CN113624847B - 一种页岩水化损伤系数的预测模型建立方法及预测方法 - Google Patents

一种页岩水化损伤系数的预测模型建立方法及预测方法 Download PDF

Info

Publication number
CN113624847B
CN113624847B CN202110924175.1A CN202110924175A CN113624847B CN 113624847 B CN113624847 B CN 113624847B CN 202110924175 A CN202110924175 A CN 202110924175A CN 113624847 B CN113624847 B CN 113624847B
Authority
CN
China
Prior art keywords
shale
parameters
hydration
rock sample
rock
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
Application number
CN202110924175.1A
Other languages
English (en)
Other versions
CN113624847A (zh
Inventor
丁乙
刘向君
梁利喜
熊健
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.)
Southwest Petroleum University
Original Assignee
Southwest Petroleum University
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 Southwest Petroleum University filed Critical Southwest Petroleum University
Priority to CN202110924175.1A priority Critical patent/CN113624847B/zh
Publication of CN113624847A publication Critical patent/CN113624847A/zh
Application granted granted Critical
Publication of CN113624847B publication Critical patent/CN113624847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4472—Mathematical theories or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4481—Neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/01—Indexing codes associated with the measuring variable
    • G01N2291/014—Resonance or resonant frequency
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/024—Mixtures
    • G01N2291/02441—Liquids in porous solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/024—Mixtures
    • G01N2291/0245—Gases in porous solids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/028—Material parameters
    • G01N2291/0289—Internal structure, e.g. defects, grain size, texture

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Signal Processing (AREA)
  • Pathology (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
  • Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)

Abstract

本发明涉及一种页岩水化损伤系数的预测模型建立方法及预测方法，包括：对页岩岩样开展超声波透射实验，获取原状页岩的频谱特征；获取页岩岩石参数、流体参数及外部环境参数；基于不同页岩岩石参数、流体参数及外部环境参数，开展浸泡实验；对浸泡后的页岩岩心，开展超声波透射实验，获取水化后的页岩频谱特征；根据原状页岩频谱特征、水化后页岩频谱特征，基于水化损伤系数计算模型，获得水化损伤系数实验值；基于页岩岩石参数、流体参数、外部环境参数、水化损伤系数实验值，采用神经网络算法，建立基于页岩水化参数的页岩水化损伤系数预测模型。将待预测岩样的页岩水化参数，输入页岩水化损伤系数预测模型，获得页岩水化损伤系数。

Description

一种页岩水化损伤系数的预测模型建立方法及预测方法
技术领域
本发明涉及页岩气勘探开发领域，尤其涉及一种页岩水化损伤系数的预测模型建立方法及预测方法。
背景技术
我国页岩气资源丰富，为应对我国对于天然气的强劲需求，加大页岩气勘探开发是我国石油工业的重要任务。其中，页岩地层井壁失稳问题是阻碍页岩气高效开发的重大技术难题之一。页岩地层井壁失稳的主要原因是页岩水化损伤特征。由于页岩的强水化特征，钻井液与井壁岩石接触，形成强水化损伤，造成井壁稳定性降低，从而导致井壁垮塌失稳。
因此，为建立合理的控制井壁稳定技术，需要对页岩地层水化损伤进行精准评价，从而形成对应的技术措施。现有水化损伤评价方法的考虑因素较为单一，主要针对水化时间、流体类型进行分析。但是，实际水化过程中，水化损伤程度与外部条件、流体类型、岩石自身特征都具有相关性。外部温度、压差、流体特征、岩石密度、孔隙度、渗透率等参数都会对水化损伤造成影响。目前，尚未存在一套综合方法对水化损伤进行定理评价。
发明内容
本申请为了解决上述技术问题提供一种页岩水化损伤系数的预测模型建立方法及预测方法。
本申请通过下述技术方案实现：
一种页岩水化损伤系数的预测模型建立方法，包括以下步骤：
制备页岩标准圆柱岩心样品。
对页岩岩样开展超声波透射实验，获取原状页岩的频谱特征。
基于室内实验手段，获取页岩水化参数，主要分为页岩岩石参数(页岩活度、页岩密度、孔隙度、渗透率)、流体参数(流体活度)及外部环境参数(浸泡时间、浸泡温度、浸泡压差)。
基于不同页岩岩石参数、流体参数及外部环境参数，开展浸泡实验。
对浸泡后的页岩岩心，开展超声波透射实验，获取水化后的页岩频谱特征。
根据原状页岩频谱特征、水化后页岩频谱特征，基于水化损伤系数计算模型，获得水化损伤系数实验值；
基于页岩岩石参数、流体参数、外部环境参数、水化损伤系数，采用神经网络算法，建立基于页岩水化参数(岩石参数、流体参数、外部环境参数)的页岩水化损伤系数预测模型。
将待预测岩样的页岩水化参数，输入建立的页岩水化损伤系数预测模型，即可获得页岩水化损伤系数，实现页岩水化损伤效应评价。
与现有技术相比，本申请具有以下有益效果：
1，本申请考虑了现有页岩地层水化效应评价方法的缺陷，利用水化前后的声波频谱特征，借助神经网络算法，构建了页岩水化损伤系数的预测模型；使用该预测模型预测时，所有输入参数均为原状页岩参数，即是说，使用本申请的预测方法获取页岩水化损伤系数，不会对页岩岩样造成损坏，从而增加了页岩岩样利用率；
2，本申请的预测方法，输入参数包括了岩石特征、流体特征、外部环境特征，能够较为全面系统地实现水化损伤评价；
3，本申请通过水化前后的声波频谱特征，借助BP神经网络算法，以不同页岩岩石参数、流体参数及外部环境参数为输入参数，建立了页岩水化损伤系数的预测模型，实现了页岩水化损伤的定量评价，对形成控制页岩地层井壁稳定技术具有重要意义。
附图说明
此处所说明的附图用来提供对本申请实施方式的进一步理解，构成本申请的一部分，并不构成对本发明实施方式的限定。
图1为本发明流程框图；
图2是页岩频谱示意图；
图3中a是基于页岩频谱的水化损伤系数示意图，b是12块岩样的水化损伤系数实验值分布图；
图4是BP神经网络计算与学习的示意图；
图5是页岩水化损伤系数预测结果与实测结果对比图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述。显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本发明实施方式的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施方式及实施方式中的特征可以相互组合。需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
实施例1
本实施例以12块页岩岩样与6种流体类型为基础，获取输入层参数，进而开展水化损伤系数的预测。具体包括以下步骤：
步骤一、制备页岩标准圆柱岩心。采用页岩野外露头，通过钻机钻取标准圆柱样岩心12块。
步骤二、对原状页岩岩样开展超声波透射实验，获取原状页岩的频谱特征。
其中，超声波透射实验可以直接得到页岩波形图，借助傅里叶转换，可以得到页岩频谱图。基于傅里叶变化的页岩频谱图如图2所示。
步骤三、基于室内实验，获取页岩水化参数。页岩水化参数主要分为页岩岩石参数、流体参数和外部环境参数。
页岩岩石参数具体包括页岩活度、页岩密度、孔隙度、渗透率；
流体参数包括流体活度；
外部环境参数具体包括浸泡时间、浸泡温度、浸泡压差。
(a)针对页岩岩石参数：
其中，页岩密度采用体积法测量，通过天平测量页岩岩样质量。采用游标卡尺分别测量页岩岩样直径与长度，进而计算岩样体积。基于岩样质量与体积，计算得到页岩岩样密度。
孔隙度采用气测法获取：首先通过游标卡尺测量得到岩样体积Vf，然后将页岩放入样品室开始气测，当样品室两端压力平衡时，基于平衡压力查阅图版，获得岩样骨架体积Vs。
根据岩样体积Vf和骨架体积Vs，采用以下公式计算岩样孔隙度
Figure BDA0003208547880000032
Figure BDA0003208547880000031
渗透率采用气测法获取：基于达西定理，气测渗透率公式为：
Figure BDA0003208547880000041
上式中，K为渗透率；Po为大气压力，固定为0.1MPa；Q为大气压下的气体流量，cm3/s；μ为气体粘度，本实施例采用氮气，粘度为0.0178mPa.s；L为岩样长度，A横截面积，L与A通过游标卡尺测试计算；P1为气测时岩样室里的进气端压力；P2为气测时岩样室里的出气端压力。
页岩活度测试方法基于饱和湿度法原理，根据湿度与活度的线性相关性获取。
湿度与活度的线性相关性如下所示：
aw＝aRh+b
上式中，aw为活度，Rh为湿度；a、b为线性拟合系数，分别为0.0099和-0.0038。基于湿度与活度相关性，利用湿度仪首先测试页岩湿度，进而得到页岩活度。
(b)针对流体参数：
流体活度测试方法与页岩岩样活度测试方法一致，基于流体湿度与流体活度的线性相关性，首先测试流体湿度，进而得到流体活度。
(c)针对外部环境参数：
选取不同浸泡时间、浸泡温度及浸泡压差，作为外部环境参数。其中，浸泡温度通过烘箱加热，浸泡压差通过向浸泡容器内部充入氮气，形成压差。
综上，页岩水化参数表1所示。
表1：页岩水化参数表
Figure BDA0003208547880000042
Figure BDA0003208547880000051
步骤四、基于不同页岩岩石参数、流体参数及外部环境参数，开展浸泡实验。
步骤五、对浸泡后的页岩岩心，开展超声波透射实验，获取水化后的页岩频谱特征，根据步骤二获得的原状页岩频谱与水化后页岩频谱，基于水化损伤系数计算模型，获取水化损伤系数实验值。
考虑水化损伤导致页岩内部孔隙、裂缝增多，页岩内部结构变化必然导致声波频谱变化。采用声波频谱特征中，水化前(原状)页岩与水化后页岩主频与最大振幅为依据，建立了水化损伤系数计算模型，如下所示：
Figure BDA0003208547880000052
式中，S为水化损伤系数，Ma为原状页岩主频，Mc为水化页岩主频，Fa为原状页岩的最大振幅，Fb为水化页岩的最大振幅。
水化损伤系数的构建示意与分布如图3所示。
步骤六、基于页岩岩石参数、流体参数、外部环境参数、水化损伤系数实验值，采用神经网络算法，建立基于页岩水化参数(岩石参数、流体参数、外部环境参数)的页岩水化损伤效应评价方法。
其中，BP神经网络算法主要分为输入层、隐含层、输出层。基于实验测试数据，通过对不同页岩岩石参数、流体参数及外部环境参数进行归一化处理，归一化后参数为输入层参数(8层输入参数)。水化损伤系数实验值作为输出层参数，即水化损伤系数实验值为理想输出参数。隐含层是用于神经网络学习，基于输入层参数与输出层的理想输出参数，开展神经网络学习。隐含层的层数为：
Figure BDA0003208547880000053
上式中，ny为隐含层层数；nin为输入层层数；mout为输出层层数；η为经验常数。实例分析中，输入层为8层，输出层1层，经验常数取6，选定隐含层为9层。
确定BP神经网络的输入层、输出层和隐含层后，如图4所示，采用200次最大学习次数，精度为0.001，开展BP神经网络计算，建立基于页岩水化参数的页岩水化损伤预测模型。
结果验证：基于本实施例的水化损伤预测方法，选用7块岩样进行验证分析。具体如下：
获取7块岩样的页岩水化参数，页岩水化参数包括页岩活度、页岩密度、孔隙度、渗透率、流体活度、浸泡时间、浸泡温度、浸泡压差；
将7块岩样的页岩水化参数输入本发明方法建立的页岩水化损伤预测模型，获得水化损伤系数的预测值；
同时，按照前述方法，开展超声波透射实验，获取7块岩样的原状页岩频谱与水化后页岩频谱，根据水化损伤系数计算模型，获得7块岩样的水化损伤系数实验值。
对比水化损伤系数的预测值与水化损伤系数实验值，如图5所示。由图5可知：预测结果与实验测试结果的整体吻合度较好，证明了本发明的水化损伤系数预测方法的准确性。
以上所述的具体实施方式，对本申请的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种页岩水化损伤系数的预测模型建立方法，其特征在于：包括以下步骤：
制备页岩岩样；
对原状页岩岩样开展超声波透射实验，获取原状页岩的频谱特征；
基于室内实验手段，获取页岩水化参数，页岩水化参数包括页岩岩石参数、流体参数及外部环境参数；
基于不同页岩的岩石参数、流体参数及外部环境参数，开展浸泡实验；
对浸泡后的页岩岩心，开展超声波透射实验，获取水化后的页岩频谱特征；
根据原状页岩频谱特征、水化后页岩频谱特征，基于水化损伤系数计算模型，获得水化损伤系数实验值；
基于页岩岩石参数、流体参数、外部环境参数、水化损伤系数实验值，采用神经网络算法，建立基于页岩水化参数的页岩水化损伤系数预测模型；
所述页岩岩石参数包括页岩活度、页岩密度、孔隙度、渗透率；
所述流体参数包括流体活度；
所述外部环境参数包括浸泡时间、浸泡温度、浸泡压差；
所述水化损伤系数计算模型为：
Figure FDA0003668150110000011
上式中，S为水化损伤系数，Ma为原状页岩主频，Mc为水化页岩主频，Fa为原状页岩的最大振幅，Fb为水化页岩的最大振幅。
2.根据权利要求1所述的预测模型建立方法，其特征在于：所述页岩密度采用体积法测量：通过天平测量页岩岩样质量，采用游标卡尺分别测量页岩岩样直径与长度，进而计算岩样体积；基于岩样质量与体积，计算得到页岩岩样密度；
所述孔隙度采用气测法获取：首先通过游标卡尺测量得到岩样体积Vf，然后将页岩放入样品室开始气测，当样品室两端压力平衡时，基于平衡压力查阅图版，获得岩样骨架体积Vs；
根据岩样体积和骨架体积，采用以下公式计算岩样孔隙度：
Figure FDA0003668150110000021
式中，
Figure FDA0003668150110000022
为岩样孔隙度，Vf为岩样体积，Vs为骨架体积。
3.根据权利要求1或2所述的预测模型建立方法，其特征在于：
所述渗透率采用气测法获取：基于达西定理，气测渗透率公式为：
Figure FDA0003668150110000023
式中，K为渗透率；Po为大气压力，固定为0.1MPa；Q为大气压下的气体流量，cm3/s；μ为气体粘度；L为岩样长度，A横截面积，L与A通过游标卡尺测试计算；P1为气测时岩样室里的进气端压力；P2为气测时岩样室里的出气端压力；
所述页岩活度采用以下公式计算得到：
aw＝aRh+b
式中，aw为页岩活度，Rh为湿度；a、b为线性拟合系数，a为0.0099，b为-0.0038。
4.根据权利要求1所述的预测模型建立方法，其特征在于：所述流体活度测试方法为：首先测试流体湿度，然后基于流体湿度与流体活度的线性关系得到流体活度。
5.根据权利要求1所述的预测模型建立方法，其特征在于：选取不同浸泡时间、浸泡温度及浸泡压差作为外部环境参数。
6.根据权利要求1所述的预测模型建立方法，其特征在于：所述神经网络算法为BP神经网络算法，包括输入层、隐含层、输出层；
基于实验测试数据，通过对不同页岩岩石参数、流体参数及外部环境参数进行归一化处理，归一化后参数为输入层参数；
水化损伤系数实验值为输出层参数；
隐含层是用于神经网络学习，隐含层的层数为：
Figure FDA0003668150110000024
上式中，ny为隐含层层数；nin为输入层层数；mout为输出层层数；η为经验常数；
确定BP神经网络的输入层、输出层和隐含层后，基于输入层参数与输出层的理想输出参数，开展神经网络学习，建立基于页岩水化参数的页岩水化损伤预测模型。
7.根据权利要求6所述的预测模型建立方法，其特征在于：输入层为8层，输出层为1层，隐含层为9层。
8.页岩水化损伤系数的预测方法，其特征在于：包括以下步骤：
S1，基于室内实验手段，获取页岩水化参数，页岩水化参数包括页岩岩石参数、流体参数及外部环境参数；
S2，将S1获取的页岩水化参数输入如权利要求1-7中任一项所述预测模型建立方法建立的页岩水化损伤系数预测模型，获得页岩水化损伤系数预测值。
CN202110924175.1A 2021-08-12 2021-08-12 一种页岩水化损伤系数的预测模型建立方法及预测方法 Active CN113624847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110924175.1A CN113624847B (zh) 2021-08-12 2021-08-12 一种页岩水化损伤系数的预测模型建立方法及预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110924175.1A CN113624847B (zh) 2021-08-12 2021-08-12 一种页岩水化损伤系数的预测模型建立方法及预测方法

Publications (2)

Publication Number Publication Date
CN113624847A CN113624847A (zh) 2021-11-09
CN113624847B true CN113624847B (zh) 2022-07-08

Family

ID=78384861

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110924175.1A Active CN113624847B (zh) 2021-08-12 2021-08-12 一种页岩水化损伤系数的预测模型建立方法及预测方法

Country Status (1)

Country Link
CN (1) CN113624847B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115324571B (zh) * 2022-08-02 2023-10-10 西南石油大学 基于钻录井信息的复杂地层井壁垮塌定量预测方法与装置
CN117910538B (zh) * 2024-03-19 2024-06-18 成都三一能源环保技术有限公司 基于机器学习的井下钻井仪器运行状态监测系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104990851A (zh) * 2015-06-23 2015-10-21 西南石油大学 一种新的页岩敏感性实验研究方法
CN108104804A (zh) * 2017-12-11 2018-06-01 西安石油大学 一种硬脆性泥页岩破裂压力预测方法
CN108593771A (zh) * 2018-04-27 2018-09-28 西南石油大学 损伤强度计算方法和损伤强度计算装置
CN110208487A (zh) * 2019-05-24 2019-09-06 西南石油大学 一种基于ct扫描的页岩水化损伤测试方法
CN112255159A (zh) * 2020-10-10 2021-01-22 西南石油大学 一种非均质页岩储层水化作用能力的综合评价方法
CN113125563A (zh) * 2021-03-16 2021-07-16 中国石油天然气集团有限公司 一种基于声波波速测试的泥页岩水化损伤定量评价方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013134427A2 (en) * 2012-03-06 2013-09-12 Ion Geophysical Corporation Model predicting fracturing of shale
US10400550B2 (en) * 2014-10-24 2019-09-03 Halliburton Energy Services, Inc. Shale fracturing characterization and optimization using three-dimensional fracture modeling and neural network
WO2020056750A1 (zh) * 2018-09-21 2020-03-26 北京科技大学 一种页岩气藏介质结构耦合及缝网形态判识方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104990851A (zh) * 2015-06-23 2015-10-21 西南石油大学 一种新的页岩敏感性实验研究方法
CN108104804A (zh) * 2017-12-11 2018-06-01 西安石油大学 一种硬脆性泥页岩破裂压力预测方法
CN108593771A (zh) * 2018-04-27 2018-09-28 西南石油大学 损伤强度计算方法和损伤强度计算装置
CN110208487A (zh) * 2019-05-24 2019-09-06 西南石油大学 一种基于ct扫描的页岩水化损伤测试方法
CN112255159A (zh) * 2020-10-10 2021-01-22 西南石油大学 一种非均质页岩储层水化作用能力的综合评价方法
CN113125563A (zh) * 2021-03-16 2021-07-16 中国石油天然气集团有限公司 一种基于声波波速测试的泥页岩水化损伤定量评价方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Evaluation andmechanical influence of clay shale hydration using acoustic time-frequency domain characteristics;Lixi Liang 等;<Journal of Geophysics and Engineering>;20190331;第16卷;493-508 *
Hydration index and hydrated constitutive model of clay shale using acoustic frequency spectrum;Liu, XJ 等;<ENERGY SCIENCE & ENGINEERING>;20191031;第7卷(第5期);1748-1766 *

Also Published As

Publication number Publication date
CN113624847A (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
CN106351651B (zh) 页岩气井产能的预测方法及装置
CN108518212B (zh) 一种计算页岩气藏复杂裂缝网络非稳态产量的方法
CN113624847B (zh) 一种页岩水化损伤系数的预测模型建立方法及预测方法
US10996364B2 (en) System and method for determining water-filled porosity and water salinity in well cores and logs
CN111425193B (zh) 一种基于聚类分析测井岩石物理相划分的储层可压性评价方法
CN106251232B (zh) 确定页岩含气量的方法和装置
CN108694264B (zh) 一种确定页岩气储层渗透率的方法
CN103335928A (zh) 一种测量孔隙岩石渗透率的方法和装置
CN108106938A (zh) 一种实验确定酸液对致密碳酸盐岩杨氏模量影响的方法
CN108982287B (zh) 一种确定页岩气储层游离吸附比的方法和装置
CN106932323B (zh) 一种页岩气藏气体有效孔隙度反演方法
CN110927035A (zh) 一种低渗致密砂岩束缚水饱和度计算方法
CN110348590A (zh) 一种页岩吸附气含量计算方法
CN111257196B (zh) 一种基于地层因素的岩石热物理参数的预测方法
RU2385413C1 (ru) Способ определения текущей газонасыщенности в призабойной зоне скважины в залежи летучей нефти
CN116738794A (zh) 孔裂隙介质的岩石物理数值模拟方法、装置、设备及介质
CN115078210B (zh) 页岩孔隙结构测试方法
CN108268712B (zh) 核磁共振确定孔隙介质毛管压力的方法和装置
Wang et al. A modified pulse‐decay approach to simultaneously measure permeability and porosity of tight rocks
CN114441401B (zh) 覆压孔隙度的确定方法、装置、计算机设备及存储介质
CN115271367A (zh) 高原隧道围岩分级方法、装置、设备以及存储介质
CN116050656A (zh) 基于主成分分析与神经网络的页岩脆性指数预测方法
CN111999331B (zh) 基于核磁测试的毛管压力确定方法及装置
CN110909311A (zh) 一种计算薄煤层含气量的方法
CN112012727A (zh) 获得气相有效渗透率的方法及储层产能的预测方法

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