CN110671095B - 一种地质地层压力智能随钻软测量方法 - Google Patents
一种地质地层压力智能随钻软测量方法 Download PDFInfo
- Publication number
- CN110671095B CN110671095B CN201910898641.6A CN201910898641A CN110671095B CN 110671095 B CN110671095 B CN 110671095B CN 201910898641 A CN201910898641 A CN 201910898641A CN 110671095 B CN110671095 B CN 110671095B
- Authority
- CN
- China
- Prior art keywords
- pressure
- drilling
- coefficient
- data
- formation pressure
- 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.)
- Active
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 89
- 238000005553 drilling Methods 0.000 title claims abstract description 82
- 238000000691 measurement method Methods 0.000 title abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 51
- 239000011435 rock Substances 0.000 claims abstract description 22
- 238000010606 normalization Methods 0.000 claims abstract description 13
- 238000007637 random forest analysis Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000007704 transition Effects 0.000 claims abstract description 9
- 238000010220 Pearson correlation analysis Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 238000009826 distribution Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 2
- 238000005755 formation reaction Methods 0.000 description 74
- 238000012544 monitoring process Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 6
- 239000011148 porous material Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000009918 complex formation Effects 0.000 description 2
- 230000002706 hydrostatic effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000008398 formation water Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- E21B47/06—Measuring temperature or pressure
-
- 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geophysics (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种地质地层压力智能随钻软测量方法,包括采集钻井数据,对获得的钻井数据进行分析,利用皮尔逊相关性分析法选出与地层压力紧密相关的钻井数据;在获得样本数据集的基础上进行归一化处理,建立地层可钻性模型、岩石强度模型与水力机械比能模型来分别计算地层可钻性参数,岩石强度参数与水力机械比能参数等中间参数,将其与计算得到的中间参数一并作为输入,建立贝叶斯线性模型来计算当前钻头处地层压力,最后通过随机森林法来判别当前地层的压力类型,并对压力过渡带与高压地层做出预警。
Description
技术领域
本发明涉及地质钻进过程智能控制领域,尤其涉及一种复杂地质地层压力智能随钻软测量方法。
背景技术
目前,我国对大宗矿产品的需求仍不断增长,现有资源供需矛盾日益突出,对外依存度不断加大。但事实上,我国矿产资源种类多,蕴藏丰富。随着新的矿产资源的不断探明,深部地质勘探和开发成为必然。
尽管深部资源能源开发潜力大,但由于地层深处的环境恶劣,钻进过程经常遇到高温、地层高压。地层压力是资源能源勘探、开发中的一个基础参数,正常压实地层具有的地层孔隙压力等于从地表到地下某处的连续地层水的静液压力。当饱含水的砂层被不透水层封闭并受到重压时,砂层中的孔隙水就会产生高于正常静液压力,称作异常高压。异常高压地层相对于其他地层更容易井壁失稳,引起井涌、井喷等事故,造成严重的安全事故,严重时可能危及人身安全。在全球范围内,压力异常地区的超额钻探成本可达每年10.8亿美元,当钻遇异常高压地层时,需要特别调整泥浆密度来保证井壁不受破坏。因此,在钻进过程中监测当前所处地层的地层压力系数并判断高压地层的钻入钻出点,减少钻井工程事故、提高钻井效率、降低钻井成本的关键。此外,异常高压在石油勘探开发中具有十分重要的实际意义。异常高的地层流体压力与有效储层,有效源岩等各成藏的有利因素是相伴出现的,对异常高压的预测实际上就是对有利成藏区段的圈定。
地层孔隙压力实钻监测主要是在钻井过程中测量与压力有关的钻井参数,实时地估算地层孔隙压力。如何准确监测地层孔隙压力及其变化一直是地质勘探开发过程中的难点问题。现在综合录井仪上所用的压力监测方法一般都是Dc指数和Sigma法。而随着钻探技术的发展(如定向斜井技术和PDC钻头的使用),使得这两种方法在压力预测和监测上都存在着明显的误差。另外,传统的地层压力监测方法不能根据钻遇环境实时调整相关参数,模型适应性差,这就急需解决压力预测与监测的方法,找到一种能与综合录井相配套的随钻监控方法,来有效地指导科学钻井,防止事故的发生。
发明内容
有鉴于此,本发明提供了能有效对地层压力进行监测并及时对高压地层做出预警的一种地质地层压力智能随钻软测量方法。
本发明的实施例提供一种地质地层压力智能随钻软测量方法,包括以下步骤:
S1.采集测井数据,利用皮尔逊相关性分析法对获得的测井数据进行分析,选出三种与地层压力最相关的钻井数据集;
S2.建立地层可钻性模型、岩石强度模型与水力机械比能模型来计算中间参数,包括地层可钻性参数,岩石强度参数与水力机械比能参数;
S3.将S1选出的钻井数据集与S2的中间参数作为样本数据集,对样本数据集进行归一化处理,并建立贝叶斯线性模型计算当前地层压力系数;
S4.建立随机森林模型判别当前地层压力类型,并对压力过渡带与高压带做出预警。
进一步,所述步骤S1中,皮尔逊相关性系数的公式为:
式中:其中,N是数据集的个数,xi是输入参数,yi是地层压力数据,ρXY是每个输入参数与地层压力之间的Pearson相关性系数,Pearson相关性系数绝对值越大说明钻井数据与地层压力越相关。
进一步,所述根据Pearson相关性系数绝对值选出的钻井数据集包括流速,钻压与泥浆密度。
进一步,所述步骤S2中,地层可钻性模型、岩石强度模型与水力机械比能参数计算模型分别为:
Xt0=F×[(0.1WOB)0.5×T0.25×N0.25]/0.3937Ab
式中:ROP为钻速,N为转速,WOB为钻压,Ab为与钻头面积,T为扭矩,MW为泥浆密度,Q为流量,TFA为钻头总流面积,JSA为钻头射流面积,K是液压能量衰减系数,F是钻井液液柱围压与岩屑重切影响系数。
进一步,所述步骤S3中,具体包括以下步骤:
S3.1.样本数据归一化处理,归一化处理的公式为:
其中,xnorm是归一化后的数据集,x是归一化前的数据集,xmin是数据集中最小的数据,xmax是数据集中最大的数据;
S3.2.建立贝叶斯线性模型,计算当前样本数据集下的地层压力系数概率分布:
y=f(X)+ε
f(X)=XTw
其中X=(x1,x2...xN)T,Y=(y1,y2...yN)T,xi为输入特征属性,yi为输出的地层压力系数,σn为残差ε的方差,P(w)为预先给定权重系数,选择均值为0,方差为σw的正态分布,对预测数据x*,预测结果y*的概率分布确定公式为:
P(y*|Data,x*)=∫wP(y*|w,x*)P(w|Data)dw
预测结果y*的值由蒙特卡洛抽样法从预测结果y*的概率分布中抽选出。
进一步,所述步骤S4中,具体包括以下步骤:
S4.1.收集同一地区其他钻井的压力系数曲线,运用小波去噪技术获得其去噪后的压力系数样本数据集 并在27米深度窗内计算其斜率k即步骤S3中的地层压力系数,压力系数均值m以及其与去噪前压力系数样本数据集的方差σ:
S4.2.以斜率k,方差σ以及去噪后的压力系数样本数据均值m作为输入,专家划分的地层压力类型标签,包括高压,压力过渡带即高压出入带,常压作为输出,建立随机森林模型进行训练;
S4.3.在钻进过程中,以钻头所处点之前27m为一个深度窗计算斜率k,方差σ以及去噪后的压力系数样本数据均值m,将其作为步骤S4.2训练好的随机森林模型的输入,对当前地层的压力类型进行识别。
与现有技术相比,本发明具有以下有益效果:
(1)钻进参数相较于其他参数,在钻进现场极易得到,目前很少有基于钻进参数建立数据驱动的地层压力智能软计算模型;
(2)此方法结合机理模型与智能模型,既发挥了机理模型的特点,利用其计算出与地层压力精密相关的中间参数(包括地层可钻性参数,岩石强度参数与水力机械比能参数),又发挥了智能模型的优点,通过不断更新来在线调整软测量模型参数,使其更有效地适应复杂地层;
(3)不需要建立正常趋势线,不需要特别选取连续正常压实的泥页岩地层进行回归;
(4)克服了传统地层压力监测方法不能适应新的钻井工具与技术的难题,有效提高地层压力监测精度。
附图说明
图1是本发明一种地质地层压力智能随钻软测量方法实施例中采集钻井数据的钻井图;
图2是本发明一种地质地层压力智能随钻软测量方法实施例中总体流程图;
图3是本发明一种地质地层压力智能随钻软测量方法实施例中的Bayes线性模型预测图;
图4是本发明一种地质地层压力智能随钻软测量方法实施例中地层压力系数曲线图;
图5是本发明一种地质地层压力智能随钻软测量方法实施例中压力类型识别结果图;
图6是本发明一种地质地层压力智能随钻软测量方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地描述。
请参考图2,本发明的实施例提供了一种地质地层压力智能随钻软测量方法,包括以下步骤:
S1.如图1所示采集钻井数据,对获得的钻井数据进行分析,选出与地层压力紧密相关的数据,利用皮尔逊相关性分析法选出与地层压力紧密相关的钻井数据集;与地层压力紧密相关的数据包括流速,钻压与泥浆密度,计算得皮尔逊相关系数分别为-0.94,-0.87与0.94,皮尔逊相关性系数的公式为:
式中,N是数据集的个数,xi是输入参数,yi是地层压力数据,ρXY是每个输入参数与地层压力之间的Pearson相关性系数。
S2.在获得样本数据集的基础上,建立地层可钻性模型、岩石强度模型与水力机械比能模型,求取地层可钻性参数,岩石强度参数与水力机械比能参数等中间参数的公式为:
Xt0=F×[(0.1WOB)0.5×T0.25×N0.25]/0.3937Ab
式中:ROP为钻速,N为转速,WOB为钻压,Ab为与钻头面积,T为扭矩,MW为泥浆密度,Q为流量,TFA为钻头总流面积,JSA为钻头射流面积,K是液压能量衰减系数,F是钻井液液柱围压与岩屑重切影响系数。
S3.基于步骤S2得到的地层可钻性系数,岩石强度系数和水力机械比能系数,结合步骤S1得到的与地层压力相关的钻井参数,建立贝叶斯线性模型计算地层压力,具体包括以下步骤:
S3.1.样本数据归一化处理,归一化处理的公式为:
其中,xnorm是归一化后的数据集,x是归一化前的数据集,xmin是数据集中最小的数据,xmax是数据集中最大的数据;
S3.2.建立贝叶斯线性模型,计算当前样本数据集下的地层压力系数概率分布:
y=f(X)+ε
f(X)=XTw
其中,X=(x1,x2...xN)T,Y=(y1,y2...yN)T,xi为输入特征属性,P(Yw,X)P(w)取最大值时对应的yi为输出的地层压力系数,σn为残差ε的方差,P(w)为预先给定权重系数,即先验,通常选择均值为0,方差为σw的正态分布。对预测数据x*,预测结果y*的概率分布公式为:
P(y*|Data,x*)=∫wP(y*|w,x*)P(w|Data)dw
预测结果y*的值由蒙特卡洛抽样法从y*的概率分布中抽选出。
S4.建立随机森林模型判别当前地层压力类型,并对压力过渡带与高压带做出预警,具体包括以下步骤:
S4.1.收集同一地区其他钻井的压力系数曲线,运用小波去噪技术获得其去噪后的压力系数样本数据集 并在27米深度窗内计算其斜率k即步骤s3中的地层压力系数,压力系数均值m以及其与去噪前的压力系数样本数据集的方差σ:
S4.2.以斜率k,方差σ以及去噪后的样本数据均值m作为输入,专家划分的地层压力类型标签,包括高压,压力过渡带即高压出入带,常压作为输出,建立随机森林模型进行训练;
S4.3.在钻进过程中,以钻头所处点之前27m为一个深度窗计算斜率k,方差σ以及去噪后的压力系数样本数据均值m,将其作为步骤S4.2训练好的随机森林模型的输入,其输出的标签即是当前地层的压力类型,从而完成了当前地层的压力类型识别。
本发明将通过融合地层压力机理模型与智能模型,建立了一种复杂地质地层压力智能随钻软测量方法,利用实时钻井数据如钻压、转速、流量来监测当前地层压力,既发挥了机理模型的特点,利用其计算出与地层压力精密相关的中间参数,又发挥了智能模型的优点,通过不断更新来在线调整软测量模型,使其更有效地适应复杂地层。此外,此方法不需要建立正常趋势线,克服了传统地层压力监测方法不能适应新的钻井工具与技术的难题,有效提高地层压力监测精度,为复杂地质钻进过程智能控制打下了良好的基础。有利于在实际生产中应用。
本发明一种地质地层压力智能随钻软测量方法提供了以下具体实施例1:
一种地质地层压力智能随钻软测量方法,首先,对通过图1获得的钻井数据进行分析,选出与地层压力紧密相关的数据,利用皮尔逊相关性分析法选出与地层压力紧密相关的钻井数据集,建立地层可钻性模型、岩石强度模型与水力机械比能模型来计算地层可钻性参数,岩石强度参数与水力机械比能参数等中间参数。将选出的钻井数据集与中间参数作为输入,在获得样本数据集的基础上进行归一化处理,建立贝叶斯线性模型计算当前地层压力,最后随机森林模型判别当前地层压力类型,并对压力过渡带与高压带做出预警。此方法使用实际钻井数据进行仿真验证。具体步骤如下:
(1)原始样本数据包括井深,钻压,转速,钻速,钻头直径,泥浆密度,流量及钻头参数等共214组测井数据组成,利用皮尔逊相关性分析,选出流速,钻压与泥浆密度三种与地层压力最相关的数据;
(2)在获得样本数据集的基础上,建立地层可钻性模型、岩石强度模型与水力机械比能模型,计算得到地层可钻性参数,岩石强度参数与水力机械比能参数,将其与基于步骤(1)所得到的三种参数及深度一起作为输入,表1为部分原始输入数据;
表1部分原始输入数据
(3)基于步骤S2得到的地层可钻性系数,岩石强度系数和水力机械比能系数,结合步骤S1得到的与地层压力相关的钻井参数,建立贝叶斯线性模型计算地层压力,以每500米为一个深度窗口进行更新。训练集包括钻头以上600米的数据。例如,利用前300米预测钻头以下300米的地层压力系数,在第600米时,利用前600个数据预测钻头以下300米的地层压力系数,再以300米至900米的数据进行训练,预测钻头以下300米的数据,以此类推。其结果记录在图4中,将其与传统的Sigma法,Dc指数法及最新的水利机械比能法(Energy)等机理方法相比,可以看出所提出的方法获得的结果十分接近真实值。(黑色点为地层压力测量仪实际测量点)。
(4)建立随机森林模型判别当前地层压力类型,并对压力过渡带与高压带做出预警。利用图5所示的四口井(从左至右依次为Chal井,Jing_1井,FS5井,Bornadi井),计算其当前点前27m范围(一般隔27米提钻)内地层压力的斜率k,方差σ以及去噪后的样本数据以其它三口井(Chal井,Jing_1井,FS5井)的数据进行训练,以当前井(Bornadi井)的数据进行测试,其结果记录在图6中。另外,为验证所提出方法的有效性,分别以其他三口井的数据进行训练,对Jing_1井及FS5井的压力类型也进行了分类,其结果记录在图5中(其中Chal井因为含有低压数据,只作为训练集进行训练)。
在不冲突的情况下,本文中上述实施例及实施例中的特征可以相互结合。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种地质地层压力智能随钻软测量方法,其特征在于,包括以下步骤:
S1.采集钻井数据,利用皮尔逊相关性分析法对获得的钻井数据进行分析,选出三种与地层压力最相关的钻井数据集;
S2.建立地层可钻性模型、岩石强度模型与水力机械比能模型来计算中间参数,包括地层可钻性参数,岩石强度参数与水力机械比能参数;
S3.将S1选出的钻井数据集与S2的中间参数作为样本数据集,对样本数据集进行归一化处理,并建立贝叶斯线性模型计算当前地层压力系数;
S4.建立随机森林模型判别当前地层压力类型,并对压力过渡带与高压带做出预警,具体包括以下步骤;
S4.1.收集同一地区其他钻井的压力系数曲线,运用小波去噪技术获得其去噪后的压力系数样本数据集 并在27米深度窗内计算其斜率k即步骤S3中的地层压力系数,压力系数均值m以及其与去噪前的压力系数样本数据集的方差σ:
S4.2.以斜率k,方差σ以及去噪后的样本数据均值m作为输入,专家划分的地层压力类型标签,包括高压,压力过渡带即高压出入带,常压作为输出,建立随机森林模型进行训练;
S4.3.在钻进过程中,以钻头所处点之前27m为一个深度窗计算斜率k,方差σ以及去噪后的压力系数样本数据均值m,将其作为步骤S4.2训练好的随机森林模型的输入,其输出的标签即是当前地层的压力类型,从而完成了当前地层的压力类型识别。
3.根据权利要求1所述的一种地质地层压力智能随钻软测量方法,其特征在于,所述根据Pearson相关性系数绝对值选出的钻井数据集包括流速,钻压与泥浆密度。
5.根据权利要求1所述的一种地质地层压力智能随钻软测量方法,其特征在于,所述步骤S3中,具体包括以下步骤:
S3.1.对样本数据集进行归一化处理,归一化处理的公式为:
其中,xnorm是归一化后的数据,x是归一化前的数据,xmin是样本数据集中最小的数据,xmax是样本数据集中最大的数据;
S3.2.建立贝叶斯线性模型,计算当前样本数据集下的地层压力系数概率分布:
y=f(X)+ε
f(X)=XTw
其中X=(x1,x2...xN)T,Y=(y1,y2...yN)T,xi为输入特征属性即归一化后的样本数据集,P(Y|w,X)P(w)取最大值时对应的yi为输出的地层压力系数,σn为残差ε的方差,P(w)为预先给定权重系数,选择均值为0,方差为的正态σw分布,对预测数据x*,预测结果y*的概率分布公式为:
P(y*|Data,x*)=∫wP(y*|w,x*)P(w|Data)dw
预测结果y*的值由蒙特卡洛抽样法从y*的概率分布中抽选出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910898641.6A CN110671095B (zh) | 2019-09-23 | 2019-09-23 | 一种地质地层压力智能随钻软测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910898641.6A CN110671095B (zh) | 2019-09-23 | 2019-09-23 | 一种地质地层压力智能随钻软测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110671095A CN110671095A (zh) | 2020-01-10 |
CN110671095B true CN110671095B (zh) | 2021-03-26 |
Family
ID=69077215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910898641.6A Active CN110671095B (zh) | 2019-09-23 | 2019-09-23 | 一种地质地层压力智能随钻软测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110671095B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113323647B (zh) * | 2020-02-12 | 2024-07-02 | 中国石油化工股份有限公司 | 用于监测岩石抗压强度和可钻性的方法及装置 |
CN112381938B (zh) * | 2020-11-11 | 2023-03-24 | 中国地质大学(武汉) | 一种基于非开挖随钻参数机器学习的地层识别方法 |
CN112966217A (zh) * | 2021-02-23 | 2021-06-15 | 中海石油(中国)有限公司海南分公司 | 一种基于钻井机械能效的地层压力监测方法及应用 |
CN114893166B (zh) * | 2022-04-13 | 2022-11-25 | 中国石油大学(华东) | 一种地层压力系数计算方法 |
CN114856540B (zh) * | 2022-05-11 | 2024-05-28 | 西南石油大学 | 一种基于在线学习的水平井机械钻速随钻预测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1657744A (zh) * | 2003-11-24 | 2005-08-24 | 施卢默格海外有限公司 | 采集钻井时信息的仪器和方法 |
CN105715252A (zh) * | 2014-12-03 | 2016-06-29 | 中石化胜利石油工程有限公司钻井工艺研究院 | 一种地层压力计算方法 |
WO2016167841A1 (en) * | 2015-04-14 | 2016-10-20 | Bp Corporation North America Inc. | System and method for drilling using pore pressure |
CN108717202A (zh) * | 2018-05-31 | 2018-10-30 | 中国地质大学(武汉) | 一种考虑流体温度的页岩气异常地层压力预测方法 |
CN109162693A (zh) * | 2018-09-17 | 2019-01-08 | 中国地质大学(北京) | 一种利用随钻监测技术测试岩体块度指数的方法 |
CN109323954A (zh) * | 2018-11-15 | 2019-02-12 | 中国地质大学(武汉) | 一种碳酸盐岩地层孔隙压力预测方法 |
CN109472285A (zh) * | 2018-09-29 | 2019-03-15 | 北京中油瑞飞信息技术有限责任公司 | 井漏识别方法、装置及计算机设备 |
-
2019
- 2019-09-23 CN CN201910898641.6A patent/CN110671095B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1657744A (zh) * | 2003-11-24 | 2005-08-24 | 施卢默格海外有限公司 | 采集钻井时信息的仪器和方法 |
CN105715252A (zh) * | 2014-12-03 | 2016-06-29 | 中石化胜利石油工程有限公司钻井工艺研究院 | 一种地层压力计算方法 |
WO2016167841A1 (en) * | 2015-04-14 | 2016-10-20 | Bp Corporation North America Inc. | System and method for drilling using pore pressure |
CN108717202A (zh) * | 2018-05-31 | 2018-10-30 | 中国地质大学(武汉) | 一种考虑流体温度的页岩气异常地层压力预测方法 |
CN109162693A (zh) * | 2018-09-17 | 2019-01-08 | 中国地质大学(北京) | 一种利用随钻监测技术测试岩体块度指数的方法 |
CN109472285A (zh) * | 2018-09-29 | 2019-03-15 | 北京中油瑞飞信息技术有限责任公司 | 井漏识别方法、装置及计算机设备 |
CN109323954A (zh) * | 2018-11-15 | 2019-02-12 | 中国地质大学(武汉) | 一种碳酸盐岩地层孔隙压力预测方法 |
Non-Patent Citations (1)
Title |
---|
纵横波速度联合预测地层压力的方法及应用;王斌等;《天然气地球科学》;20150228;第26卷(第2期);第367-370页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110671095A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110671095B (zh) | 一种地质地层压力智能随钻软测量方法 | |
US11591900B2 (en) | Method to predict overpressure uncertainty from normal compaction trendline uncertainty | |
Diaz et al. | Drilling data from an enhanced geothermal project and its pre-processing for ROP forecasting improvement | |
CN108301825B (zh) | 一种高温高压储层孔隙压力分析方法 | |
EP2917127B1 (en) | Well integrity management using coupled engineering analysis | |
US4914591A (en) | Method of determining rock compressive strength | |
Mahmoud et al. | Artificial neural networks model for prediction of the rate of penetration while horizontally drilling carbonate formations | |
CN110397402B (zh) | 钻井方法及装置 | |
CA3064241A1 (en) | Methods and systems for improved drilling operations using real-time and historical drilling data | |
Hassan et al. | Coupling rate of penetration and mechanical specific energy to Improve the efficiency of drilling gas wells | |
Bezminabadi et al. | Effect of rock properties on ROP modeling using statistical and intelligent methods: a case study of an oil well in southwest of Iran | |
CN110965991B (zh) | 基于人工智能的随钻岩石矿物组分识别方法及装置 | |
US20190010789A1 (en) | Method to determine a location for placing a well within a target reservoir | |
WO2014099832A1 (en) | Methods and systems for analyzing the quality of a wellbore | |
US20110087471A1 (en) | Methods and Systems For Determining Near-Wellbore Characteristics and Reservoir Properties | |
CN114856540A (zh) | 一种基于在线学习的水平井机械钻速随钻预测方法 | |
Deng et al. | Bit optimization method for rotary impact drilling based on specific energy model | |
CN115238861A (zh) | 一种基于井壁垮塌程度约束的安全钻井液密度确定方法 | |
CN113486539B (zh) | 一种深水钻井全过程中地层压力不确定性分析方法 | |
Kalinec et al. | Estimation of 3D distribution of pore pressure from surface drilling data-application to optimal drilling and frac hit prevention in the eagle ford | |
CN104727815A (zh) | 一种实时钻井地层修正预测方法及装置 | |
McConnell | Double porosity well testing in the fractured carbonate rocks of the Ozarks | |
Tanha et al. | Investigation of trend between porosity and drilling parameters in one of the Iranian undeveloped major gas fields | |
Eren et al. | Real-time drilling rate of penetration performance monitoring | |
AlHusseini et al. | Estimation pore and fracture pressure based on log data; Case study: Mishrif formation/Buzurgan oilfield at Iraq |
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 |