CN115078479A - 一种油基泥浆介电常数测量方法 - Google Patents

一种油基泥浆介电常数测量方法 Download PDF

Info

Publication number
CN115078479A
CN115078479A CN202210721269.3A CN202210721269A CN115078479A CN 115078479 A CN115078479 A CN 115078479A CN 202210721269 A CN202210721269 A CN 202210721269A CN 115078479 A CN115078479 A CN 115078479A
Authority
CN
China
Prior art keywords
oil
based mud
phase
content
dielectric constant
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
CN202210721269.3A
Other languages
English (en)
Other versions
CN115078479B (zh
Inventor
梁海波
曾琪
张禾
杨海
张毅
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 CN202210721269.3A priority Critical patent/CN115078479B/zh
Publication of CN115078479A publication Critical patent/CN115078479A/zh
Application granted granted Critical
Publication of CN115078479B publication Critical patent/CN115078479B/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
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G01N27/22—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance
    • G01N27/221—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance by investigating capacitance by investigating the dielectric properties
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
    • G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
    • G01R27/26—Measuring inductance or capacitance; Measuring quality factor, e.g. by using the resonance method; Measuring loss factor; Measuring dielectric constants ; Measuring impedance or related variables
    • G01R27/2617—Measuring dielectric properties, e.g. constants
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Electrochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Analytical Chemistry (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明公开了一种油基泥浆介电常数测量方法，所述方法用于油井管道内油基泥浆介电常数的测量，所述油井管道的内部设置有ERT传感器与两个压力传感器，两个所述压力传感器处于油井管道的同一侧，所述ERT传感器处于油井管道上与压力传感器相对的一侧，并且ERT传感器安装点所对应的水平位置在两个压力传感器的安装点之间。本发明，具有便于测量油基泥浆各相含量的特点。

Description

一种油基泥浆介电常数测量方法
技术领域
本发明涉及介电常数测量技术领域，具体为一种油基泥浆介电常数测量方法。
背景技术
介电常数是用来描述待测物质在电磁场作用下发生极化时，衡量极化性质的参数，与物质内部组成成分以及组成成分所占的体积率有关，是电介质物质性能的良好指标。
介电常数测量技术的发展主要用于固体介质，油基泥浆这类混合物质的介电常数不易测量。现有的文献中也提出了两相或三相混合物的相含率测量方法，利用到的方法有射线法、声学法、电导法、微波法、光学法等测量方法。将各相含量与介电常数建立起关系，能清楚油基泥浆组成成分的各相含量的改变对介电常数会造成什么影响。ERT技术由于具有快速、安全、低成本且对检测对象无影响等优点，使其从医字领域，逐渐发展到工业领域。
混合物质的介电模型是用来描述这种多相混合物质介电常数与其组成成分介电常数及其所占体积率等参数之间的函数关系。在地质情况复杂的开采环境中，油基泥浆的应用逐渐广泛。油基泥浆在配置时，往往会有一定比例的水，含水率会影响油基泥浆压力、密度等性能，进而影响钻井的效率与安全。通过油基泥浆的含水率来测量介电常数更准确，如果能够建立油基泥浆的介电常数模型，就能清楚油基泥浆的组成成分含量改变对介电常数的影响，配合其它测量方法，就能够根据现场实际测量的介电常数来计算出各个组成成分的体积比，从而完成对油基泥浆成分配比等质量指标参数的检测。因此，针对油基泥浆这种混合物质，建立可靠、精确的不同相含量对应的介电常数模型是对油基泥浆介电特性研究分析十分重要和关键的一步。
现有的测量油基泥浆介电常数的技术是通过测量电容值，不能与油基泥浆中各相含量产生联系且不知道各相含量的改变对油基泥浆介电常数的影响。
因此，设计一种便于测量油基泥浆各相含量的油基泥浆介电常数测量方法是很有必要的。
发明内容
本发明的目的在于提供一种油基泥浆介电常数测量方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种油基泥浆介电常数测量方法，所述方法用于油井管道内油基泥浆介电常数的测量，所述油井管道的内部设置有ERT传感器与两个压力传感器，两个所述压力传感器处于油井管道的同一侧，所述ERT传感器处于油井管道上与压力传感器相对的一侧，并且ERT传感器安装点所对应的水平位置在两个压力传感器的安装点之间；
所述测量方法包括以下步骤：
S11：获取管道内的压力传感器反馈的压力波动信号，对此两处压力波动信号进行处理分析获得压力波动信号的幅度和能量值；
S12：根据两个压力波动信号的幅度和能量值建立基于Memetic算法的LSSVM模型，获得Memetic算法适应度函数；
S13：将压力传感器获得的待测油基泥浆压力数据经过预处理后提取幅度和能量值，输入训练好的LSSVM模型获得钻井液含固率θs；
S14：根据ERT传感器测量得到油基泥浆导电相含率θm和非导电相含率θn；
S15：根据所述钻井液含固率θs、油基泥浆导电相含率θm和非导电相含率θn计算油基泥浆水相、油相、固相、气相这四相含率，即含水率θl、含油率θo、含固率θs、含气率θg；
S16：根据所述油基泥浆水相、油相、固相、气相这四相含率获取油基泥浆介电常数；
所述油基泥浆介电常数通过以下式子计算：
Figure BDA0003711372490000031
ε'＝θlεl+θoεo+θsεs+θgεg
式中，εl、εo、εs、εg分别为水、油、固、气的相对介电常数，ε'为混合介质的平均介电常数。
根据上述技术方案，所述S15中，计算油基泥浆各相含率通过下式计算：
ΔP＝ρlgH-(ρlgHθl+ρsgHθs+ρogHθo+ρggHθg) ①
θl+θo+θo+θg＝1 ②
式中，ρl、ρo、ρs、ρg分别为水、油、固、气的密度，θl、θo、θs、θg分别为油基泥浆中含水率、含油率、含固率、含气率，ΔP为两个压力传感器测得的压力的差值的绝对值，g为重力加速度，H为两个压力传感器之间的距离；
由于气体密度与固体密度、水密度、油密度相差太大，忽略不计，将上述①、②两式合并可得：
Figure BDA0003711372490000032
根据钻井液中导电相为水，非导电相为油、固体、气体，可得以下式子：
θm＝θl
θn＝θs+θo+θg ④
可得油基泥浆中各相含率为：
θl＝θm
Figure BDA0003711372490000041
θg＝θn-θs-θo ⑤。
根据上述技术方案，两个所述压力传感器之间的距离H的取值范围在5cm-10cm之间。
根据上述技术方案，所述LSSVM模型需输入的样本数据就是压力传感器测量得到的数据经过matlab预处理后提取出来的压力波动信号的幅度和能量值。
与现有技术相比，本发明所达到的有益效果是：本发明采用ERT传感器与压力传感器组合测量油基泥浆各相含量，利用油基泥浆组成成分的各相含量获取油基泥浆的介电常数，可以清楚知道各相含量的改变对油基泥浆介电常数的影响；采用LSSVM模型来训练得到油基泥浆含固率；采用和油基泥浆各相含量有关的计算公式计算得到介电常数，大大减少了计算量和处理时间，提高了介电常数的测量精度和效率，实时性强，稳定性高。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明测量方法的流程示意图；
图2是本发明ERT传感器和压力传感器在管道中的位置结构示意图；
图中：1、ERT传感器；2、压力传感器。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-2，本发明提供技术方案：一种油基泥浆介电常数测量方法，包括以下步骤：
步骤S11：获取压力波动信号，对压力波动信号进行处理分析获得信号的幅度和能量值；
步骤S11：根据信号的幅度和能量值建立基于Memetic算法的LSSVM模型，获得Memetic算法适应度函数；
步骤S13：将测试样本(待测油基泥浆压力波动信号的幅度和能量)输入训练好的LSSVM模型获得钻井液含固率θs；
步骤S14：根据ERT(电阻层析成像)传感器1测量得到油基泥浆导电相含率θm和非导电相含率θn；
步骤S15：根据钻井液含固率θs、油基泥浆导电相含率θm和非导电相含率θn计算油基泥浆水相、油相、固相、气相这四相的含率；
步骤S16：根据油基泥浆水相、油相、固相、气相这四相含率获取油基泥浆介电常数。
步骤5包括：
通过下式计算油基泥浆各相含量：
ΔP＝ρlgH-(ρlgHθl+ρsgHθs+ρogHθo+ρggHθg)
θl+θo+θo+θg＝1
式中，ρl、ρo、ρs、ρg分别为水、油、固、气的密度，θl、θo、θs、θg分别为油基泥浆中含水率、含油率、含固率、含气率，ΔP为两个压力传感器(2)测得的压力的差值的绝对值，g为重力加速度，H为两个压力传感器之间的距离；
由于气体密度与固体密度、水密度、油密度相差太大，忽略不计，将上述两式合并可得：
Figure BDA0003711372490000061
根据钻井液中导电相为水，非导电相为油、固体、气体，可得以下式子
θm＝θl
θn＝θs+θo+θg
可得油基泥浆中各相含率为：
θl＝θm
Figure BDA0003711372490000062
θg＝θn-θs-θo
步骤6包括：
通过以下式子计算油基泥浆介电常数：
Figure BDA0003711372490000063
ε′＝θlεl+θoεo+θsεs+θgεg。
实施例：
如图2所示，管道内为流动的油基泥浆，使安装的ERT传感器1和两个压力传感器2位于图中所示位置，其中，ERT(电阻层析成像)传感器安装点所对应的水平位置需要在两个压力传感器2的安装点之间，两个压力传感器2之间的距离H的取值范围在5cm-10cm之间。将采集到的压力波动信号进行处理和波形图分析，得到信号的幅度和能量的大小。
建立LSSVM模型，结合Memetic算法，将得到的压力波动信号幅度和能量的大小组成的训练样本用于训练基于Memetic算法的LSSVM模型；设网络模体的基因个数为m,搜索种群规模为M，解空间维度大小D＝m2,杂交率为fc，变异率为fv，随机产生M个初始个体，产生初始种群Gx；分别对Gx中各个组元按照概率进行交叉处理，产生新的个体，计算其适应度，并对种群进行变异处理，产生新的个体，计算其适应度；对种群进行局部搜索，更新种群；设定最大迭代次数为1000，若不满足终止条件，从种群交叉、变异开始重复上述步骤，直到满足终止条件；以此获得全局最优值。
将测试样本(待测油基泥浆压力波动信号的幅度和能量)输入训练好的LSSVM模型获得钻井液含固率θs。
获取油基泥浆介电常数，可根据混合物质的介电模型得到介电常数公式，进而获得油基泥浆介电常数：
ΔP＝ρlgH-(ρlgHθl+ρsgHθs+ρogHθo+ρggHθg)
Figure BDA0003711372490000071
ε′＝θlεl+θoεo+θsεs+θgεg
测量管道内油基泥浆电容值间接测量得到介电常数作为参考介电常数。
使用上述获得油基泥浆各相含量，通过Lichtenecker-Rother方程计算得到管道内油基泥浆介电常数。
使用上述获得油基泥浆各相含量，通过
Figure BDA0003711372490000073
方程计算得到管道内油基泥浆介电常数。
使用上述获得油基泥浆各相含量，通过Rayleigh方程计算得到管道内油基泥浆介电常数。
利用实验室原料配制温度为70℃的油基泥浆，再利用上述介电常数测量方法测得的管道内油基泥浆介电常数如下表1所示：
表1
Figure BDA0003711372490000072
Figure BDA0003711372490000081
将本发明和Lichtenecker-Rother方程、
Figure BDA0003711372490000083
方程、Rayleigh方程方法进行精度比较可得到下表2数据：
表2
Figure BDA0003711372490000082
从表2可以得到以下结论：本发明与其他三种介电常数测量方法相比，介电常数测量精度明显提高，提高了油基泥浆介电常数测量精度，实时性强，稳定性高。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。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 (4)

1.一种油基泥浆介电常数测量方法，其特征在于：所述方法用于油井管道内油基泥浆介电常数的测量，所述油井管道的内部设置有ERT传感器(1)与两个压力传感器(2)，两个所述压力传感器(2)处于油井管道的同一侧，所述ERT传感器(1)处于油井管道上与压力传感器(2)相对的一侧，并且ERT传感器(1)安装点所对应的水平位置在两个压力传感器(2)的安装点之间；
所述测量方法包括以下步骤：
S11：获取管道内的压力传感器(2)反馈的压力波动信号，对此两处压力波动信号进行处理分析获得压力波动信号的幅度和能量值；
S12：根据两个压力波动信号的幅度和能量值建立基于Memetic算法的LSSVM模型，获得Memetic算法适应度函数；
S13：将压力传感器(2)获得的待测油基泥浆压力数据经过预处理后提取幅度和能量值，输入训练好的LSSVM模型获得钻井液含固率θs；
S14：根据ERT传感器测量得到油基泥浆导电相含率θm和非导电相含率θn；
S15：根据所述钻井液含固率θs、油基泥浆导电相含率θm和非导电相含率θn计算油基泥浆水相、油相、固相、气相这四相含率，即含水率θl、含油率θo、含固率θs、含气率θg；
S16：根据所述油基泥浆水相、油相、固相、气相这四相含率获取油基泥浆介电常数；
所述油基泥浆介电常数通过以下式子计算：
Figure FDA0003711372480000021
ε′＝θlεl+θoεo+θsεs+θgεg
式中，εl、εo、εs、εg分别为水、油、固、气的相对介电常数，ε'为混合介质的平均介电常数。
2.根据权利要求1所述的测量方法，其特征在于：所述S15中，计算油基泥浆各相含率通过下式计算：
ΔP＝ρlgH-(ρlgHθl+ρsgHθs+ρogHθo+ρggHθg) ①
θl+θo+θo+θg＝1 ②
式中，ρl、ρo、ρs、ρg分别为水、油、固、气的密度，θl、θo、θs、θg分别为油基泥浆中含水率、含油率、含固率、含气率，ΔP为两个压力传感器(2)测得的压力的差值的绝对值，g为重力加速度，H为两个压力传感器之间的距离；
由于气体密度与固体密度、水密度、油密度相差太大，忽略不计，将上述①、②两式合并可得：
Figure FDA0003711372480000022
根据钻井液中导电相为水，非导电相为油、固体、气体，可得以下式子：
θm＝θl
θn＝θs+θo+θg ④
可得油基泥浆中各相含率为：
θl＝θm
Figure FDA0003711372480000031
θg＝θn-θs-θo ⑤。
3.根据权利要求2所述的测量方法，其特征在于：两个所述压力传感器(2)之间的距离H的取值范围在5cm-10cm之间。
4.根据权利要求1所述的测量方法，其特征在于：所述LSSVM模型需输入的样本数据就是压力传感器(2)测量得到的数据经过matlab预处理后提取出来的压力波动信号的幅度和能量值。
CN202210721269.3A 2022-06-24 2022-06-24 一种油基泥浆介电常数测量方法 Active CN115078479B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210721269.3A CN115078479B (zh) 2022-06-24 2022-06-24 一种油基泥浆介电常数测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210721269.3A CN115078479B (zh) 2022-06-24 2022-06-24 一种油基泥浆介电常数测量方法

Publications (2)

Publication Number Publication Date
CN115078479A true CN115078479A (zh) 2022-09-20
CN115078479B CN115078479B (zh) 2023-12-12

Family

ID=83255152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210721269.3A Active CN115078479B (zh) 2022-06-24 2022-06-24 一种油基泥浆介电常数测量方法

Country Status (1)

Country Link
CN (1) CN115078479B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2191122A2 (zh) * 1972-07-03 1974-02-01 Chevron Res
CN102128028A (zh) * 2010-01-12 2011-07-20 同济大学 用于评估水泥与地层界面胶结质量的超声信号反演方法
US20150012216A1 (en) * 2013-07-05 2015-01-08 Yue Liu Apparatus and Method for Oil-Based Mud Formation Imaging Using Resonators
CN109359692A (zh) * 2018-10-23 2019-02-19 中国石油大学(北京) 一种原油含水率在线测量模型及其构建方法、应用
CN110837687A (zh) * 2019-09-20 2020-02-25 大港油田集团有限责任公司 基于数据融合的油井含水率在线测量装置及提高精度方法
DE102019119281A1 (de) * 2019-07-16 2021-01-21 Endress+Hauser SE+Co. KG Messgerät zur Bestimmung eines Dielektrizitätswert-Profils
CN112554872A (zh) * 2019-09-26 2021-03-26 中国海洋石油集团有限公司 一种基于介电常数测量油基钻井液钻井溢流的早期监测模块及其监测装置
CN113252671A (zh) * 2021-05-13 2021-08-13 西南石油大学 一种油基钻井液含水率测量方法
CN113567753A (zh) * 2021-07-22 2021-10-29 武汉理工大学 沥青混合料的介电等效转换方法、系统、设备及介质
CN113742919A (zh) * 2021-09-06 2021-12-03 中南大学 一种基于高低频土壤介电常数的土壤重金属污染度预测方法及其系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2191122A2 (zh) * 1972-07-03 1974-02-01 Chevron Res
CN102128028A (zh) * 2010-01-12 2011-07-20 同济大学 用于评估水泥与地层界面胶结质量的超声信号反演方法
US20150012216A1 (en) * 2013-07-05 2015-01-08 Yue Liu Apparatus and Method for Oil-Based Mud Formation Imaging Using Resonators
CN109359692A (zh) * 2018-10-23 2019-02-19 中国石油大学(北京) 一种原油含水率在线测量模型及其构建方法、应用
DE102019119281A1 (de) * 2019-07-16 2021-01-21 Endress+Hauser SE+Co. KG Messgerät zur Bestimmung eines Dielektrizitätswert-Profils
CN110837687A (zh) * 2019-09-20 2020-02-25 大港油田集团有限责任公司 基于数据融合的油井含水率在线测量装置及提高精度方法
CN112554872A (zh) * 2019-09-26 2021-03-26 中国海洋石油集团有限公司 一种基于介电常数测量油基钻井液钻井溢流的早期监测模块及其监测装置
CN113252671A (zh) * 2021-05-13 2021-08-13 西南石油大学 一种油基钻井液含水率测量方法
CN113567753A (zh) * 2021-07-22 2021-10-29 武汉理工大学 沥青混合料的介电等效转换方法、系统、设备及介质
CN113742919A (zh) * 2021-09-06 2021-12-03 中南大学 一种基于高低频土壤介电常数的土壤重金属污染度预测方法及其系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
党瑞荣 等: "基于射频幅值法的原油含水率测量系统研究", 石油化工应用, no. 03, pages 25 - 28 *
高建申 等: "低电阻率地层基于凹陷电极对的油基泥浆电成像测井四参数计算方法", 石油学报, vol. 2020, no. 08, pages 62 - 70 *

Also Published As

Publication number Publication date
CN115078479B (zh) 2023-12-12

Similar Documents

Publication Publication Date Title
CN101892837B (zh) 地层因数确定方法及含油饱和度确定方法
Volkmann et al. Wideband impedance spectroscopy from 1 mHz to 10 MHz by combination of four-and two-electrode methods
CN103487234A (zh) 基于多尺度排列熵的气液两相流型动力学表征及识别方法
CN104863574A (zh) 一种适用于致密砂岩储层的流体识别方法
Feng et al. A method and device for online magnetic resonance multiphase flow detection
CN112363242A (zh) 基于测录井融合的储层流体识别方法与装置
CN112083509A (zh) 时频电磁法中激发极化异常的检测方法
CN115201226A (zh) 一种油水两相流双参数测量方法
Martin et al. Spectral induced polarization: Frequency domain versus time domain laboratory data
Feng et al. Accurate determination of water saturation in tight sandstone gas reservoirs based on optimized Gaussian process regression
CN111625750A (zh) 一种针对致密砂岩储层气层与气水同层的识别方法
CN110017136B (zh) 一种基于视水层电阻率的水淹层识别与产水率预测方法
CN204373715U (zh) 一种多相流微压差测量装置
EP4030148A2 (en) System and method for providing measurements in a pipe
CN115078479B (zh) 一种油基泥浆介电常数测量方法
CN105401937A (zh) 一种基于孔隙结构的饱和度指数预测方法
CN113124949A (zh) 一种多相流流量检测方法及系统
CN112835124A (zh) 基于成像测井和阵列声波测井资料的裂缝有效性评价方法
Kasap et al. Robust and simple graphical solution for wireline formation tests: combined drawdown and buildup analyses
RU2386959C1 (ru) Способ определения содержания воды и суммарного содержания металлосодержащих микроэлементов в нефти или нефтепродуктах
Kong et al. Calibration of mineralization degree for dynamic pure-water measurement in horizontal oil-water two-phase flow
CN115407412A (zh) 一种井旁异常体时间域电磁波探测方法
Yin-Sung et al. Capacitive sensing technique for silt suspended sediment concentration monitoring
CN111596372B (zh) 一种基于电磁波测量系统的含水孔隙度及矿化度反演方法
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