CN110073246A - 与质量控制有关的改进的方法 - Google Patents

与质量控制有关的改进的方法 Download PDF

Info

Publication number
CN110073246A
CN110073246A CN201780068655.4A CN201780068655A CN110073246A CN 110073246 A CN110073246 A CN 110073246A CN 201780068655 A CN201780068655 A CN 201780068655A CN 110073246 A CN110073246 A CN 110073246A
Authority
CN
China
Prior art keywords
data
error
test
wellbore
well
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.)
Granted
Application number
CN201780068655.4A
Other languages
English (en)
Other versions
CN110073246B (zh
Inventor
E·尼勒斯
J·斯米塞特
J·埃尔格尼斯
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.)
Aquino Energy
Original Assignee
Aquino Energy
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 Aquino Energy filed Critical Aquino Energy
Publication of CN110073246A publication Critical patent/CN110073246A/zh
Application granted granted Critical
Publication of CN110073246B publication Critical patent/CN110073246B/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
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • 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
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/02—Determining slope or direction
    • E21B47/022—Determining slope or direction of the borehole, e.g. using geomagnetism
    • E21B47/0228—Determining slope or direction of the borehole, e.g. using geomagnetism using electromagnetic energy or detectors therefor
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK 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
    • E21B49/003—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 by analysing 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
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G01V1/362—Effecting static or dynamic corrections; Stacking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6163—Electromagnetic
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6167—Nuclear
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/616—Data from specific type of measurement
    • G01V2210/6169—Data from specific type of measurement using well-logging

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Geophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Geology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mining & Mineral Resources (AREA)
  • Remote Sensing (AREA)
  • Acoustics & Sound (AREA)
  • Geochemistry & Mineralogy (AREA)
  • Fluid Mechanics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Electromagnetism (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • General Factory Administration (AREA)
  • Circuits Of Receivers In General (AREA)
  • Threshing Machine Elements (AREA)

Abstract

对地下区域的地下模型执行质量控制的方法，包括：提供与在所述区域中的一个或多个井眼外部的所述地下模型中的地下特性有关的多种类型的数据，所述多种类型的数据包括从位于所述一个或多个井眼中的至少一个内的一个或多个测量仪器得到的井眼数据；对所述数据执行分析以确定在所述数据中是否存在一个或多个误差；如果误差被检测到，则搜索所述误差的原因；如果所述误差的原因被检测到，则校正所述误差；如果所述误差的原因未被检测到，则忽略包含所述误差的所述数据，或将包含所述误差的数据包括在所述模型中并将增加的先前不确定性分配到包含所述误差的数据，因而减小包含所述误差的所述数据对所述模型的影响。

Description

与质量控制有关的改进的方法
技术领域
本发明涉及与质量控制有关的改进的方法。
这可包括对来自围绕井眼的体积中的井中电磁环视测量或其它井中测量的、通过将这些与在具有不确定性的深度中的所解释的地震数据和与来自周围的井和井本身的所解释的结构数据相结合而解释的结构信息的质量控制。
背景技术
英国专利GB 2,467,687B描述了一种形成地球区域的地质模型的方法，其涉及提供包括地震传播时间不确定性的地震数据；提供包括速度不确定性的区域的地震速度模型；使用速度模型来对地震数据执行图像射线跟踪，以确定该区域的多个点的三维位置；根据传播时间不确定性、速度不确定性和在射线传播方向上的不确定性来计算至少一些点的三维位置不确定性；以及将所确定的位置与所计算的不确定性相组合以形成地质模型。
英国专利申请GB 2,486,877A描述了一种评估地下位置数据和井眼位置数据的质量的方法，其包括：提供包括地下位置数据的地球区域的地下位置模型；提供包括从来自该区域中的井的井分层(wellpick)得到的井眼位置数据的井眼位置模型，每个井分层与由在井中进行的测量确定的地质特征相应；识别公共点，每个公共点包括在地下位置模型中的与井眼位置数据的井分层对应的点；通过调整地下位置数据和井眼位置数据中的至少一个，使得每个公共点具有在地下位置模型和井眼位置数据中的最可能的位置，并具有表示位置不确定性的局部测试值，来导出区域的更新模型；选择公共点中的一些但不是全部并从所选公共点的局部测试值导出第一测试值；提供所选公共点的第一位置误差测试限制；以及比较第一测试值与第一测试限制以提供数据质量的第一评估。
发明内容
本发明提供如在附随的权利要求中阐述的对地下区域的地下模型执行质量控制的方法、执行勘测的方法、从地球的地下区域提取碳氢化合物的方法、钻探井眼的方法、计算机可读介质和编程计算机。
附图说明
图1描述计算在地壳的体积中的结构的可能位置的方法的总体工作流程；
图2示出从侧面看到的具有EM传感器的底部钻具组件(BHA)；
图3示出与图2所示的相同的情况，但其中BHA从水平/横向平面(从垂直轴)的上方被看到；
图4示出了EM传感器测量到地质特征的垂直距离的示例；
图5示出井分层和地层结构的定义；
图6示出情况1，并且是我们钻出由白色实线所示的井路径的地震数据部分；
图7示出情况2，并且是我们钻出由白色实线所示的井路径的地震数据部分；
图8示出表示碳氢化合物储层的顶部的深度不确定性的两个不确定性图；
图9示出两个点，即井分层和地震点的协方差矩阵的示例；
图10示出两个在统计上独立的点的协方差矩阵的示例；
图11是可用于执行根据本发明的方法的计算机的示意图；
图12示出在质量控制之前的结果；
图13示出在质量控制之后的结果；以及
图14示出描述所提议的方法的一般步骤的流程图。
具体实施方式
现在将参考附图仅通过示例的方式描述优选实施例。
本说明书中公开或示出的每个特征可以单独地或以与这里公开或示出的任何其它特征的任何适当组合的方式结合到本发明中。
我们从在用于计算地壳中的结构的可能位置的结构建模方法的上下文中描述附图开始。这有助于背景理解。然后我们描述了与质量控制有关的方法。
所述实施例的起始点是，在井眼周围的地下体积中的至少一个点的位置由沿着在井眼中的底部钻具组件(BHA)放置的不同类型的仪器测量。这样的测量的例子是在比特电阻率测量之前的深方位电阻率测量、声学测量和中子密度测量。这些仪器可测量在例如电阻率中的对比度，其可相应于例如油-水接触部和碳氢化合物储层的顶部。而且，在覆盖井眼的地下区域中的地层结构的位置经由地震勘测被测量。由井眼穿透的地层结构被测量并解释，且也可针对地下区域中的其它井眼测量该地层结构。这些测量被称为“井分层”。图5有助于理解井分层和地层结构的定义。
因此，可使用至少三种类型的测量，即，围绕井眼的井内测量、井外地震测量和井分层。
在图5中定义井分层、地下特征和近井眼体积测量。地下特征可以例如是地质构造、结构表面、断层、流体接触或在两个连续地震层之间的任何界面或线。当BHA穿透一个层时，井分层由钻井记录识别。钻孔的绝对位置(由随钻测量(MWD)定向勘测仪器测量)被分配到井分层。在井眼中的BHA周围的有限体积内识别地下特征。根据在BHA中的各种传感器执行的近体积测量来计算从BHA到地下特征的方向和距离。
声速度模型是量化地下中的所有位置的声速度的模型。速度模型构建的基本概念是使用例如时间迁移声波的传播时间来对地下成像。
假设我们有可用于地下区域中的地层结构的声速度模型。可使用在时间和深度之间的关系(V＝D/T)来得到速度，其中深度(D)作为地质井观测，以及时间(T)作为地震解释。假设我们有可用的地震深度模型。深度模型是地下结构的坐标和相应不确定性的集合。可通过将速度模型与在时域中解释的地震数据进行组合来得到深度模型。假设我们还获得了在井眼周围的体积中的测量结果连同这些测量结果的不确定性以及在三个空间维中具有不确定性的井分层。在深度模型中的每个空间点的不确定性(统计特性)由协方差矩阵表示。协方差矩阵由在对角元素上的方差和在非对角元素上的协方差组成。协方差描述在坐标之间的统计相关性。类似地，以联合协方差矩阵的协方差表示在空间点(是地震点、井分层或在井眼周围的体积中测量的点)的坐标之间的统计相关性。图9示出在3D中的两个空间点的这样的联合协方差矩阵的示例，在这种情况下，两个空间点是井分层和地震点。
我们首先做出与井眼的定向勘测有关的一些评论。基本测量是从地面的参考点沿着井眼的长度，以及被称为倾角和方位角的两个方向分量。倾角被定义为井眼轴相对于重力场矢量的偏转，而方位角是在水平面中的相对于北方的方向。用于测量井眼的方向的常用方法是使用磁性MWD勘测仪器。这样的仪器由分别测量地球的重力场和地球的磁场分量的加速度计和磁力计组成。加速度计测量用于确定井眼的倾角，而方位角由磁力计测量结果确定。井眼的位置是倾角、方位角和钻杆柱离地面参考点的长度的函数。
可能例如通过使用电阻率测量，用根据在井眼周围的近体积中的3D方向和距离测量(和相应的统计特性)的所解释的结构信息来更新深度模型和相应的完全协方差矩阵。在图5中示出利用BHA中的传感器对井眼周围的近体积中的点的测量。近体积测量的不确定性可在钻井之前基于传感器特定误差模型来被规定，或被估计为最小二乘估计方法的副产物。
可能通过识别在井眼周围的近体积中的测量的一个或多个点来开始，这些点相应于在深度模型中的结构构造。这些点可例如从反映围绕探测设备的体积的电阻率的图像被解释。这些点可被分配有多达三维空间坐标。通过使用井眼的勘测作为参考，结合电阻率模型，以找到从井参考点(从上面提到的井眼的勘测确定)到被解释的点(与结构构造相应)的相对距离和方向来估计这样的点的坐标。在结构构造中的每个这样的点也必须被分配有在点协方差矩阵中反映的统计特性。可通过对三种可用类型的位置信息应用协方差传播定律来得到这个先前协方差矩阵：井眼的勘测、电阻率模型和根据电阻率模型对结构构造的解释。在井眼周围的体积中的测量可以是类似于线或表面的点的集合。在这样的点集合中，每个点都可能与所有其它点相关。在点之间的相关性可由在近井眼体积中的所有连续测量点的联合协方差矩阵建模。可通过如上所述对三种可用类型的位置信息应用协方差传播定律来得到这个联合先前协方差矩阵。
所有可用的位置信息(例如井分层的坐标、地震点的坐标、井眼参考点的坐标和近井眼体积测量)可以是相互在统计上相关的。这种类型的相关性可由在联合协方差矩阵中的协方差分量表示。可通过对可用类型的位置信息应用协方差传播定律来得到这个联合先前协方差矩阵。
在井眼和井分层周围的近体积中的测量的点可通过约束方程与地震深度模型相联系。约束方程在数学上表示从井眼测量的点的坐标(是井分层或近体积测量)与距地震深度模型中的相应点的某个限定距离相等或不同。基于这个冗余测量信息(使用例如最小二乘估计方法，例如由Torgeir Torkildsen在专利EP1306694中所述的方法)来计算在具有相应的统计特性(其可由协方差矩阵表示)的深度模型中的所有点的最可能的位置。为此，可以应用最小二乘估计方法。以这样的方式，先前位置信息基于它的先前位置统计特性而被正确地调整。
可通过下面的步骤来概述将从井眼测量的点与地震深度模型结合的过程：
1.收集包括协方差矩阵的初始位置信息
2.定义约束方程以将位置信息联系在一起
3.基于引入约束方程和最小二乘法来调整位置信息和联合协方差矩阵。
结果是具有统计特性的深度模型，统计特性基于具有相应的统计特性的所有可用位置信息被正确地调整。这个结果可被应用以相应地调整电阻率模型并为在近井眼体积中的新测量做准备。在图1中示出描述优选实施方式的总体工作流程。在下面的图中描述了包括具有相应的不确定性的测量结果和与从具有深度方位电阻率测量结果的井眼测量的井眼周围的体积的相关性的要素。
图2示出从侧面看到的具有EM传感器4的底部钻具组件(BHA)2。当从沿着井路径的几个离散位置(勘测点)测量距离时，可使用例如三边测量技术来计算地质特征6的位置。当除了距离以外方向测量也是可用时，可应用3D三角测量调整技术。附图示出一个例子，其中EM传感器包4测量到地质特征6(地层表面等)的3D距离和3D方向。根据这些测量结果，确定地质特征6的3D位置。地质特征6的3D位置可相对于局部基于BHA的坐标系被计算，或由北、东和真实垂直深度(TVD)坐标表示。
基于在随钻测量(MWD)勘测包中的加速度计和磁力计传感器，可以确定BHA(包括EM传感器包)相对于全球北、东和TVD坐标系的取向。然后可以在基于局部BHA的坐标系中的坐标和全球北、东和TVD坐标系中的坐标之间变换。
图3示出与图2所示的相同的情况，但其中BHA 2在水平/横向平面中(从垂直轴)被看到。
图4示出一个例子，其中EM传感器4测量到地质特征6的垂直距离。也只基于地震数据来确定相同的地质特征(由虚线8示出)。由于相对差的地震精确度，这个表面具有高的不确定性。所测量的距离(D)将BHA 2的垂直位置和地质特征6的垂直位置联系在一起。所测量的距离的精确度定义这个约束的严格性。因为BHA 2的位置具有比地质特征8的初始位置(通过使用输入到模型的先前时间和速度来确定)明显更好的精确度，所以表面的所调整的垂直位置(实线10)将最终更靠近由EM工具4最初测量的地质特征6的初始垂直位置。结果是具有提高的TVD精确度的所调整的地质表面。
现在将描述所述方法的应用。
更新的结构模型可应用于在随钻情况中优化钻头在产油带(即，产生碳氢化合物的区域)中的位置。而且，更新的模型可以在用于区域中的新井的井规划阶段中应用，以便为这些井提供更优化的井路径布置。最后，更新的模型可在钻井后应用，以便更好地理解在井周围的储层情况，以优化在生产阶段中的生产。
图5示出井分层12、地下特征14和近井眼体积测量的定义。当BHA 2正穿透某一层时，井分层12由钻井记录识别。钻孔16的绝对位置(由MWD方向勘测仪器测量)被分配给井分层12。地下特征14在井眼16中的BHA2周围的有限体积18内被识别。根据由在BHA 2中的各种传感器，例如沿着BHA 2分布的一个或多个电阻率传感器执行的近体积测量来计算从BHA2到地下特征14的方向和距离。
图6示出情况1且是地震数据部分，其中我们钻出由白色实线所示的井路径20。黑色线是表示碳氢化合物储层的顶部的地震解释的地震层位22。在这种情况下，我们没有利用任何电阻率测量结果，但我们将地震层位校准到由黑色标记24表示的所钻的井分层。在这个示例中，关于在井分层标记24之间的碳氢化合物储层(黑色线)的顶部的几何结构和地形，我们有很多不确定性。储层的顶部的深度是不确定的，如果我们需要侧钻(钻到井路径的侧面)或在该区域中钻另一井，则存在潜在体积缺失的风险。
图7示出情况2且是地震部分，其中我们钻出由白色线示出的井路径26和由黑色线示出的地震解释28。白色虚线30表示EM深电阻率测量的穿透的理论深度范围(+-10m)。白色标记32表示根据深电阻率测量结果对顶部储层的检测。黑色标记34表示钻出的井分层。我们将地震层位28校准到白色标记32和黑色标记34。标记、解释和井勘测都具有相关的不确定性，其用代数方法被组合以给出顶部储层表面的最新的总体位置和不确定性。在这个示例中，我们有更新的顶部储层深度表面，其可用于优化在钻井情况中的井规划的位置且也可在钻井后被使用，以便约束体积并优化产量。
图8示出表示碳氢化合物储层的顶部的深度不确定性的两个不确定性图。钻出的井由白色虚线36表示。黑色标记38表示对碳氢化合物储层的顶部的地质井观测，而白色标记40表示对碳氢化合物储层的顶部的深电阻率井观测。左边的附图可与没有使用深电阻率读数的图6所示的情况直接相比。想象我们必须在由黑色星42表示的储层目标处钻新井。在不使用任何深电阻率观测的情况下，我们将在2个标准偏差处具有+-20m的不确定性。
右边的附图现在综合了已钻地质井观测和深电阻率井观测两者。这相应于图7所示的情况。现在我们有优化的表面，其将在黑色星目标位置42处的2个标准偏差处的不确定性降低到12m。
图9示出3D中的两个点，即井分层(由矩阵中的WP1表示)和地震点(由矩阵中的SP1表示)的联合协方差矩阵44的例子。在井分层的坐标和地震点的坐标之间的统计相关性分别由在右上角和左下角中的3x 3矩阵描述。在左上角和右下角中的3x 3矩阵分别是井分层和地震点的协方差矩阵。联合协方差矩阵的对角元素是井分层和地震点的坐标的方差。
图10示出一个例子，其中井分层和地震点在统计上是独立的。这通过在井分层的坐标和地震点的坐标之间的零协方差来表示。
图11示出适合于执行本文所述的方法的计算机。图11示出计算设备60，其可以例如是个人计算机(PC)，本文所述的方法可在计算设备60上执行。计算设备60包括用于显示信息的显示器62、处理器64、存储器68和用于允许信息被输入到计算设备的输入设备70。输入设备70可例如包括到其它计算机或到计算机可读介质的连接，且还可包括用于允许用户输入信息的鼠标或键盘。这些元件由总线72连接，信息经由总线72在部件之间被交换。
我们现在描述与质量控制有关的特征。
如上面所提到的，本文所述的实施例的开始点是在井眼周围的地下体积中的至少一个点的位置由沿着在井眼中的底部钻具组件(BHA)放置的不同类型的仪器测量。
假设地震地下地层结构的位置信息(多达3D)是可用的。这个信息可包括作为地质构造结构的地震反射体(seismic reflector)的解释、声速场(多达3维)和对地震反射体的位置以及对速度场的不确定性模型。声速度模型描述可用于将声传播时间转换成深度的地下介质的估计的速度。不确定性模型描述所解释的地震反射体的位置不确定性、速度场的不确定性和它们之间的相关性。使用方差-协方差传播的数学定律通过线性化的高斯不确定性模型方案来创建协方差矩阵；即，通过泰勒级数展开来线性化定义声波的传播的方程组，从泰勒级数展开估计位置的方差和协方差。这个信息(位置和相应的协方差矩阵)将在本文被称为地震解释数据。
假设可能基于在如图4所述的井眼周围的近距离体积中的测量结果(例如电阻率测量结果)来识别或解释由地震解释数据描述的一个或多个地下结构的位置。可以用与对如上所述的地震解释数据类似的方式来估计这些位置的3D位置不确定性。这样类型的位置信息将在下文中被称为近距离井眼信息。在图1-图3中描述用于估计位置的方法。不确定性是在实际测量中的不确定性(例如噪声)和地下结构的解释的不确定性的组合。
地下位置信息包括协方差，例如在勘测台(在勘测台处可以每大约30m停止钻探以收集测量结果)和地质构造之间的协方差。在位置坐标之间的相关性(其为线性统计相关性的度量)与协方差紧密地有关。协方差矩阵不限于单个点的NEV(北、东、垂直)坐标的3*3协方差矩阵，但也可包括完整的协方差矩阵，其包含在整个地下模型的每个点的NEV坐标之间的相关性。
假设我们具有可用于对组合三种不同类型的信息的计算机软件和方法：
1)地震解释数据，
2)近距离井眼信息，以及
3)具有相应不确定性的井分层。
软件可使用在3D中的相应全协方差矩阵来估计地下地层结构的最可能的位置。这个模型将被称为更新的地下模型。
在下文中描述的方法将利用组合位置数据来进行上面的段落中的点1)-3)中定义的每种类型的测量的质量控制。
本文所述的任何方法也可包括获取所述三种不同类型的数据的步骤，然后可以根据所述方法对所述三种不同类型的数据进行处理。
这里所述的实施例的新颖方面是执行不同类型的地下位置信息的质量控制，例如：1)坐标和从地震导出的点的先前不确定性，2)从在井眼周围的近距离体积中的测量解释的点的坐标和这些坐标的先前不确定性，以及3)从井眼方向勘测和测井记录导出的井分层的坐标以及这些坐标和测井记录的先验不确定性。这些点和相应的协方差矩阵的集合被称为地下模型。为了质量控制目的，本发明利用相同的地质特征的多个测量，即冗余测量。在上下文中，质量控制被定义为用于除了输入参数例如协方差矩阵、深度参考系统和人为错误(例如解释错误、打字错误等)以外还检测在上面的组1)、2)和3)中的任何类型的测量中的粗差(gross error)的过程。
质量控制(QC)方法将包括两个级别：
·级别1：用于计算在上面的点2)下提到的坐标的各种传感器测量的质量控制。这些是在近距离体积内的相同的特征的冗余测量。图1和图2给出了这样的测量的例子，说明它们如何被使用。
·级别2：直接应用于从冗余测量导出的结构特征的坐标的质量控制。
在下文中，术语"观测"将被用作所有类型的测量的通用表达，例如传感器读数和井分层的点坐标以及地下特征。
将定义几种数据质量控制测试方法：
测试1：通用数据一致性测试
(已知的)通用数据一致性测试对在钻井操作之前、与钻井操作同时或在钻井操作之后评估上面定义的QC的两个级别(级别1传感器测量和级别2坐标)的位置信息的总体质量是有用的，当这些信息被包括在地下模型中时。这个测试基于残差平方和以及得到的所估计的方差因子
其中是反映在初始位置和经调整的位置之间的一致的所谓的残差的矢量(其中可通过最小二乘估计来进行调整)，Qee是测量误差的协方差矩阵，以及n-u是自由度。(n是测量的数量，u是未知坐标的数量，以及T指示“转置的”)。通用数据一致性测试评估实际方差因子是否明显不同于它的先前假设值在图12中示出一个例子。
对通用数据一致性测试的假设可被表示如下：
和
H0在给定似然性水平α处被拒绝，如果：
或
其中表示在特定数量的自由度处的适当统计分布的上(1-α/2)百分点。可在统计查找表中找到测试值。测试值的分布必须等于测试限制的分布。似然参数α常常被称为测试的重要性水平，其是推断观测数据包含粗差的似然性，而事实上情况不是这样。似然性水平因此是做出错误结论的概率，即当粗差不存在时断定粗差存在。
所估计的方差因子可用作对特定的一组传感器读数的实际噪声的估计的基础。
测试2：单个测量粗差测试
(已知的)单个测量粗差测试过程可被定义如下：
使用统计测试过程来评估在近距离体积内的单个传感器读数、井分层或地质特征点是否受到粗差的影响。该测试评估粗差估计是否明显不同于某个先前假设，例如零。
对在第i个点或传感器测量中的粗差的测试可由两个假设表示：
和
其中表示相应于第i个测量或第i个点的粗差。可使用例如最小二乘法来分析地估计在例如垂直方向上的粗差估计。
用于测试两个假设H0和HA的测试值由下式给出：
其中是粗差的估计量的标准偏差。
当测试值t大于规定测试限制tα/2时，虚假设H0被拒绝。测试限制tα/2是给定井分层是否被分类为粗差的限制且是适当统计分布的上α/2分位数。如果H0被拒绝，则这意味着误差明显不同于零，且结论是实际测量或点坐标受到粗差的影响。
这个测试可以用连续的方式被执行，将指数i从1改变到待测试的观测的总数量。在上下文中，观测被定义为单个传感器读数、井分层、地质特征点等。
测试3：系统性粗差测试
通过这个测试，某些组的测量的质量被同时验证。在上下文中，测量可以是在近距离体积内的一组井分层或地质特征点，或它们可以是由相同或不同类型的传感器执行的一组近距离体积测量。这个测试的目的是检测影响例如由某个传感器类型执行的多个测量的系统性误差。该测试特别与检测系统性误差有关，例如当几个点或几个传感器测量被相同的误差源影响时。
这个测试过程以与上面所述的测试2类似的连续方式被执行，除了偏置参数描述系统性误差而不是单个粗差以外。因此，主要差异是这个测试可检测对几个点或传感器测量来说共同的粗差。这个测试也可以用连续方式被执行，类似于测试2。
测试4：同时对系统性误差和粗差的测试
这个测试可被认为测试2和测试3的组合。这个测试的目的是通过只导出单一测试值来同时检测在一组或多组观测中的系统性误差和/或单个粗差。
这个测试过程的开始点是用户识别待测试的一组观测；在单个观测中的粗差和在几组观测中的系统性粗差。这些可以是传感器测量和通过测试2和3未被证明为粗差的点，但用户怀疑其被粗差影响。该测试推断如果从数据集中排除了所选观察，则它们是否将导致观察数据的总体质量的显著改善。
通过应用这个测试过程，用户能够同时估计所有这些误差的大小，并执行统计测试以决定所有这些井分层是否可同时被考虑为粗差。
该测试可由下面的步骤概述：
a)选择哪些观测将被测试；
b)选出哪些观测被认为表示粗差，以及哪些组观测被认为表示系统性误差。
c)估计在所选观测中的误差。
d)计算共同测试值。这个测试值是在前一步骤(步骤c)中估计的误差的函数。
e)检查共同测试值是否大于测试限制。如果是，则所选观测构成应从数据集排除的总模型误差，否则不。
在上面的步骤c)中，可使用最小二乘法来估计误差。
工作流程
在钻井应用之前的工作流程步骤：
1.开始点：没有近距离井眼信息数据(上面定义的信息类型2)的整个地下模型
2.包括所有可用的近距离井眼信息(来自所有井)
3.执行通用数据一致性测试(测试1)
4.通用数据一致性测试结果和可能行动的后果
ο测试不指示粗差的任何存在：这指示在数据集中的整体一致性(无极端粗差，例如打字错误、符号错误、参考错误、解释错误、关于随机模型的错误假设(例如错误的相关性假设)等)。继续下一步骤以测试特定的观测。
ο测试确实表明存在粗差：继续到下一步骤以测试特定的观测，使得正确的诊断可被执行(检测极端粗差，例如打字错误、符号错误、参考错误、解释错误、关于随机模型的错误假设和在单独测量中的粗差等)。
5.根据传感器特定测量或预先计算的坐标是否是可用的，使用测试2、3和4来执行QC(质量控制)。最理想的是根据级别1来执行QC，因为这使指出粗差的实际原因变得更容易，不管它是否是由于在例如EM测量、声学测量、工具参考点等中的误差。然而，如果测量被认为是粗差，则错误可能不一定与破坏的近距离井眼信息有关，而是也可能是在地震或井分层信息中的未检测到粗差的结果。
6.QC结果和所建议的行动的可能后果：
ο没有在任何数据中检测到的粗差：这指示在先前模型假设和实际模型数据质量之间的一致。
ο在单个观测中的粗差：评估所有相关输入数据的情况和可靠性。如果粗差的原因被检测到，则在可能的情况下校正输入数据，并重复QC以确保信息一致性。如果粗差的原因未被检测到，则忽略该测量或包括具有修改的先前不确定性的测量。
ο在几个连续观测中的粗差，系统性和非系统性的：如果是系统性的，则评估是否存在多个连续测量为什么系统性地被偏置的根本原因。如果是非系统性的(随机噪声)，则这可能由例如传感器缺陷引起。如果粗差的原因被识别出，则在可能的情况下校正输入数据，并重复QC以确保信息一致性。如果粗差的原因未被检测到，则忽略该观测或将它们包括在修改的先前不确定性中。
ο在被检测和分类为表示总模型误设(mis-specification)的一组的多个单个和/或几个不一定连续的观测中的粗差。如果模型误设的原因被识别出，则在可能的情况下校正数据，并重复QC以确保信息一致性。否则排除该观测或给它们分配不同的先前不确定性。
7.返回到在工作流程中的步骤3，并重复直到整体数据一致性是可接受的且没有粗差被检测到为止。
用于随钻和钻井后应用的工作流程步骤：
1.开始点：包括任何可用的近距离井眼观测的整个地下模型。
2.收集在给定测量深度处的近距离井眼信息。观测可来自一个或多个不同类型的传感器。可以收集至少两种不同格式的观察；或者作为原始传感器测量，或作为基于原始传感器测量而导出的点坐标。
3.根据传感器特定测量或预先计算的坐标是否是可用的，根据测试2(或测试3，如果足够数量的观测被收集)对上面定义的级别1数据(即，传感器测量)或级别2数据(即，特征的坐标)执行QC。
4.QC结果和可能的行动的后果：
ο单个观测未被宣布为粗差：继续钻井并收集更多的观测。
ο单个观测被宣布为粗差：评估所有相关输入数据的情况和可靠性。考虑重复测量并重复QC过程。如果粗差的原因被检测到，则在可能的情况下校正输入数据，并重复QC以确保信息一致性。如果粗差的原因未被检测到，则忽略该测量或包括具有修改的先前不确定性的测量。
ο多个观测被宣布为总系统性误差：评估所有相关输入数据的情况和可靠性。考虑使用系统性误差的所估计的大小来校正所有受影响的测量。这样的实时校准的精确度性能取决于可用观测的数量。重复QC以确保信息一致性。如果粗差的原因未被检测到，则忽略该测量或包括具有修改的先前不确定性的测量。
5.继续钻井并收集更多的测量。
6.当断面被钻到TD(目标深度)时，根据测试1执行QC(质量控制)以确保数据一致性。如果我们通过测试2和3有未检测到的粗差的指示，则应用测试4以评估所涉及的测量是否一起构成重要的模型误设。
替代的QC方法-增加先前不确定性
不是将统计显著性测试应用于在数据集中的每个观测并去除被宣布为粗差的测量，另一方法是将这些观测保持在数据集中并增加它们的先前不确定性以减小它们对最终估计结果的影响。先前不确定性(方差)的新值可以例如作为观测残差的函数来计算。一个例子是将大方差分配到具有大残差的测量。这种情况的影响将是，很可能噪声更大的这个测量将对估计结果具有减小的影响。这是合理的，因为在观测中的粗差最经常被反映在该观测的残差的大小中。这个下加权原理将被应用于在数据集中的每个观测。最终结果是观测的修改的协方差矩阵，其减小具有粗差的观测的影响。
图12示出在质量控制之前的结果。储层正被钻探且深电阻率数据正被使用来检测储层的顶部。当钻井时，所涉及的QC步骤检测到在所解释的结构信息(地震层位)和深电阻率数据之间存在差异(偏差)。
图13示出在质量控制之后的结果，当判定先前对顶部储层表面的结构解释不正确时。解释被更新并调整到深电阻率数据，以便给出最新的顶部储层表面。如果需要钻一个新井/侧钻，则质量控制的和最新的储层表面将降低意外侧钻的风险并增加更好的井布置的机会。
图14示出描述所提议的方法的下面的一般步骤的流程图。从定义在包含模型的地球的地壳中的体积开始，几种类型的数据被包括在模型中。这些数据可以是地震数据和井分层数据，并包括从位于井眼中的一个或多个测量仪器得到的井眼数据。数据包括具有相应的不确定性的测量和解释，以及数据点之间的相关性。也可在这个阶段中提供描述例如分辨率的模型参数。然后执行分析，以便确定在数据中是否存在系统性误差或粗差。如果没有误差被检测到，则该模型可被应用在例如井规划和钻井操作中的决策支持中。如果误差被检测到且误差的原因被识别，则相关数据或(多个)模型输入参数被校正且重复进行分析。如果误差的原因未被检测到，则相关数据可被忽略，或相应的先前不确定性可增加以减小数据的影响。然后重复进行分析，直到没有误差被检测到为止。
我们描述了与在井眼外部的数据的QC有关的方法。该方法也可应用于井分层数据(在井眼内部)和地震数据的QC。
地下模型可包括井分层和地震数据。我们可一起评估所有这些数据。
当这里所述的方法用于上述过程中的数据质量控制时，产生了各种优点。提高的数据质量改进了对关于井布置的决策的决策基础，这可改进甜点预测并给出在产油层中的最佳定位。这里提出的自动和系统性方法将明显改进当前手动过程，因为数据量和在数据之间的相关性比单人可处理的更大。该方法提供在钻井时(QC新井和现有的井、地震)、在钻井之后(QC对生产优化是重要的)和在规划过程中(QC现有的井、地震)的多个优点。
其它可能的应用领域：
·模型的递归更新以节省计算时间。估计位置而不执行全矩阵反演。
·传感器的校准：在传感器例如电阻率传感器中的系统性误差可被估计为最小二乘三边测量/三角测量的部分。
·通过最小二乘估计方法(残余噪声)，可以估计传感器噪声。
·在地震解释中的系统性误差的检测。
·可基于来自多个传感器的多个测量(即，多于一个的距离和方向测量)或根据来自在BHA中的相同传感器的多个频率来确定到特征的距离和方向。
·QC可应用于当在地质导向操作期间给出建议时，检查有效数据被使用，并检查不确定性水平是正确的。
应当理解，本文所述的任何方法也可包括获取数据、包括地震和/或电磁数据的步骤，然后可根据该方法处理这些数据。
本申请的相关软件是：
·用于处理电阻率数据并显现电阻率图像用于解释的软件。例子是来自BakerHughes的允许地质导向的AziTrakTM深方位电阻率测量工具以及用于由Schlumberger和Statoil开发的用于电磁超前EMLA的软件。
·地质建模软件，例如Landmark DecisionSpace Desktop和来自Schlumberger的Petrel。
·地震深度转换工具，例如Paradigm Explorer、来自Roxar的COHIBA、和EasyDC。
·用于井路径位置不确定性估计的Landmark Compass软件工具。
·PinPoint(Statoil internal)
本发明包括一种对地下区域的地下模型执行质量控制的方法，所述方法包括：
提供与在所述区域中的一个或多个井眼外部的所述地下模型中的地下特性有关的多种类型的数据，所述多种类型的数据包括从位于所述一个或多个井眼中的至少一个内的一个或多个测量仪器得到的井眼数据，
对所述数据执行分析以确定在所述数据中是否存在一个或多个误差；
如果误差被检测到，则搜索所述误差的原因；
如果所述误差的原因被检测到，则校正所述误差；
如果所述误差的原因未被检测到，则忽略包含所述误差的数据，或在所述模型中包括包含所述误差的数据，并将增加的先前不确定性分配到包含所述误差的数据，因而减小包含所述误差的数据对所述模型的影响。
该方法可与附随的权利要求中的任一项的特征组合。

Claims (29)

1.一种对地下区域的地下模型执行质量控制的方法，所述方法包括：
提供与在所述区域中的一个或多个井眼外部的所述地下模型中的地下特性有关的多种类型的数据，所述多种类型的数据包括从位于所述一个或多个井眼中的至少一个内的一个或多个测量仪器得到的井眼数据；
对所述数据执行分析以确定在所述数据中是否存在一个或多个误差；
如果误差被检测到，则搜索所述误差的原因；
如果所述误差的所述原因被检测到，则校正所述误差；
如果所述误差的所述原因未被检测到，则将包含所述误差的所述数据包括在所述模型中并将增加的先前不确定性分配到包含所述误差的所述数据，因而减小包含所述误差的所述数据对所述模型的影响。
2.根据权利要求1所述的方法，其中所述分析包括对所述数据执行多个统计测试。
3.根据权利要求1或2所述的方法，其中所述多种类型的数据包括地震数据。
4.根据任一前述权利要求所述的方法，其中所述井眼数据包括以下类型的数据中的任意几种或全部：电阻率测量结果；声学测量结果；以及中子密度测量结果。
5.根据任一前述权利要求所述的方法，其中所述多种类型的数据包括井分层数据。
6.根据权利要求5所述的方法，其中所述井分层数据从下列项中的任意几个或全部产生：
a)在沿着所述井眼的至少一个点处的、所述至少一个井眼的所测量的方向；
b)如沿着所述井眼的长度测量的所述井分层离所述至少一个井眼的顶部的距离；以及
c)根据所述至少一个井眼的测井记录对地层结构的解释。
7.根据任一前述权利要求所述的方法，其中所述多种类型的数据包括用于计算在所述地下模型中的点的坐标的传感器测量结果。
8.根据任一前述权利要求所述的方法，其中所述多种类型的数据包括在所述地下模型中的点的坐标。
9.根据任一前述权利要求所述的方法，其包括执行通用数据一致性测试以确定所述数据包含粗差的可能性。
10.根据权利要求9所述的方法，其中所述通用数据一致性测试是统计测试。
11.根据任一前述权利要求所述的方法，其包括执行单个测量粗差测试以确定所述数据的单个项是否受到粗差的影响。
12.根据权利要求11所述的方法，其中所述单个测量粗差测试是统计假设测试。
13.根据权利要求11所述的方法，其中所述数据的所述单个项是在所述模型中的单个传感器读数、井分层或地质特征点。
14.根据权利要求11、12或13所述的方法，如果粗差被检测到，则还包括以下步骤：
如果所述粗差的原因被检测到，则校正所述数据的所述单个项；以及
如果所述粗差的原因未被检测到，则忽略所述数据的所述单个项或将所述数据的所述单个项包括在具有修改的先前不确定性的所述地下模型中。
15.根据权利要求11到14中的任一项所述的方法，其还包括：
对所述数据的多个单个项重复所述单个测量粗差测试，
如果在所述数据的多个所述单个项中检测到粗差，则确定所述粗差是否能被分类为表示总模型误设的一组，以及如果是，则确定所述误设的原因是否能被识别，
如果所述误设的所述原因能够被识别，则校正所述粗差，以及
如果所述误设的所述原因不能够被识别，则从所述地下模型中省略所述数据的所述多个单个项或向所述数据的所述多个单个项分配不同的先前不确定性。
16.根据任一前述权利要求所述的方法，其包括执行系统性粗差测试以确定所述数据的一组项目是否受到系统性误差的影响。
17.根据权利要求16所述的方法，其中所述系统性粗差测试是统计假设测试。
18.根据权利要求16或17所述的方法，其中所述数据的所述组的项目是下列项之一：一组井分层、在所述一个或多个井眼中的所述至少一个周围的体积内的一组地质特征点或由在所述一个或多个井眼中的所述至少一个中的一个或多个传感器执行的一组测量。
19.根据权利要求16、17或18所述的方法，如果系统性误差被检测到，则还包括以下步骤：
如果所述系统性误差的原因被检测到，则校正所述数据的所述组的项目；以及
如果所述系统性误差的所述原因未被检测到，则忽略所述数据的所述组的项目或将所述数据的所述组的项目包括在具有修改的先前不确定性的所述地下模型中。
20.根据权利要求16到19中的任一项所述的方法，其还包括，如果系统性误差被检测到，则计算所估计的系统性误差，并使用所估计的系统性误差和由所述测量仪器进行的测量的估计的残余噪声来实时地校正或校准由所述测量仪器进行的所述测量，以提供在所述地下模型中的地下特征的更好定位。
21.根据权利要求20所述的方法，其中所述校正或校准步骤在所述至少一个井眼中钻孔之后进行。
22.根据任一前述权利要求所述的方法，其包括：
a)选择所述数据的子集，
b)对所述数据执行整体一致性测试，
c)对所述子集执行单个测量粗差测试，
d)对所述子集执行系统性粗差测试，
e)从步骤c)和d)导出单个测试值，
f)确定所述单个测试值是否大于测试限制，以及
g)如果所述单个测试值大于所述测试限制，则从所述地下模型中省略所述数据的所述子集。
23.根据任一前述权利要求所述的方法，其还包括以迭代的方式重复所述方法的步骤。
24.一种执行勘测的方法，包括：
得到包括与在井眼周围的区域的地下模型有关的多种类型的数据的数据；以及
对所述数据执行如任一前述权利要求所述的质量控制的方法。
25.根据权利要求24所述的执行勘测的方法，其包括从位于所述一个或多个井眼中的所述至少一个内的所述一个或多个测量仪器得到所述井眼数据。
26.一种从地球的地下区域提取碳氢化合物的方法，所述方法包括：
钻井眼，
执行根据权利要求24或25所述的勘测，
使用所述勘测的结果来定位在地球的所述地下区域中的碳氢化合物的存在，以及
经由所述井眼来提取所述碳氢化合物。
27.一种在地球的地下区域中钻井眼的方法，用于开采地热能或任何其他目的，所述方法包括：
开始钻井眼，
执行根据权利要求24或25所述的勘测，
使用所述勘测的结果来确定在地球的所述地下区域中的所述井眼的期望位置，以及
根据所述期望位置继续钻所述井眼。
28.一种计算机可读介质，其携带用于执行权利要求1到23中的任一项的方法的指令。
29.一种计算机，其被编程为执行权利要求1到23中的任一项的方法。
CN201780068655.4A 2016-09-30 2017-09-25 与质量控制有关的改进的方法 Expired - Fee Related CN110073246B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
GB1616680.3 2016-09-30
GB1616680.3A GB2555375B (en) 2016-09-30 2016-09-30 Improved methods relating to quality control
PCT/NO2017/050245 WO2018063001A1 (en) 2016-09-30 2017-09-25 Improved methods relating to quality control

Publications (2)

Publication Number Publication Date
CN110073246A true CN110073246A (zh) 2019-07-30
CN110073246B CN110073246B (zh) 2021-06-11

Family

ID=57571163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780068655.4A Expired - Fee Related CN110073246B (zh) 2016-09-30 2017-09-25 与质量控制有关的改进的方法

Country Status (9)

Country Link
US (1) US20200033501A1 (zh)
CN (1) CN110073246B (zh)
AU (1) AU2017337989A1 (zh)
BR (1) BR112019006366A2 (zh)
CA (1) CA3038794A1 (zh)
GB (1) GB2555375B (zh)
NO (1) NO20190516A1 (zh)
RU (1) RU2019111198A (zh)
WO (1) WO2018063001A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111188612B (zh) * 2020-01-13 2022-12-13 中国石油天然气股份有限公司大港油田分公司 一种测井多参数融合的页岩油甜点快速识别方法
WO2022015304A1 (en) * 2020-07-15 2022-01-20 Landmark Graphics Corporation Automated fault uncertainty analysis in hydrocarbon exploration
US20230228898A1 (en) * 2022-01-19 2023-07-20 Halliburton Energy Services, Inc. Utilizing resistivity distribution curves for geological or borehole correlations
WO2024020763A1 (en) * 2022-07-26 2024-02-01 Saudi Arabian Oil Company Automatic tying structure maps of subsurface horizons to well-derived orientation information

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080239871A1 (en) * 2007-03-28 2008-10-02 Hugues Thevoux-Chabuel Method of processing geological data
US20100299126A1 (en) * 2009-04-27 2010-11-25 Schlumberger Technology Corporation Method for uncertainty quantifiation in the performance and risk assessment of a carbon dioxide storage site
CN102356212A (zh) * 2009-03-17 2012-02-15 史密斯国际公司 用于地下井的相对和绝对误差模型
US20120271552A1 (en) * 2011-04-22 2012-10-25 Dashevsky Yuliy A Increasing the resolution of vsp ava analysis through using borehole gravity information
CN102918422A (zh) * 2010-03-31 2013-02-06 斯塔特伊石油公司 估计层速度
CN103370638A (zh) * 2010-12-21 2013-10-23 斯塔特伊石油公司 地下和井筒位置数据的质量控制

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2774078A4 (en) * 2011-10-18 2015-12-30 Saudi Arabian Oil Co RESERVOIR MODELING WITH 4- SATURATION MODELS AND SIMULATION MODELS
US10054712B2 (en) * 2013-12-30 2018-08-21 Saudi Arabian Oil Company Computer-implemented methods for reservoir simulation with automated well completions and reservoir grid data quality assurance

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080239871A1 (en) * 2007-03-28 2008-10-02 Hugues Thevoux-Chabuel Method of processing geological data
CN102356212A (zh) * 2009-03-17 2012-02-15 史密斯国际公司 用于地下井的相对和绝对误差模型
US20100299126A1 (en) * 2009-04-27 2010-11-25 Schlumberger Technology Corporation Method for uncertainty quantifiation in the performance and risk assessment of a carbon dioxide storage site
CN102918422A (zh) * 2010-03-31 2013-02-06 斯塔特伊石油公司 估计层速度
CN103370638A (zh) * 2010-12-21 2013-10-23 斯塔特伊石油公司 地下和井筒位置数据的质量控制
US20120271552A1 (en) * 2011-04-22 2012-10-25 Dashevsky Yuliy A Increasing the resolution of vsp ava analysis through using borehole gravity information

Also Published As

Publication number Publication date
CN110073246B (zh) 2021-06-11
RU2019111198A (ru) 2020-10-30
GB201616680D0 (en) 2016-11-16
CA3038794A1 (en) 2018-04-05
WO2018063001A1 (en) 2018-04-05
US20200033501A1 (en) 2020-01-30
NO20190516A1 (en) 2019-04-16
GB2555375B (en) 2020-01-22
RU2019111198A3 (zh) 2020-11-18
AU2017337989A1 (en) 2019-05-02
BR112019006366A2 (pt) 2019-06-25
GB2555375A (en) 2018-05-02

Similar Documents

Publication Publication Date Title
Wu et al. A new ultra-deep azimuthal electromagnetic LWD sensor for reservoir insight
US9335435B2 (en) System and method for improving surface electromagnetic surveys
Williams-Stroud et al. Microseismicity-constrained discrete fracture network models for stimulated reservoir simulation
CN103370638B (zh) 地下和井筒位置数据的质量控制
US10400590B1 (en) Method and system for determining a distribution of rock types in geological cells around a wellbore
RU2663686C2 (ru) Определение истинного удельного сопротивления пласта
Zimmer Microseismic design studies
WO2018132705A1 (en) Measuring petrophysical properties of an earth formation by regularized direct inversion of electromagnetic signals
CN110073246A (zh) 与质量控制有关的改进的方法
CN101082276A (zh) 定向电磁波电阻率装置和方法
US20130297269A1 (en) Processing geophysical data
Dupuis et al. Avoid pilot holes, land wells, and optimize well placement and production with deep directional resistivity logging while drilling
JP2018004494A (ja) 地質境界面または断層面の予測方法
NO20190515A1 (en) Improved structural modelling
US9103933B2 (en) Estimating a property by assimilating prior information and survey data
Darijani et al. Joint and constrained inversion of magnetic and gravity data: A case history from the McArthur River area, Canada
Hawkins et al. Optimizing well placement in geosteering using an azimuthal resistivity tool in complex thin bed reservoirs in the Gulf of Thailand
Bittar et al. The" Depth-of-Electrical Image" a key parameter in accurate dip computation and geosteering
BR112018008755B1 (pt) Método e sistema para caracterização de uma formação subterrânea
Wang et al. Quantitative study of natural gamma ray depth of image and dip angle calculations
Gangemi et al. Integration of directional survey uncertainty in structural modelling: from geo-steering activities to geological interpretation
US20240019599A1 (en) Reservoir properties derived using ultra-deep resistivity inversion data
Al-Ameri et al. Improved Formation Evaluation with Inversion Techniques using Logging While Drilling Azimuthal Deep Resistivity Sensor–A Case Study
Riofrío et al. Using a New Gradient-Based Ultra-Deep Resistivity Inversion Model to Map Oil-Water Contacts in the Gekko Fields
Yeh et al. LiDAR-based 3D litho-stratigraphic models calibrated with limited boreholes

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for 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: 20210611

Termination date: 20210925

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