可视化控制模块118使LWD操作员能够提供用于测井工作流管理和/或自适应学习引擎规则(如上文所述)的输入。
示例性地图视图选项包括各种二维(2D)或三维(3D)数据曲线图选项，其中工具位置/取向和地层特性(例如，电阻率或电磁磁导率)由颜色、图案和/或形状表示。特定的地层材料还可由颜色、图案和/或形状识别。在一些实施方案中，用来表示地层特性的图案或形状具有默认的外观以表示各向同性的地层特性，并且具有(相对于默认外观)缩放的外观以表示各向异性的地层特性。2D/3D数据曲线图选项可包括使用箭头、线和/或条以表示方向和距离(例如，在钻头和地床边界之间的方向和距离)。2D/3D数据曲线图选项还可包括针对被显示或表示的数据的不确定性估算。在一些实施方案中，不确定性通过使正在被显示的数据的透明性变化(更高的透明性表示更高的不确定性)，使正在被显示的数据的灰度变化，或通过显示用于被显示的数据的不确定性区域来加以表示。2D/3D数据曲线图选项还可包括显示对应于不同反演以及反演标识符的数据。2D/3D数据曲线图选项还可包括包绕延伸超过地图视图边界的绘制的数据。2D/3D数据曲线图选项还可包括雷达样式曲线图以示出地床边界与钻头之间的距离和方向。
在一些实施方案中，显示地图视图包括显示2D地图视图，其示出在相对于工具参考点的单个预定方向上的作为深度函数的地层特性。另外地或可替代地，显示地图视图包括显示2D或3D地图视图，其示出钻井路径和用于沿钻井路径的多个不同深度值中的每一个的至少一个单独的2D或3D钻井路径对象。另外地或可替代地，显示地图视图包括显示2D地图视图，其示出用于多个不同深度值中的每一个的到地床边界指示器的单独距离。另外地或可替代地，显示地图视图包括显示雷达地图视图，其示出工具参考点和在工具参考点周围的用以表示距所述工具参考点的距离的同心圆，其中所述雷达地图视图显示作为相对于工具轴线的方位角的函数的地层特性对象。地层特性对象可以是边界线和/或地层信息，诸如电阻率或电磁导磁率。另外地或可替代地，显示地图视图包括显示示出作为深度和水平位置的函数的钻井路径和地床边界的地图视图，其中当钻井路径的水平长度超过地图视图的水平位置范围时，地图视图将所显示的钻井路径的水平位置包绕到地图视图的相反侧。在不同的地图视图中，可启用或禁用不同的地图特征。
自动化管理模块120使得能够选择或调整用于正在进行的测井操作的自适应学习引擎规则。示例性自适应学习引擎规则包括用于选择或调整根据预定的编程、测量和/或触发描述的测井控制参数、处理控制参数和/或反演控制参数的规则。在至少一些实施方案中，自动化管理模块120使用数据库信息建立规则，所述数据库信息诸如原始测量数据、处理的测量数据、反演的测量数据和/或可视化参数。此外，关于原始测量数据、处理的测量数据、反演的测量数据和/或可视化参数的质量的人工反馈可被认为是建立自适应学习引擎规则。此外，可应用数据过滤过程(诸如神经网络程序和/或多维内插/外推程序)来建立自适应学习引擎规则。
数据质量分析模块122提供用户接口以使操作员能够选择或输入用于原始测量数据、处理的测量数据、反演的测量数据和/或可视化参数的数据质量值。在至少一些实施方案中，由操作员使用数据质量分析模块122提供的反馈被测井工作流管理软件110的其他模块采用。例如，自动化管理模块120可使用此类反馈，以至少部分地建立自适应学习引擎规则，如本文至少在图12处所述。
解码/编码控制模块124使得能够选择或调整解码/编码方案以控制用于正在进行的测井操作的数据传输。不同的解码/编码方案确定在正在进行的测井操作期间将多少的多种类型的原始测量数据从测井工具140传输至地面计算机102。此外，不同的解码/编码方案与通过测井工具140和/或地面计算机102应用到多种类型的原始测量数据的处理的数量有关。此外，不同的解码/编码方案确定在正在进行的测井操作期间将多少的多种类型的处理的测量数据从测井工具140传输至地面计算机102。例如，可响应于操作员审查不同数据类型的质量并且确定需要一组不同的数据类型或不同数量的特定数据类型来选择或更新一种特定的解码/编码方案。此外，自适应学习引擎可基于编程、测量和/或触发来选择特定的解码/编码方案。
使用自适应学习引擎和/或操作员输入执行的示例性工作流管理操作包括响应于范围之外的传感器输出来修改频率、功率电平和/或选择发射器和接收器的不同组合，在所述范围内传感器输出具有准确的响应。作为具体实例，在高电阻率地层中，在两个接收天线之间的发散波电阻率相移可以是如此小，以致于不能使用所接收的值对电阻率做出可靠的测量。在此类情况下，可选择更宽的天线间隔和/或更高的频率。作为另一个实例，可响应于观察特定模式(例如，斯通利波模式)支配所述响应来转移发射器的中心频率(例如，在该特定实例中的更高频率)。此外，可通过使用换能器之间的时差，以及各种时间/频率处理技术来建立不同的传播模式。
作为工作流管理操作的另一个实例，可响应于对该频率不敏感的反演和解释结果，利用较低的精度和/或较低的数据速率传输或接收与频率相关联的所有原始数据和处理的数据。作为又一个实例，如果相对于深度期望没有明显的信号变化，那么可选择基于相对于深度的差分化的解码方案来优化带宽。作为又一个实例，如果在原始的或处理的数据通道中的一些之间存在显著的相关性，那么可使用多维解码/编码方案来优化带宽。
在另一个实例中，可计算原始的或处理的信号的变型并且将其与阈值进行比较。如果变化低于阈值，那么可激活差分编码/解码。在另一个实例中，可计算在原始的或处理的数据的不同通道之间的相关性并且将其与阈值进行比较。如果相关性高于阈值，那么可激活2D编码/解码方案。
在至少一些实施方案中，测井工作流管理软件110使得能够基于预定准则进行各种人工的或自动化的调整。作为实例，可响应于确定地层的电阻率小于阈值(例如，指示不稳定压力区)或大于阈值(例如，指示盐丘)来调整钻井速度(包括开始/停止)或泥浆比重。作为另一个实例，可响应于确定在特定频率下的反演质量低于阈值水平来增加在用于测井操作的特定频率下的功率电平。此外，可响应于确定反演的地床电阻率低于阈值水平来减小用于测井操作的频率。此外，可响应于确定反演的地床电阻率高于阈值水平来增加用于测井操作的频率。此外，可响应于确定噪声水平高于阈值水平来执行(具有更多平均的)更长久的测量。此外，可响应于确定工具下沉角或取向来调整合成天线取向以优化工具前方的灵敏度。此外，可响应于确定到边界的估算距离小于阈值水平来选择减小的发射器/接收器间隔。此外，如果数据质量被确定为高于阈值水平，那么反演结果可用作对下一测量的初始猜测。否则的话，可丢弃反演结果。此外，可响应于确定存在异常条件来停止学习算法或过程(避免学习错误的行为)。此外，可响应于确定遭遇新的环境来重新设置学习算法或过程或将其设置成不同模式。
示例性自适应学习引擎规则或算法可以是在指定的条件变成真的时执行的条件语句。可基于来自先前的测量的结果和/或从其他工具或井获得的信息来调整这些规则或算法。可替代地，可建立规则或算法，以使得将基于所做出的测量确定参数。例如，在测井操作期间的用于特定频率的功率电平可与反演质量估算成反比。此外，可在测井操作期间降低或增加特定频率，直到获得最大的绝对信号电平或信噪比(SNR)。此外，可在测井操作期间迭代地调整测量窗口长度，以便产生在容差电平之内的希望的SNR电平。
尽管图1示出测井工作流管理工具110由地面计算机102存储和执行，但是应理解，有关的软件可由测井工具140执行，以执行如本文所述的各种测井工作流管理操作。例如，在至少一些实施方案中，测井工具140的控制器144包括对应于各种模块的软件，所述各种模块被描述用于测井工作流管理工具110，以引导如本文所述的测井控制参数、处理控制参数、反演控制参数、可视化参数、自动化管理、数据质量分析和编码/解码方案中的至少一些。
钻头前方和/或钻头周围测量数据的讨论可应用于测井系统100的随钻测井(LWD)实施方案。对于测井系统100的电缆测井实施方案来说，测井工具140的向前查找/周围查找系统142仍然是相关的，但是参考点将是电缆工具的一部分而不是如在LWD实施方案中的钻头的一部分。此外，应理解，测井系统100的LWD或电缆实施方案可采用多个测井工具，每个测井工具具有其自己的用于向前查找或周围查找测井操作的参考点。
图2A示出示例性感应或EM传播测井工具140的框图。如图2A所示，测井工具140包括与各种其他部件通信的控制器144。更具体地，测井工具140包括与控制器144通信的具有对应的天线222的N个发射器220A-220N，和具有对应的天线202的M个接收器204A-204M。对于信号传输来说，控制器144引导信号生成器216生成脉冲、脉冲序列或其他信号。信号生成器216的输出被提供给多路分解器218，所述多路分解器218将来自信号生成器216的输出路由至发射器220A-220N中的一个。同时，经由接收器204A-204M接收的原始信号数据存储在数据缓冲器212中。然后，数据处理/通信单元214将原始数据传输至地面通信接口130(参见图1)。数据处理/通信单元214还可处理原始数据，并且将除原始测量数据之外或代替其的处理的数据传输至地面通信接口130。此外，数据处理/通信单元214可选择待被处理的原始数据的类型和数量。此外，数据处理/通信单元214可选择待被传输至地面通信接口130的原始数据和/或处理的数据的类型和数量。例如，根据各种控制参数，诸如多部件合成参数、倾斜角合成参数、延迟的虚拟天线元件参数、噪声过滤参数、三角拟合参数、温度校正参数、软件聚焦参数、尖角效应移除参数、钻孔校正参数和校准参数，数据处理/通信单元214可选择性地执行处理操作。
上述参数的示例性应用包括设置多部件合成参数，以基于目标地层的期望的相对下沉角来利用不同的倾角模拟传输和接收天线。可基于希望的勘测深度或垂直分辨率来调整延迟的虚拟天线的延迟量或激活。此外，可基于噪声水平和阈值来打开或关闭噪声过滤参数。此外，三角拟合参数可应用到从LWD系统中不同的旋转角获得的多个仓位数据。此外，如果温度在目前的校准范围之外，那么可应用温度校正参数。此外，如果在视电阻率测量中观察到大的波峰，那么可应用极化尖角效应参数。
此外，数据处理/通信单元214可根据反演参数和可视化表示参数来执行处理操作。此外，数据处理/通信单元214可根据数据质量参数或规则来执行处理操作。此外，数据处理/通信单元214可根据将数据过滤器(例如，神经网络或多维内插或外推操作)应用到原始测量数据或处理的测量数据来执行处理操作。
在一些实施方案中，发射器220A-220N可充当接收器，并且接收器204A-204M可充当发射器。因此，不同的操作模式是可能的。同样，信号多路复用可在时间、频率或两者中执行。在基于频率的测井操作中，发射频率信号，其中在非常低的频率下最大的检测深度是可能的。然而，如果使用非常低的频率，那么信号可能太小。相反，如果使用非常高的频率，那么透入深度变得非常小，这导致信号衰减。因此，工具140可支持在多个频率下的操作，并且可调整用来确保在电阻率范围上的足够性能的频率。
在基于时间的测井操作中，发射许多电磁频率。传输(例如，具有许多矩形脉冲周期或其他形状的)宽带信号，而不发送窄带信号。作为实例，信号生成器216可将宽带信号馈送至发射器220A-220N和相应的天线222中的一个，以将电信号发射到地层中。在地层中，电信号与地层特性(例如，地层的电阻率或电导率)交互。由地层修改的电信号被接收器天线202检测，并且被传达至控制器144、数据缓冲器212和数据处理/通信单元214。根据一些实施方案，在地面处的操作员能够使用如本文所述的可视化工具来监控测井操作，并且可对地面处的处理或数据做出改变。自适应学习引擎还可引导测井工具140调整用于如本文所述的正在进行的测井操作的测井参数或处理参数。
图2B示出用于井下工具(诸如测井工具140)的示例性测井工具控制器144。在图2B的实施方案中，控制器144接收各种输入并且生成各种输出。更具体地，在一些实施方案中，控制器144包括自适应学习引擎230，所述自适应学习引擎230进行操作以初始化和/或选择用于在正在进行的测井操作期间使用的一个或多个测井工作流控制参数的值。例如，自适应学习引擎230可基于输入(诸如测量数据、操作员反馈、接收的规则和/或学习的规则)来初始化和/或选择用于一个或多个测井工作流控制参数的值。因此，在至少一些实施方案中，自适应学习引擎230对应于设置在测井工具140内或以其他方式与测井工具140处于原位的软件或可编程的部件。在替代性实施方案中，自适应学习引擎230的部分是分布式的，以使得自适应学习引擎230的一些操作在井下(在测井工具140内)执行，而其他操作在地面(在地面计算机102内)执行。存在可由自适应学习引擎230采用的各种已知的自适应学习技术。此外，可采用存储器232来存储值、接收的规则、学习的规则和/或由自适应学习引擎230利用的其他信息。对于关于自适应学习系统的更多信息来说，可以参考JoséC.Principe等人(2000),ISBN 0-471-35167-9的神经系统和自适应系统。
示例性自适应学习引擎规则包括用于根据预定的编程、测量和/或触发选择或调整测井控制参数、处理控制参数和/或反演控制参数的规则。在至少一些实施方案中，使用数据库信息(诸如原始测量数据、处理的测量数据、反演的测量数据和/或可视化参数)建立用于自适应学习引擎230的规则。此外，关于原始测量数据、处理的测量数据、反演的测量数据和/或可视化参数的质量的人工反馈可被认为是建立用于自适应学习引擎230的规则。此外，可应用数据过滤过程(诸如神经网络程序和/或多维内插/外推程序)来建立用于自适应学习引擎230的规则。
图3示出测井工具140的LWD实施方案的部件。如图所示，图3的LWD工具包括钻铤(心轴)、钻井马达和钻头。LWD工具还包括接收器阵列(天线RX_1到天线RX_M)和发射器阵列(天线TX_1到天线TX_N)。接收器天线和发射器天线可如图所示进行分组或散布。此外，不同的天线可位于钻铤周围和/或处于钻井马达与钻头之间(将天线放置在钻井马达上是困难的并且通常加以避免)。对于LWD操作来说，经常在钻探井的同时进行测量。然而，钻井可停止以减小噪声水平并且以做出更加灵敏的测量。在停止钻井的同时进行测量使得能够使用较低的频率并且提供更加准确的测量。
在至少一些实施方案中，如图3所示，钻井马达不包括天线。在此类情况下，发射器天线与接收器天线的间隔受到限制。例如，如果钻井马达的长度大致为25英尺长，那么放置于钻井马达上方和下方的发射器和接收器隔开至少25英尺。此外，使用靠近钻头的天线(例如，在钻井马达的钻头侧上的天线)需要从钻井马达的一侧至另一侧的数据传输，以恢复由靠近钻头的天线收集的数据。在此类情况下，从LWD工具到地面的数据传输速率受限于将数据从靠近钻头的天线传送给其他通信电子器件驻留的钻井马达的另一侧的传输速率。因此，可选择用于LWD工具的数据编码/解码方案，以将特定的天线布置(例如，是否使用靠近钻头的天线)和其对应的数据传输速率问题考虑在内。
图4示出测井工具140的电缆实施方案的部件。在电缆应用中，井已经被钻探并且可用流体来填充。所述工具用电缆缆线悬挂，并且下降到井中。在这种情况下，所述工具包括具有多部件天线的发射器阵列和接收器阵列，如图4所示。因为不存在钻井力，所以电缆实施方案不包括与LWD实施方案一样多的金属。使用更少的金属，信号电平得到改进，其使得能够进行较低频率的测井操作。例如，电缆工具可由玻璃纤维制成，所述玻璃纤维是电磁透明的并且因此对测量几乎没有影响。
图5示出与如本文所述的测井工作流管理操作有关的示例性测井系统元件的框图。在图5中，各种工具表示用以收集原始测量数据、用以处理原始测量数据、用以反演处理的数据、用以基于所收集的测量数据或反演的数据确定用于地层的可视化数据、和用以提供用户接口来使得能够进行用户输入的硬件、软件和/或其他部件，如本文所述。可在LWD工具、电缆测井工具、地面控制器和/或地面计算机中采用图5的各种工具。
更具体地，具有可调整的测量参数304的井下测量工具302收集和输出原始数据。具有可调整的处理参数308的数据处理工具306处理原始数据并且输出处理的数据。具有可调整的反演参数312的反演工具310反演处理的数据并且输出反演的数据。具有可调整的可视化参数316的可视化工具314使用反演的数据确定可视化数据并且输出所述可视化数据。具有可调整的控制参数320的用户接口工具318基于所述可视化数据来显示地层地图视图，并且使操作员能够提供用户单元。用户接口工具318输出用户选择的数据。
在至少一些实施方案中，原始数据、处理的数据、反演数据、可视化数据和/或用户选择的数据可用于数据传输操作、数据质量分析操作和规则管理操作。此外，原始数据、处理的数据、反演数据、可视化数据和/或用户选择的数据可导致提供给用于正在进行的测井操作的井下测量工具302、数据处理工具306、反演工具310、可视化工具314和/或用户接口工具318的指令和/或新规则。在至少一些实施方案中，井下测量工具302、数据处理工具306、反演工具310和/或图5的其他工具至少部分地被如本文所述的自适应学习引擎选择的测井工作流控制参数控制。
在图6中代表性地和示意性地示出了LWD环境。在图6中，钻井平台2支撑具有用于升起和降低钻柱8的游动滑车6的井塔4。方钻杆10在钻柱8降低通过旋转台12时支撑所述钻柱8的剩余部分。旋转台12使钻柱8旋转，从而使钻头14转弯。当钻头14旋转时，其产生穿过各种地层18的钻孔16。泵20通过进料管道22将钻井液循环到方钻杆10，向井下通过钻柱8的内部，通过钻头14中的孔，经由围绕钻柱8的环9回到地面，并且进入保持坑24中。钻井液将钻屑从钻孔16输送到坑24中，并且帮助保持钻孔16的完整性。取决于作业要求，钻井液可以是油基的(其具有高的电阻率)或水基的(其具有低的电阻率)。
钻头14仅是包括一个或多个钻铤26和测井工具140的一件裸井LWD组件。钻铤26是为钻井过程提供重量和刚性的厚壁钢管道区段。测井工具140(其可被构建到钻铤中)聚集各种钻井或地层参数的测量。例如，测井仪器140可集成到靠近钻头14的井底组件中，以收集向前查找和/或周围查找测量。所收集的测量可被绘制并且用来使钻柱8转向。
来自测井工具140的测量可由(例如构建于测井工具28中的)遥测接头获取，以存储于内部存储器中和/或经由通信链路传达给地面。泥浆脉冲遥测术是一种用于提供用于将测井测量传送至地面接收器30并且用于从地面接收命令的通信链路的普通技术，但还可使用其他遥测技术。
根据至少一些实施方案，从测井工具140收集的测量由执行具有如本文所述的各种选项的测井工作流管理软件工具的计算机系统处理。图7示出用于管理测井工作流操作和/或转向操作的示例性计算机系统43。计算机系统43可例如对应于用于图6的LWD系统的现场测井设施、从此类测井设施接收测井测量的远程计算系统或地面计算机102(参见图1)。计算机系统43可包括接收此类测井测量的有线的或无线的通信接口。如图所示，示出的计算机系统43包括具有耦合到显示装置48和用户输入装置50的计算机机箱46的用户工作站51。显示装置48和用户输入装置50例如使操作员能够与工作流管理软件110(例如，可视化特征和用户接口)和或由工作站51执行的其他软件交互。计算机机箱46包括用于访问软件(诸如工作流管理软件110)的(在图7中以可移除的、非瞬态的信息存储介质的形式所示的)一个或多个信息存储装置52。此类软件还可以是通过网络(例如，经由因特网)访问的可下载的软件。
在钻井过程期间的各个时间处，可将图6中所示的钻柱8从钻孔16移除。一旦钻柱8已被移除(如图8所示)，可使用电缆测井钻柱34(即，由缆线42悬挂的电缆测井工具的组件，其具有用于将功率输送给所述工具的导体和从所述工具到地面的遥测)进行测井操作。应注意，各种类型的地层特性传感器可包括于电缆测井探头34中。如图所示，示例性电缆测井探头34包括测井工具140，所述测井工具140可执行和/或响应于本文所述的测井工作流管理操作。测井工具140可通过一个或多个适配器33耦合到电缆测井钻柱34的其他模块上。
在图8中，电缆测井设施44收集来自测井工具140的测量，并且包括用于管理测井操作、获取和存储由电缆测井探头34聚集的测量、以及处理用于显示给操作员的测量的计算设施45。计算设施45可对应于地面计算机102或执行工作流管理软件110并且使操作员能够与本文所述的可视化特征和用户接口交互的另一个计算机。例如，响应于测量参数的可视化，操作员可使用计算设施45以人工地调整应用到测井工具140的测井工作流特征，或以提供应用到自适应学习引擎230的输入。
图9示出在具有多个地层地床或层18A-18D和地床边界90A-90E的地下环境中的测井工具140的示意图。尽管地层地床18A-18D和地床边界90A-90E用直线表示为二维(2D)图像，但是应理解，地下环境经常具有倾斜的或弯曲的地层地床和地床边界。
在图9中示出各种方向箭头。箭头70表示指向径向向外延伸的测井工具140的侧面的方向，箭头72表示测井工具140前方的方向，箭头74表示从测井工具140向下延伸的真实垂直方向，并且箭头76表示从测井工具140侧向延伸的真实水平方向。在图9中还示出了各种角度，所述角度包括角度80，其对应于测井工具140的相对下沉(即，在箭头74与箭头72之间的角度)；和角度82，其对应于地床边界90C相对于工具方位角参考点的方位角。
在图9中还示出的是用以指示在测井工具140与不同的地床边界之间的垂直距离的各种箭头。更具体地，箭头80表示在测井工具140与地床边界90B之间的垂直距离，箭头82表示在测井工具140与地床边界90A之间的垂直距离，箭头84表示在测井工具140与地床边界90C之间的垂直距离，并且箭头86表示在测井工具140与地床边界90D之间的垂直距离。
根据一些实施方案，距离信息和角度信息(诸如图9中所述的距离和角度)由接收周围查找或向前查找测量的可视化软件(例如，可视化控制模块118)绘制或映射。非限制地，由可视化软件显示或表示的参数可包括物理参数，诸如工具取向、地层电阻率值、垂直电阻率、水平电阻率、相对下沉角、相对方位角、地床下沉、地床方位角、钻井路径、到地床边界距离、含水饱和度和地层孔隙度。另外，信任值(诸如不确定性估算、反演类型信息和/或比较信息)可由可视化软件显示或表示。通过显示或表示物理值和信任值，可视化软件使操作员能够做出针对LWD工具的转向决定，以调整用于正在进行的测井操作的控制参数，和/或以协助建立用于正在进行的测井操作的自适应学习引擎规则，如本文所述。
图10示出用于正在进行的测井操作的示例性工作流调整方法400的流程图。方法400可例如由地面计算机102(还代表计算机系统43和/或计算设施45)和/或控制器144执行。如图所示，方法400包括从测井工具获取与地层有关的测量数据(块402)。在块404处，至少部分地基于所获取的测量数据和由测井工具采用的自适应学习引擎来调整用于正在进行的测井操作的控制参数。作为实例，在块404处调整控制参数可对应于调整测井工具的移动速率。作为另一个实例，在块404处调整控制参数可对应于调整测井控制参数，诸如源信号、功率电平、源信号频率、平均窗口长度、合成天线取向、相移和/或反演参数。又如，在块404处调整控制参数可对应于调整测井控制参数，诸如测井频率集、发射器集、接收器集和/或初始猜测值。又如，在块404处调整控制参数可对应于调整处理控制参数，诸如多部件合成参数、倾斜角合成参数和/或延迟的虚拟天线参数。作为另一个实例，在块404处调整控制参数可对应于调整处理控制参数，诸如噪声过滤参数、三角拟合参数、温度校正参数、软件聚焦参数、尖角效应移除参数、钻孔校正参数和/或校准参数。
在至少一些实施方案中，方法400包括附加步骤。例如，方法400可包括如下步骤：在数据库中存储原始数据、处理的信号、测井参数、反演参数和可视表示参数；以及评估在数据库中存储的信息以确定用于自适应学习引擎的规则。又如，方法400可包括如下步骤：从操作员接收对于可用原始数据、处理的信号、测井参数、反演参数和视觉表示参数中的至少一些的数据质量评估；以及使用所述数据质量评估来确定自适应学习引擎规则。作为另一个实例，方法400可包括如下步骤：将过滤器应用到在数据库中存储的信息，其中所述过滤器应用神经网络或多维内插/外推操作。此外，方法400可包括如下步骤：至少部分地基于地层的视觉表示来选择对测井工具的自适应学习引擎的输入和/或用于其规则。
在一些实施方案中，方法400包括用于管理数据传输限制的附加步骤。例如，方法400可包括自适应学习引擎，其调整在正在进行的测井操作期间将多少的多种类型的收集数据从测井工具传输至地面计算机。又如，方法400可包括自适应学习引擎，其调整在正在进行的测井操作期间用于从测井工具传输至地面计算机的数据的编码/解码格式。又如，方法400可包括自适应学习引擎，其调整在正在进行的测井操作期间执行处理多少的多种类型的收集数据，和调整多少的从测井工具传输至地面计算机的多种类型的处理的数据。
在一些实施方案中，操作员可暂时地或永久地覆写自适应学习引擎的先前接收的规则或学习的行为。换言之，操作员可明确地引导测井工具提供所公开的控制参数中的任何一个和/或执行所公开的测井工作流操作中的任何一个。然而，应理解，操作员和自适应学习引擎可共同存在。例如，在一些实施方案中，某些控制参数和/或操作由操作员选择，而其他则由自适应学习引擎选择。
图11示出用于正在进行的测井操作的另一种示例性工作流调整方法500。方法500可例如由地面计算机102(还代表计算机系统43和/或计算设施45)和/或控制器144执行。应理解，在不同的实施方案中，在方法500中的步骤的顺序可发生变化，并且所述步骤可被省去。在块502处，在多个频率下并且利用多个发射器/接收器组合(有时称为通道)接收信号。还可在接收信号的同时采用多个天线取向。利用LWD工具，在所述工具旋转时进行测量，这使能够在不同的旋转角下进行多个测量。如果所述工具具有方位角的灵敏度，诸如倾斜天线、线圈或(径向取向的)X或Y向感应线圈，那么不同的旋转角将提供不同的信息(例如，多个偶极取向)。另外，可在钻井的同时或在钻井已经停止的同时进行LWD测量。
在块502处积累数据之后，在块504处处理数据。在至少一些实施方案中，块504的处理步骤包括执行多部件合成。在多部件合成中，组合来自以不同取向和/或不同的偶极取向进行的测量的信息，以创建仿真多部件工具的合成数据。块504的处理步骤还可包括执行不同的倾斜角合成。在该过程中，可处理利用某些倾斜角对传输或接收天线进行的测量，以获得不同的合成倾斜角。该过程使用两个或更多个线性独立的天线的组合来提供希望的取向。例如，利用十字形天线组合，所述结果可被相加以获得Z向分量或可被减去以获得径向分量。可取决于如何处理天线信号来获得不同的倾斜角。
块504的处理步骤还可包括执行延迟的虚拟天线元件操作。利用该选项，在特定深度处进行测量，并且随后移动测井工具。在移动测井工具之后，在不同的深度处进行附加的测量。随后两种测量被组合和处理，好像同时被执行那样。在该过程中，发射器天线有时在一个深度处使用，并且稍后在另一个深度处被用作接收器天线。以此方式，否则在一个深度处不是可能的测井配置被合成。
在块506处可发生数据的进一步处理。例如，块506的处理步骤可包括对噪声的过滤，其可能移除尖角效应和执行三角拟合。当利用LWD工具从不同的旋转角接收数据时，在每个信号处接收的数据显示为正弦信号的组合。如果许多不同的旋转角是可用的并且从不同的旋转角收集数据，那么大量的数据被生成。例如，如果使用32个仓位的旋转角，那么将向井上传输32个数目。由于该大容量的信息，可优选减少待处理或传输的数据量。另外，不同的仓位可包括数据中的一些噪声。该问题可通过将正弦函数拟合到不同仓位中的数据而得到解决，因为事前已知其应该像正弦曲线。当正弦曲线拟合到该数据，那么仅向井上传输一个数目。该函数因此减小了待向井上传输的数据量，因为所有的这些仓位减小至仅一个数目或两个数目(例如，正弦曲线振幅和相位值)。三角过滤使能够减小总数据量，这使得处理、传输和执行降噪变得更加容易。
在至少一些实施方案中，块506的步骤还可包括执行反演处理以校正钻孔效应。例如，如果流体的电阻率的量是已知的(例如，因为已知流体被泵送或因为钻屑和泥浆被测量)并且钻孔大小是已知的(例如，通过利用测径器测量钻孔大小)，那么该信息就可用来校正钻孔效应。
在至少一些实施方案中，块506的步骤还可包括执行温度校正。例如，校正表可使用向井上执行的校准程序加以校准。对于所述校准程序来说，将工具的区段放置在烤箱中并且加热以获得其温度特性。该温度特性拟合到多项式，并且随后在井下使用。即便具有温度传感器，井下温度信息也可能需要使用此类校正表加以校正。执行温度校准的另一种方法是使用多个接收器和多个发射器的补偿比率。
在至少一些实施方案中，块506的步骤还可包括执行软件聚焦，所述软件聚焦是一种在不同深度处使用多次测量的程序。这些不同的测量与不同的勘测深度以及不同的垂直分辨率组合，以得到希望的勘测深度和/或垂直分辨率的科学测量。该过程使不同的测量和特性能够被组合以获得具有优选特性的新测量。
在块508处，执行反演操作。例如，可执行针对边界位置和参考点(例如，钻头或测井工具上的其他参考点)前方的电阻率的反演。随后，在块510处，结果相对于深度结果被可视化以确定数据趋势。在块510的步骤处，例如，结果是地层针对不同频率、针对多个发射器和接收器和/或针对多个旋转角的可视表示。在处理数据的同时，可获得多个结果。基于条件，这些结果中的一些比另一些将更加可靠。基于经验和条件，执行人工反演处理的操作员可审查结果并且确定哪一个是最准确的。
在块512处，操作员审查结果并且可基于所述审查调整若干测井选项。例如，操作员可调整钻井操作参数。更具体地，如果测量是不稳定的，那么操作员可使测量变得稳定以获得更好的结果。此外，操作员可降低旋转速度并且如果信号电平似乎是太低或如果由于所述信号电平而结果较坏，那么可切换到不同的功率电平。操作员还可在不同频率之间切换。例如，操作员可切换到更低频率以提高结果。另外，操作员可改变反馈回至块504、506和508的处理参数。例如，操作员可通过改变正在使用的电阻率张量比率来改变如何执行多部件处理。此外，如果存在可经由过滤而被固定的任何噪声，那么操作员可改变平均窗口长度。此外，操作员可改变反演输入(诸如使用的接收器和发射器天线)，以及还改变张量分量或倾斜角。此外，如果操作员有期望的想法，那么操作员可修改初始猜测以获得更好的结果。操作员还可确定待执行的迭代数目直到开发出满意的初始结果。
图12示出用于正在进行的测井操作的另一种示例性工作流调整方法600。方法600可例如由地面计算机102(还代表计算机系统43和/或计算设施45)和/或控制器144执行。在方法600中，执行方法500的步骤。另外，在块610处，方法600能够自动调整测井、处理、反演和/或可视化操作。例如，自适应学习引擎编程可存储在硬件或软件上并且在井下用来实现此类自动化。利用此类编程，数据可被更加有效地收集、处理并且传输至地面，而无需用户干预。例如，自适应学习引擎编程可基于在电流频率下接收的电流信号来选择待使用的下一个最佳频率。作为另一个实例，自适应学习引擎编程可在优化来自钻头前方的层的信号的同时，选择合成的天线倾斜角以将不希望的信号最小化。作为另一个实例，自适应学习引擎编程可丢弃受噪声影响的坏数据点，并且仅基于好数据点来应用反演。作为另一个实例，自适应学习引擎编程可调整与遥测术相关联的测井参数，诸如哪个数据将被发送至地面。这可帮助在向操作员提供最相关的结果的同时优化通信带宽。
在至少一些实施方案中，此类自适应学习引擎编程和块610的有关调整基于定义应用到任何给定的信号或过去的反演结果的控制参数值的一组规则。在方法600中，在块608处生成此类规则。在不受限制的情况下，这些规则可基于在块606处执行的过滤操作。例如，所述过滤操作可应用范围(诸如最小值和最大值)，或可应用更加复杂的决策算法(诸如，神经网络、查找表或多维内插/外推)。在一些实施方案中，规则和相关联的参数在正在进行的测井操作期间或在测井操作经由机器学习过程或数据的统计研究完成之后被更新，所述规则和相关联的参数包括来自操作员的接收的信号、选择的参数、获得的反演结果和/或数据质量反馈。
在一些实施方案中，块606的过滤操作依赖于来自在块602处的数据库操作和在块604处的人工数据质量反馈的信息。为了执行块602处的数据库操作，包括在给定的地质区域中的许多(例如，所有可用的)测量点和许多(例如，所有可用的)作业的数据被聚集到大型数据库中。可包括多个地质区域以提高适应性。块602的数据库操作帮助确定针对任何给定信号的最高质量反演结果。在一些实施方案中，使用在块604处的测井、反演和/或可视化参数的人工数据质量反馈(此类人工反馈为机器学习操作提供附加采样点)来增加提供给机器学习系统的数据量。在一些实施方案中，如方法600中的自动化工作流或自适应学习管理可基于用户输入而被动态地启用或被禁用。此外，用于自动化工作流管理的步骤可基于用户输入而变化。对于相比较于存在于数据库中的那些条件而言是新的条件来说，块604的人工反馈是更加相关的，并且可接收比由块602的数据库操作建议的调整更高的优先等级。
还可能的是，通过首先选择最靠近接收信号的数据库中的信号，并且随后应用由操作员提供和标记为最佳的参数(如果存在的话)来简化学习和规则应用过程。同样，操作员可对参数执行人工搜索以实现最佳的反演，和提供关于在所述过程中获得的结果的反馈以协助改进块602的数据库操作。此类反馈将涉及对具有相同的数据集但不同的处理和可视化参数的多个数据库条目的审查，并且提供关于每个相关联结果的质量的反馈。
在至少一些实施方案中，数据库、自动化规则和/或调整算法驻留在井下系统中，并且经由井下通信从地面向井下系统提供人工反馈。在另一个实施方案中，数据库和学习系统驻留在地面处，但是规则驻留在井下。因此，不同的实施方案可相对于测井工作流管理操作所需的井下通信量和井上通信量而发生变化。在另一个实施方案中，就校正动作(诸如选择最佳参数以用于先前的数据集)而论仅提供用户反馈。在这种情况下，基于在自动化调整系统输出的参数与操作员传送的作为最佳的参数之间的差异上所得的质量因数来使学习发生。
上文所述的本公开的各种实施方案可与各种类型的向前查找或周围查找测量一起利用，而无需背离本公开的原理。此外，本公开的测井工作流管理选项仅是实例，并且并非将实施方案限于所给出的任何具体细节。当然，所属领域的技术人员在仔细考虑本公开的代表性实施方案的以上描述后将容易了解，可以对特定实施方案进行许多修改、添加、替代、删除和其他改变，且此类改变是本公开的原理所涵盖的。

Claims (27)

1.一种用于测井操作的工作流调整方法，其包括：
利用设置在钻孔中的测井工具测量地层的特性；
获取测量数据，所述测量数据对应于所述地层的所述测量的特性；以及
基于所述测量数据中的至少一些和在所述测井工具内的自适应学习引擎来调整用于所述测井工具的测井操作的控制参数，以改善所述测量数据的质量；
使用所改善的测量数据生成所述地层的可视表示，其中所述可视表示显示作为深度函数的更高质量地层特性；
至少部分地基于所述可视表示来选择针对所述自适应学习引擎的更新；以及
基于所调整的控制参数选择性地调整测井工作流。
2.如权利要求1所述的方法，其中调整所述测井工具的控制参数包括调整所述测井工具的移动速率。
3.如权利要求1所述的方法，其中调整所述测井工具的控制参数包括调整选自由源信号功率电平、源信号频率、平均窗口长度、合成天线取向、相移和反演参数组成的列表的测井控制参数。
4.如权利要求1所述的方法，其中调整所述测井工具的控制参数包括调整选自由测井频率集、发射器集、接收器集和初始猜测值组成的列表的测井控制参数。
5.如权利要求1所述的方法，其中调整所述测井工具的控制参数包括调整在所述测井操作期间将多少的多种类型的收集数据从所述测井工具传输至地面计算机。
6.如权利要求1所述的方法，其中调整所述测井工具的控制参数包括调整在所述测井操作期间用于从所述测井工具传输至地面计算机的数据的编码/解码格式。
7.如权利要求1所述的方法，其中调整所述测井工具的控制参数包括调整在所述测井操作期间执行处理多少的多种类型的收集数据和调整将多少的多种类型的处理的数据从所述测井工具传输至地面计算机。
8.如权利要求1所述的方法，其还包括处理所获取的测量数据，并且其中调整所述工具的控制参数包括调整选自由多部件合成参数、倾斜角合成参数和延迟的虚拟天线参数组成的列表的处理控制参数。
9.如权利要求1所述的方法，其还包括处理所获取的测量数据，并且其中调整所述工具的控制参数包括调整选自由噪声过滤参数、三角拟合参数、温度校正参数、软件聚焦参数、尖角效应移除参数、钻孔校正参数和校准参数组成的列表的处理控制参数。
10.如权利要求1所述的方法，其还包括将原始数据、处理的信号、测井参数、反演参数和可视表示参数存储在数据库中；以及评估在所述数据库中存储的信息以确定用于所述自适应学习引擎的规则。
11.如权利要求10所述的方法，其还包括从操作员接收用于所述原始数据、所述处理的信号、所述测井参数、所述反演参数和所述可视表示参数中的至少一些的数据质量评估；以及使用所述数据质量评估来确定所述规则。
12.如权利要求10所述的方法，其还包括将过滤器应用到在所述数据库中存储的所述信息，其中所述过滤器应用神经网络或多维内插/外推操作。
13.一种用于测井操作的工作流调整系统，其包括：
测井工具，其收集地层的测量数据；
地面计算机，其具有一个或多个处理器并且具有用户接口；
在所述测井工具与所述地面计算机之间的通信接口，其中所述地面计算机显示所述地层在所述用户接口上的可视表示，所述可视表示基于所述收集的数据，以及
存储测井工作流管理软件的计算机可读存储装置，所述测井工作流管理软件在由所述一个或多个处理器执行时，至少部分地基于可视表示参数来选择针对在所述测井工具内的自适应学习引擎的一个或多个输入，其中基于所调整的控制参数选择性地调整测井工作流。
14.如权利要求13所述的系统，其中所述自适应学习引擎致使用于测井操作的移动速率参数至少部分地基于所述选择的一个或多个输入而得到调整。
15.如权利要求13所述的系统，其中所述自适应学习引擎致使用于测井操作的源信号功率电平参数、源信号频率参数、平均窗口长度参数、合成天线取向参数和反演参数中的至少一个至少部分地基于所述选择的一个或多个输入而得到调整。
16.如权利要求13所述的系统，其中所述自适应学习引擎致使用于测井操作的测井频率集参数、发射器集参数、接收器集参数和初始猜测值参数中的至少一个至少部分地基于所述选择的一个或多个输入而得到调整。
17.如权利要求13所述的系统，其中所述自适应学习引擎致使用于测井操作的多部件合成参数、倾斜角合成参数和延迟的虚拟天线参数中的至少一个至少部分地基于所述选择的一个或多个输入而得到调整。
18.如权利要求13所述的系统，其中所述自适应学习引擎致使用于测井操作的噪声过滤参数、三角拟合参数、温度校正参数、软件聚焦参数、尖角效应移除参数、钻孔校正参数和校准参数中的至少一个至少部分地基于所述选择的一个或多个输入而得到调整。
19.如权利要求13所述的系统，其中所述测井工作流管理软件在由所述一个或多个处理器执行时，致使原始数据、处理的信号、测井参数、反演参数和所述可视表示参数存储在数据库中并且被评估以确定用于所述自适应学习引擎的规则。
20.如权利要求19所述的系统，其中所述测井工作流管理软件在由所述一个或多个处理器执行时，致使所述规则部分地基于来自操作员的针对所述原始数据、所述处理的信号、所述测井参数、所述反演参数和所述可视表示参数中的至少一些的数据质量评估而被确定。
21.如权利要求19所述的系统，其中所述测井工作流管理软件在由所述一个或多个处理器执行时，致使所述规则部分地基于应用神经网络或多维内插/外推操作的数据过滤器而被确定。
22.如权利要求19所述的系统，其中所述规则致使所述自适应学习引擎调整在测井操作期间将多少的多种类型的收集数据从所述测井工具传输至所述地面计算机。
23.如权利要求19所述的系统，其中所述规则致使所述自适应学习引擎调整在测井操作期间用于从所述测井工具传输至所述地面计算机的数据的编码/解码格式。
24.如权利要求19所述的系统，其中所述规则致使所述自适应学习引擎调整在测井操作期间执行处理多少的多种类型的收集数据和调整将多少的多种类型的处理的数据从所述测井工具传输至所述地面计算机。
25.一种用于测井操作的工作流调整系统，其包括：
一个或多个处理器；
用户接口，其可与所述一个或多个处理器一起操作；以及
存储测井工作流管理软件的计算机可读存储装置，所述测井工作流管理软件在由所述一个或多个处理器执行时，致使所述一个或多个处理器来：
获取对应于地层的被测量的特性的测量数据；
基于所述测量数据中的至少一些和自适应学习引擎来调整用于测井工具的测井操作的控制参数，其中用于所述自适应学习引擎的一个或多个规则基于响应于所述测量数据的可视化而经由所述用户接口接收的输入而被建立；
至少部分地基于所述测量数据的所述可视化来选择针对所述自适应学习引擎的更新；以及
基于所调整的控制参数选择性地调整测井工作流。
26.如权利要求25所述的系统，其中所述测井工具获取对应于所述测量数据的钻头前方或钻头周围的数据。
27.如权利要求25所述的系统，其还包括可与所述用户接口一起操作的输入装置，以使用户能够在不同的测井工作流管理特征之间进行切换，以启用不同的测井工作流管理特征，或以禁用不同的测井工作流管理特征。
CN201380079352.4A 2013-09-25 2013-09-25 用于测井操作的工作流调整方法和系统 Expired - Fee Related CN105518252B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2013/061757 WO2015047256A1 (en) 2013-09-25 2013-09-25 Workflow adjustment methods and systems for logging operations

Publications (2)

Publication Number Publication Date
CN105518252A CN105518252A (zh) 2016-04-20
CN105518252B true CN105518252B (zh) 2019-11-15

Family

ID=52744163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380079352.4A Expired - Fee Related CN105518252B (zh) 2013-09-25 2013-09-25 用于测井操作的工作流调整方法和系统

Country Status (10)

Country Link
US (2) US10180514B2 (zh)
CN (1) CN105518252B (zh)
AU (1) AU2013402080B2 (zh)
CA (1) CA2923007C (zh)
DE (1) DE112013007466T5 (zh)
GB (1) GB2534713A (zh)
MX (1) MX2016002920A (zh)
NO (1) NO20160371A1 (zh)
RU (1) RU2642602C2 (zh)
WO (1) WO2015047256A1 (zh)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG11201402610QA (en) 2011-12-09 2014-10-30 Metavention Inc Therapeutic neuromodulation of the hepatic system
US10180514B2 (en) 2013-09-25 2019-01-15 Halliburton Energy Services, Inc. Workflow adjustment methods and systems for logging operations
EP3310999A4 (en) * 2015-09-17 2018-07-18 Halliburton Energy Services, Inc. Using an adjusted drive pulse in formation evaluation
CN108291438B (zh) * 2015-11-12 2022-05-03 斯伦贝谢技术有限公司 用于反演电磁测井测量的方法
US10524859B2 (en) 2016-06-07 2020-01-07 Metavention, Inc. Therapeutic tissue modulation devices and methods
US10452794B2 (en) * 2016-08-25 2019-10-22 Baker Hughes, A Ge Company, Llc Generating a script for performing a well operation job
WO2018063387A1 (en) * 2016-09-30 2018-04-05 Halliburton Energy Services, Inc. Quality factors for appraising resistivity lwd inversion performance
US10989044B2 (en) 2016-10-03 2021-04-27 Halliburton Energy Services, Inc. Modeled transmitter and receiver coils with variable title angles for formation scanning
US10565173B2 (en) * 2017-02-10 2020-02-18 Wipro Limited Method and system for assessing quality of incremental heterogeneous data
WO2018195089A1 (en) * 2017-04-17 2018-10-25 Philip Teague Methods for precise output voltage stability and temperature compensation of high voltage x-ray generators within the high-temperature environments of a borehole
CA3053889C (en) * 2017-05-08 2023-04-25 Halliburton Energy Services, Inc. Inversion processing of well log data
US10928786B2 (en) * 2017-05-17 2021-02-23 Baker Hughes, A Ge Company, Llc Integrating contextual information into workflow for wellbore operations
US10311405B2 (en) 2017-07-20 2019-06-04 Ca, Inc. Software-issue graphs
US10467202B2 (en) 2017-07-21 2019-11-05 Bank Of America Corporation System for multi-release and parallel development of a database
BR112021006005A2 (pt) * 2018-11-27 2021-06-29 Halliburton Energy Services Inc. composição de fundo de poço, sistema de medição de poço, e, método para investigar à frente de uma broca de perfuração
US10724362B2 (en) * 2018-12-05 2020-07-28 Nabors Drilling Technologies Usa, Inc. Adaptive power saving telemetry systems and methods
CN111350494B (zh) * 2020-03-16 2023-06-30 中国石油天然气集团有限公司 一种硬件聚焦阵列侧向自适应恒功率控制方法
CA3200145A1 (en) * 2020-10-30 2022-05-05 Schlumberger Canada Limited Well construction workflow selection and execution
CN112878911B (zh) * 2021-01-20 2023-06-30 中国石油天然气集团有限公司 一种随钻测井上传参数自适应调整方法、装置、设备和存储介质
US20220341315A1 (en) * 2021-04-23 2022-10-27 Landmark Graphics Corporation Process-mining software for generating a process flow for forming a wellbore
CN117328862B (zh) * 2023-12-01 2024-02-13 齐鲁工业大学(山东省科学院) 应用于随钻方位测井仪的全息测井方法和发射接收电路

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101395545A (zh) * 2006-01-17 2009-03-25 哈利伯顿能源服务公司 井控制系统及相关方法
CN101454690A (zh) * 2006-04-06 2009-06-10 贝克休斯公司 使用xy地层响应的比较来修正在不对准情况下的交叉分量的感应测量
CN102852511A (zh) * 2012-09-28 2013-01-02 中国科学院自动化研究所 一种石油钻机的智能钻进控制系统和方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4329647A (en) * 1981-06-04 1982-05-11 Petroleum Physics Corporation Method for determining distance and direction from an open well to a cased well using resistivity and directional survey data
SU1448034A1 (ru) * 1986-10-24 1988-12-30 Гомельское Специальное Конструкторско-Технологическое Бюро Сейсмической Техники С Опытным Производством Каротажный подъемник
US6021377A (en) 1995-10-23 2000-02-01 Baker Hughes Incorporated Drilling system utilizing downhole dysfunctions for determining corrective actions and simulating drilling conditions
JP4006884B2 (ja) * 1999-05-18 2007-11-14 財団法人電力中央研究所 地下流水状況検層方法および装置
US6640900B2 (en) * 2001-07-12 2003-11-04 Sensor Highway Limited Method and apparatus to monitor, control and log subsea oil and gas wells
US7400262B2 (en) * 2003-06-13 2008-07-15 Baker Hughes Incorporated Apparatus and methods for self-powered communication and sensor network
US7999695B2 (en) 2004-03-03 2011-08-16 Halliburton Energy Services, Inc. Surface real-time processing of downhole data
WO2007109860A1 (en) * 2006-03-29 2007-10-04 Australian Nuclear Science & Technology Organisation Measurement of hydraulic conductivity using a radioactive or activatable tracer
CA2651075C (en) * 2006-05-23 2015-07-14 Halliburton Energy Services, Inc. Remote logging operations environment
US7816921B2 (en) * 2006-09-20 2010-10-19 Baker Hughes Incorporated Resistivity tools with load-bearing azimuthally sensitive antennas and methods of using same
MY151779A (en) 2006-09-27 2014-07-14 Halliburton Energy Serv Inc Monitor and control of directional drilling operations and stimulations
US9719302B2 (en) * 2008-08-20 2017-08-01 Foro Energy, Inc. High power laser perforating and laser fracturing tools and methods of use
US8239172B2 (en) 2008-11-17 2012-08-07 Baker Hughes Incorporated Method of deep resistivity transient measurement while drilling
US20120186873A1 (en) 2009-10-05 2012-07-26 Halliburton Energy Services, Inc. Well drilling method utilizing real time response to ahead of bit measurements
US9507047B1 (en) * 2011-05-10 2016-11-29 Ingrain, Inc. Method and system for integrating logging tool data and digital rock physics to estimate rock formation properties
US9405036B2 (en) * 2011-11-04 2016-08-02 Schlumberger Technology Corporation Multiphysics NMR logging techniques for the determination of in situ total gas in gas reservoirs
US9507754B2 (en) * 2011-11-15 2016-11-29 Halliburton Energy Services, Inc. Modeling passage of a tool through a well
US9658351B2 (en) * 2012-10-05 2017-05-23 Schlumberger Technology Corporation Null space projection for sourceless gain stabilization in downhole gamma ray spectroscopy
US10180514B2 (en) 2013-09-25 2019-01-15 Halliburton Energy Services, Inc. Workflow adjustment methods and systems for logging operations

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101395545A (zh) * 2006-01-17 2009-03-25 哈利伯顿能源服务公司 井控制系统及相关方法
CN101454690A (zh) * 2006-04-06 2009-06-10 贝克休斯公司 使用xy地层响应的比较来修正在不对准情况下的交叉分量的感应测量
CN102852511A (zh) * 2012-09-28 2013-01-02 中国科学院自动化研究所 一种石油钻机的智能钻进控制系统和方法

Also Published As

Publication number Publication date
MX2016002920A (es) 2016-11-07
US10180514B2 (en) 2019-01-15
WO2015047256A1 (en) 2015-04-02
GB2534713A (en) 2016-08-03
RU2642602C2 (ru) 2018-01-25
NO20160371A1 (en) 2016-03-03
DE112013007466T5 (de) 2016-06-09
CA2923007C (en) 2018-09-18
GB201603667D0 (en) 2016-04-13
AU2013402080A1 (en) 2016-03-24
CA2923007A1 (en) 2015-04-02
AU2013402080B2 (en) 2017-06-29
US10551522B2 (en) 2020-02-04
CN105518252A (zh) 2016-04-20
US20160223704A1 (en) 2016-08-04
US20190113651A1 (en) 2019-04-18
RU2016107723A (ru) 2017-10-30

Similar Documents

Publication Publication Date Title
CN105518252B (zh) 用于测井操作的工作流调整方法和系统
CA2861665C (en) Detecting boundary locations of multiple subsurface layers
EP3329091B1 (en) Method and system for generating a virtual core
CN105359004B (zh) 用于井筒电阻率测井校准的方法和系统
RU2599648C1 (ru) Обнаружение местоположений границ пласта на основании измерений на нескольких глубинах размещения инструмента в стволе скважины
CN104870746B (zh) 深部地层估算系统和方法
RU2663686C2 (ru) Определение истинного удельного сопротивления пласта
NO20111053A1 (no) Samtidig fjerning av strukturelle helningsvinkeldata
WO2013036509A1 (en) Real-time formation anisotropy and dip evaluation using multiaxial induction measurements
US20220187492A1 (en) Physics-driven deep learning inversion coupled to fluid flow simulators
US20220090481A1 (en) Method and system for processing well log data from multiple wells using machine learning
EP3105405A1 (en) Wellbore logging tool design customization and fabrication using 3d printing and physics modeling
US20220397699A1 (en) System and method for enhancing petrophysical characterization of porous media
AU2012397811A1 (en) Measurement correction apparatus, methods, and systems
CN110062897A (zh) 使用自组织映射来进行的岩石物理场评估
WO2017082905A1 (en) Multi-component induction logging data processing in non-circular boreholes
CN110402319A (zh) 测井数据的反演处理
WO2022081177A1 (en) Machine-learning integration for 3d reservoir visualization based on information from multiple wells

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191115

Termination date: 20200925

CF01 Termination of patent right due to non-payment of annual fee