CN116378648A - 一种基于随钻声波前视的近钻头地层探测方法及装置 - Google Patents
一种基于随钻声波前视的近钻头地层探测方法及装置 Download PDFInfo
- Publication number
- CN116378648A CN116378648A CN202310441437.8A CN202310441437A CN116378648A CN 116378648 A CN116378648 A CN 116378648A CN 202310441437 A CN202310441437 A CN 202310441437A CN 116378648 A CN116378648 A CN 116378648A
- Authority
- CN
- China
- Prior art keywords
- bit
- drilling
- rock
- drill bit
- lithology
- 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.)
- Pending
Links
- 238000005553 drilling Methods 0.000 title claims abstract description 123
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 239000011435 rock Substances 0.000 claims abstract description 128
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000004140 cleaning Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 26
- 238000001914 filtration Methods 0.000 claims description 17
- 238000003384 imaging method Methods 0.000 claims description 13
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000002860 competitive effect Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 238000005755 formation reaction Methods 0.000 description 30
- 238000005516 engineering process Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000010438 granite Substances 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013526 transfer learning 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
- 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
-
- 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
- E21B47/12—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
- E21B47/13—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 by electromagnetic energy, e.g. radio frequency
-
- 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
- E21B47/12—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
- E21B47/14—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 using acoustic waves
-
- 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
- E21B47/12—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
- E21B47/14—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 using acoustic waves
- E21B47/18—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 using acoustic waves through the well fluid, e.g. mud pressure pulse telemetry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/16—Receiving elements for seismic signals; Arrangements or adaptations of receiving elements
- G01V1/18—Receiving elements, e.g. seismometer, geophone or torque detectors, for localised single point measurements
- G01V1/181—Geophones
- G01V1/184—Multi-component geophones
-
- 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
- G01V1/30—Analysis
- G01V1/306—Analysis for determining physical properties of the subsurface, e.g. impedance, porosity or attenuation profiles
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Mining & Mineral Resources (AREA)
- Remote Sensing (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Electromagnetism (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及随钻测井技术领域，尤其为一种基于随钻声波前视的近钻头地层探测方法及装置，包括获取地表地震检波器阵列及近钻头传感器记录的钻头破岩产生的声压和三分量振动数据；对钻头破岩产生的声压和三分量振动数据进行清洗；利用随钻地震数据反演获得近钻头及钻头前方区域的地质构造；采用智能岩石声纹识别算法实时判别钻头钻遇的地层岩性；对近钻头及钻头前方区域地质构造与地层岩性的信息进行迭代更新；输出近钻头及其前方区域的地质构造背景图及已钻遇的地层岩性分布图。本发明，可避免传统随钻声波测井或随钻地震方法在测量方式上的不足，适用于进行近钻头地层构造与岩性探测，具备探测精度高、尺寸小、成本低等竞争优势。
Description
技术领域
本发明涉及随钻测井技术领域，具体为一种基于随钻声波前视的近钻头地层探测方法及装置。
背景技术
随钻声波测井仪器经过近30年的快速发展，可以在钻井过程中及时评价井周地层的岩性、孔隙度、孔隙流体类型等岩石物理特性，在水平井、大斜度井的钻井过程中发挥着越来越重要的作用。通过采用边钻井、边测量的技术方案，不仅可以减少测井占用的井场工作时间，而且能够在钻进的同时判断钻井风险。此外，随钻声波测井时地层受到泥浆对井壁的影响比常规电缆声波测井要小，因而能够测得更加真实的井下地层信息。通过在钻井过程中测量所需的测井信息，可以实现地质导向、随钻油藏描绘等功能，将在很大程度上提高目标储层的钻遇率与单井产量。
尽管，随钻声波测井相比常规电缆声波测井能更及时地获得井下地层信息，但是随钻声波仪器的接收传感器至少位于钻头后方10 m以上的位置。正因此，随钻声波仪器仅仅能够探测到紧随钻头的后方井旁地层的特性，而不能实时测量钻头附近或者钻头前方地层信息。
钻井过程实质上是钻头对岩石/地层以冲击、碾压、研磨、切削等方式进行的复杂碎岩过程。在此过程中，岩石物理力学性质（胶结、颗粒、孔隙、强度、硬度、各向异性等）、岩体物理力学性质（岩体完整性、油、气、水等）等特性都会影响钻柱振动与钻头破岩产生的声音特性。因此，钻柱振动或者钻头破岩声音信号中必然蕴含着丰富的地层特征信息，其数据丰富、连续性好，但是，受到井-地无线传输速率的限制，难以用于实际生产应用中。
由于地下地层结构未知且复杂，在不了解地层构造与岩性等信息的情况下进行钻进，可能会使钻探轨迹完全偏离目标层，影响勘探效益，严重情况下还会发生井下事故，甚至造成人员伤亡。因此，如何在持续钻探的同时，实时掌握地下地层的各项地质参数，了解钻头与目标层的相对位置关系等就显得尤为重要。与常规垂直地震剖面（VSP）技术和地面地震技术相比，随钻地震技术具有其独特的优势：与钻井过程同步、开发成本低、无仪器下井风险、对环境无苛刻要求及破坏等。不过，经典的钻头随钻地震技术（也称R-VSP技术），常常将地面钻柱上采集的先导信号作为震源的振动信号，而该信号却因为长距离的钻柱传播发生了畸变且易受到地面干扰噪声影响，使得这类随钻地震剖面的成像效果不太理想，限制了其在实际生产中的应用。
发明内容
本发明的目的在于提供一种基于随钻声波前视的近钻头地层探测方法及装置，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于随钻声波前视的近钻头地层探测方法，包括如下步骤：
S1、获取地表地震检波器阵列及近钻头传感器记录的钻头破岩产生的声压和三分量振动数据；
S2、对钻头破岩产生的声压和三分量振动数据进行清洗；
S3、对随钻地震数据反演获得近钻头及钻头前方区域的地质构造；
S4、采用智能岩石声纹识别算法实时判别钻头钻遇的地层岩性；
S5、对近钻头及钻头前方区域地质构造与地层岩性的信息进行迭代更新；
S6、输出近钻头及其前方区域的地质构造背景图及已钻遇的地层岩性分布图。
进一步的，每间隔一段时间（比如10 min），采用泥浆脉冲遥传、泥浆连续波遥传、电磁波遥传或者声波遥传等的井-地之间数据无线遥传方式，往地面处理中心上传一组岩石声纹特征参数，每间隔另一段时间（比如1 h），往地面上传一组近钻头传感器记录的钻头破岩产生的三分量振动信号，地表检地震波器阵列采集的三分量振动信号同步传输到数据处理与解释中心。
进一步的，步骤S2中，先对钻头破岩声音包括声压与三分量振动数据，剔除其中的异常数据，然后对钻头破岩产生的声压信号和三分量振动信号进行重采样、滤波以及标记预处理。
进一步的，步骤S3中，对钻头传感器信号和地表检波信号预处理，对预处理后的信号做反褶积处理，然后对两种信号进行互相关，得到随钻测量的逆VSP地震剖面，最后对得到随钻测量的逆VSP 地震剖面进行偏移与叠加处理，获得最终的成像剖面，其中钻头传感器信号预处理包括对钻头信号提取，地表检波信号预处理包括地表噪声压制。
进一步的，步骤S4中，基于智能岩石声纹识别算法包括：对典型的岩样声音数据预处理，获得高信噪比的岩石声音数据，提取岩石声音的岩石声纹特征，并存入建立的岩石声纹数据库，根据岩性预测算法进行近钻头岩性判别，并根据概率统计方法获得近钻头岩性的最终识别结果。
进一步的，提取岩石声音的岩石声纹特征包括：输入岩样声音数据，对数据预加重、分帧和加窗，快速傅里叶变换，计算能量谱，通过梅尔滤波、数学变换与分析等方法获得岩石声纹特征，输出岩石声纹特征。
进一步的，步骤S5中，在得到已钻遇的地层及当前所钻遇的地层岩性的预测结果之后，根据随钻地震成像结果和钻头的实时位置，将所得岩性填充到目标层位中，通过不断迭代更新目标区域的地质模型，直至钻遇目标储层或者钻井作业结束。
为实现上述目的，本发明还提供如下技术方案：
一种基于随钻声波前视的近钻头地层探测装置，包括：
获取单元，用于获取地表地震检波器阵列及近钻头传感器记录的钻头破岩产生的声压和三分量振动数据；
清洗单元，用于对钻头破岩产生的声压和三分量振动数据进行清洗；
反演单元，用于对随钻地震数据反演获得近钻头及钻头前方区域的地质构造；
识别单元，用于采用智能岩石声纹识别算法实时判别钻头钻遇的地层岩性；
更新单元，用于对近钻头及钻头前方区域地质构造与地层岩性的信息进行迭代更新；
输出单元，输出近钻头及其前方区域的地质构造背景图及已钻遇的地层岩性分布图。
为实现上述目的，本发明还提供如下技术方案：
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述中任一项所述方法的步骤。
为实现上述目的，本发明还提供如下技术方案：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述中任一项所述的方法的步骤。
与现有技术相比，本发明的有益效果是：
本发明，通过融合声纹识别方法、无线遥传技术、大数据以及人工智能算法，将能实现对近钻头地质构造与地层岩性的实时监测，其中AI算法计算速度可满足实时服务要求，提高近钻头岩性识别准确率，将达95 %以上，随钻前探测范围扩大，将达50 m至500 m。
本发明方法可避免传统随钻声波测井或随钻地震方法在测量方式上的不足，具备探测精度高、尺寸小、成本低等竞争优势，既可为复杂储层钻井精准着陆、提高钻遇率、优化钻井流程提供新的理论方法与技术支撑，也可为相关应用领域的地层探测提供全新的测量手段，具有一定的科学研究意义和生产应用价值。
附图说明
图1为本发明用于实现根据本发明实施例的基于随钻声波前视的近钻头地层探测方法及装置的示例电子设备的示意性框图。
图2为本发明一个实施例的基于随钻声波前视的近钻头地层探测方法的示意性流程图。
图3为本发明一个实施例的基于随钻声波前视的近钻头地层探测方法总体技术流程图。
图4为本发明一个实施例的随钻地震技术流程图。
图5为本发明一个实施例的智能岩石声纹识别技术流程图。
图6为本发明一个实施例的几种典型岩石声纹特征参数的提取算法流程图。
图7为本发明一个实施例的随钻声波前视的近钻头地层探测装置的示意性框图。
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。
在本发明的描述中，需要说明的是，术语“上端”、下端”、“内”、“外”、“前端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“设置有”、 “套设有”、“套接”、“连接”等，应做广义理解，例如“连接”，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
请参阅图1至图7，本发明提供一种技术方案：
参考图1来描述用于实现根据本发明实施例的基于随钻声波前视的近钻头地层探测方法及装置的示例电子设备100。
如图1所示，如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104。可选地，电子设备100还可以包括输入装置106、输出装置108和数据获取装置110，这些组件通过总线系统112和/或其它形式的连接机构（未示出）互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。
所述处理器102可以是中央处理单元（CPU）、图形处理器（GPU）或者具有数据处理能力和/或指令执行能力的其它形式的处理单元，并且可以控制所述电子设备100中的其它组件以执行期望的功能。
所述存储装置104可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器（RAM）和/或高速缓冲存储器（cache）等。所述非易失性存储器例如可以包括只读存储器（ROM）、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器102可以运行所述程序指令，以实现下文所述的本发明实施例中（由处理器实现）的近钻头地层探测功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据，例如所述应用程序使用和/或产生的各种数据等。
所述输入装置106可以是用户用来输入指令的装置，并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。
所述输出装置108可以向外部（例如用户)输出各种信息（例如图像和/或声音），并且可以包括显示器、扬声器等中的一个或多个。
所述数据获取装置110可以采集图像等各种形式的数据，并且将所采集的数据存储在所述存储装置104中以供其它组件使用。数据获取装置110可以是摄像头等。应当理解，数据获取装置110仅是示例，电子设备100可以不包括数据获取装置110。在这种情况下，可以利用其他数据获取装置获取数据，并将所获取的数据发送给电子设备100。
示例性地，用于实现根据本发明实施例的基于随钻声波前视的近钻头地层探测方法及装置的示例电子设备可以在诸如个人计算机或远程服务器等的设备上实现。
下面，将参考图2描述根据本发明实施例的随钻声波前视的近钻头地层探测方法。图2示出根据本发明一个实施例的基于随钻声波前视的近钻头地层探测方法的示意性流程图。如图2所示，该方法包括以下步骤。
S1、获取地表地震检波器阵列及近钻头传感器记录的钻头破岩声音和三分量振动数据；
S2、对钻头破岩产生的声压和三分量振动数据进行清洗；
S3、对随钻地震数据反演获得近钻头及钻头前方区域的地质构造；
S4、采用智能岩石声纹识别算法实时判别钻头钻遇的地层岩性；
S5、对近钻头及钻头前方区域地质构造与地层岩性的信息进行迭代更新；
S6、输出近钻头及其前方区域的地质构造背景图及已钻遇的地层岩性分布图。
下面做具体介绍：
本发明的一种基于随钻声波前视技术的近钻头地层探测方法，以实现更准、更快、更远的随钻测量，为建立智能油田与实现智能钻井提供实时的测井信息。
本发明在井下从钻柱振动/钻头破岩的声音中提取可表征岩石特性的岩石声纹特征，这种岩石声纹特征的数据量小、对地层岩性特征或者界面敏感，通过无线遥传方法传输到地面处理中心，采用智能声纹识别算法进行岩性识别/预测分析，可提供实时的近钻头地层信息。
本发明独辟蹊径，提供一套新颖的井-地联合的近钻头智能超前地层探测方法：一方面，借鉴声纹识别技术中比较成熟的智能预测模型和算法，通过在近钻头位置实时采集钻头与岩石作用发出的声音（单分量的声压信号与三分量振动信号）来“听诊”钻头钻遇的地层特性，不仅可以实现实时监测岩石的线性特性，还有望测量与分析岩石的屈服、压裂等非线性特性。这种近钻头岩性识别方法，以钻头与岩石的作用发出的声音作为声源，不用在近钻头仪器中安装人工声源，只需要设计特殊的近钻头宽频声压传感器采集钻头破岩声音信号，大大简化了传统随钻测量技术流程。另一方面，通过在近钻头仪器中安装微机电系统（MEMS）制作的地震传感器实时监控钻头与岩石作用产生的地震波（三个分量的震动信号），将其处理后作为钻头随钻地震处理中的先导信号。这种钻头声源信号比传统的在地面钻柱上记录的先导信号的保真度更高，将其与地表地震检波器阵列接收的地震信号做互相关，可以获得信噪比与分辨率更高的随钻地震剖面。
其整体的技术流程图见附图3，具体实施方案如下：
1、读取各种声学测量数据
为了开展智能近钻头岩石声纹识别和钻头随钻地震，需要在井下记录钻头破岩的声音（包括声压和三分量振动信号），并同步在地面采用地震检波器阵列记录钻头激发的三分量振动信号。在具体实施过程中，为了实时更新近钻头的地质结构和地层岩性特征，一方面，每间隔较短的时间（比如10 min），采用泥浆脉冲遥传、泥浆连续波遥传、电磁波遥传或者声波遥传等井-地之间数据无线遥传技术，往地面处理中心上传一组岩石声纹特征参数，这组声纹特征参数由井下近钻头宽频声压传感器或MEMS地震宽频传感器处理钻头破岩声音信号得到；另一方面，每间隔较长的时间（比如1 h），采用井-地之间数据无线遥传技术往地面上传一组近钻头MEMS地震宽频传感器记录的钻头破岩信号。此外，地表地震检波器采集的三分量振动信号也将同步传输到数据处理与解释中心。
因此，在本步中，需要读入地表地震检波器阵列及近钻头传感器同步记录的钻头破岩声压信号/三分量振动数据。
2、钻井产生的声压与振动数据清洗
在这步处理中，需要仔细检查地面及井下仪器传来的钻头破岩声音，包括声压与三分量振动数据三分量振动数据，剔除其中的异常数据。接着，要对钻头破岩声音信号（近钻头声压和三分量振动）和地表地震检波器采集的三分量振动信号进行重采样、滤波、标记等预处理，为后续进行随钻地震数据处理和AI岩性识别分析做准备。
3、随钻地震技术反演近钻头及钻头前方区域的地质构造
本发明采用的随钻地震技术的技术流程图见附图4，从中可以看出主要步骤为：钻头信号/地表检波信号预处理、反褶积、互相关、偏移与叠加处理等。
在图4中，近钻头传感器有两种，分别为宽频声压传感器和MEMS地震传感器。宽频声压传感器记录的是声压信号，MEMS地震传感器记录的是三分量振动信号，因此，近钻头传感器信号是指钻头破岩产生的声压和振动数据。
地表检波器信号是指地表地震检波器采集的三分量振动数据，它是井下钻头破岩激发的地震波传输到地面并由地表地震检波器采集得到。
3.1、钻头信号/地表检波信号预处理。通过在近钻头仪器中采集钻头破岩声音信号，既没有井场地面强噪声的干扰也没有钻柱的传输影响，资料的信噪比相对较高。不过，随钻地震中的钻头震源信号与炸药震源、可控震源激发的震源信号不同，它是连续随机的，是非线性的、非脉冲信号，因此需要截取合适长度的钻头信号，来做反褶积和互相关；考虑井底也存在仪器与井壁碰撞等干扰噪声，且地表地震检波器信号因为长距离传播而丧失了不少高频成分，因此，也需要对钻头信号做滤波处理，使其与地表地震检波器信号的频带范围不至于相差太大。地表地震检波器通常按照制定好的几何观测系统分布在井口附近一定区域内，其中记录的信号中既包含井架、电线、柴油机、泥浆泵和抽油管等发出的固定噪声，也含有钻井人员、车辆、起重机等造成的随机噪声。同样的，需要根据各种噪声的特性采用滤波方法进行噪声压制，以提高地表地震检波器信号的信噪比。此外，预处理时原始信号进行截取，并确保其中包含直达波、地层反射波等有效信号。
3.2、反褶积。随钻地震的核心处理技术同地面地震勘探一样，钻头震源信号是随钻地震勘探必不可少的记录信号。因此，毫不失真地准确记录钻头信号至关重要。由于近钻头MEMS地震传感器记录的并不是真实的钻头信号而是一个经过褶积以后的声音信号，经过反褶积之后就可以消除多次反射和由于井下钻具的震动产生的周期性成分，得到近似的钻头信号。不过，当采用近钻头仪器采集钻头震源信号时，也可以不做反褶积。对于地表地震检波器信号，反褶积则不能跳过，一方面可以达到滤波的效果，另一方面还能提高信号的频率，这有助于地表接收信号与钻头信号之间的相关处理。在这步处理中可采用最小平方反褶积方法，也可使用最小脉冲反褶积等其他方法。
3.3、互相关。经过噪声压制处理之后的钻头震源信号与地表检波器信号进行互相关，就可以得到反映地下构造的、类似于尖脉冲震源产生的地震记录。将随钻地震中钻头震源信号与地表检波器信号的互相关，主要有以下作用：a）可以把连续的钻头信号压缩成等效脉冲信号，通过互相关得到反映地下构造的类似于尖脉冲震源产生的地震记录；b）压制无关噪声，保留两个信号共有的频率成分以及衰减独立存在的不相干的噪声；c）得到估计时延，钻头震源信号和地面记录的延迟时间即两信号互相关记录中相干同相轴的延迟时间。特别地，针对钻头信号没有时延的情况，即采用近钻头仪器记录钻头振动信号时（时延可以忽略不计），地震子波就是参考信号的自相关。随钻地震信号处理是随钻地震数据处理中最基础、最关键的步骤，只有经过随钻地震信号处理将野外随钻地震数据转换成相当于逆VSP 地震剖面，才能进行后续的地震数据处理。当然，这一步也可以采用其他成像条件/方法，比如基于矢量的激发成像条件。
3.4、偏移与叠加处理。当得到随钻测量的逆VSP 地震剖面后，则需采用与地面地震类似的数据处理方法流程，获得最终的成像剖面。具体的处理方法包括初至拾取、时深关系分析、波场分离、速度分析、偏移成像、叠加等。
4、采用智能岩石声纹识别算法实时判别钻头钻遇的地层岩性
本发明采用的智能岩性判别算法的技术流程图见附图5，从中可以看出，这样一套算法的实施基础是需要建立相当数量的目标工区各种典型岩石的声纹数据库。其中，不管是训练集、验证集，还是测试集中的岩石原始岩石声音数据，都需要经预处理、声纹特征提取等步骤之后，才能用于岩石声纹识别中。
4.1、声音数据预处理。主要涉及数据清洗、滤波、重采样等处理步骤。数据清洗包括检查声音数据一致性，处理无效值和缺失值等。滤波可采用高通滤波、低通滤波、带通滤波等比较通用的去噪方法，相应的各种滤波参数，比如滤波频带，需要根据室内实验测试和现场实验测试环境进行优选，主要目的是压制与岩石本身发声无关的干扰噪声（比如钻头本身震动声音、泥浆泵噪声、电路噪声以及其他实验/施工环境噪声），以获得相对高信噪比的岩石声音数据。一般情况下，声压数据的带通滤波频率范围大致在100 Hz~20 kHz之间，采样率应在50 kHz以上；而近钻头振动数据的带通滤波频率范围大致在10 Hz~1 kHz左右，采样率应在2 kHz以上。
4.2、声纹特征提取。这是本套岩石声纹识别算法的数据基础。岩石的声纹特征参数的种类有很多，可用的声纹特征包括声音波形、快速傅里叶变换（FFT）振幅谱、能量谱、复倒谱、梅尔频率倒谱系数（MFCC）、线性预测系数（LPC）、线性预测倒谱系数（LPCC）等。由于不同岩石具有辨识性的声纹特征可能有区别，因此，实际操作时需要充分利用各种典型地层岩石的声音数据，提取得到FFT振幅谱、MFCC系数、LPC 系数、LPCC系数等常用的岩石声纹特征参数，将他们存入声纹数据库中供AI算法训练与测试时使用。FFT振幅谱、能量谱、MFCC系数、LPC 系数、LPCC系数等几种典型岩石声纹特征参数的提取方法见附图6。在图6中，岩石声音数据即指的是图5中的典型岩样声音。通常情况下，FFT振幅谱与能量谱的特征序列长度在128至512个数据点范围内，而MFCC系数、LPC 系数与LPCC系数通常为13、26或者39个数据点。当然，岩石声纹特征序列的长度也可选用其他数值。
4.3、建立岩石声纹数据库。在条件允许的情况下，最好提前存入同一工区及临近井钻遇的典型岩石声纹特征数据；在无条件的情况下，应存入足够多的临近区域钻遇的各种典型岩石声纹特征数据（比如砂岩、泥岩、页岩、石灰岩、白云岩、花岗岩、碳酸盐岩、火成岩、煤岩等），并在钻进过程中不断补齐该工区各种岩石的声纹特征，为后续进行岩性识别提供基础。岩石声纹数据库中，至少应包含原始信号的岩石声纹特征数据以及滤波等处理后的岩石声纹特征数据，并对岩性、钻井工程参数、环境参数、声音类别（钻井声音、敲击声音、断裂声音等）、岩石充填流体情况（含有水、油、气等流体）等关联参数或特性做好相应的标记。此外，当对某个工区的地层情况有比较深入的认识时，也可以通过在实验室内进行各种典型岩石样品的模拟钻进实验，提取出相应的岩石声纹特征数据来扩充岩石声纹数据库。通常情况下，只有当岩石声纹数据库所储存的声纹特征足够完备时，AI岩石声纹识别算法训练和预测的精度才有保证。
4.4、AI岩性识别算法。在进行AI算法训练前，可通过随机方法将声纹数据库中的声纹数据按照一定比例划分为训练集数据和验证集数据，两者之间的比例可为4：1、3：1或者其他合理的比例。在进行声纹识别算法训练时，可通过调整AI算法初始化参数、改变输入的岩石声纹特征数据种类（比如，FFT振幅谱和MFCC系数等）、改变岩石声纹特征向量长度等方法，进行大量的AI模型训练和对比测试，以使得智能声纹识别算法的各个参数达到最优化，为后续进行AI岩性识别做准备。需要指出的是，应用本发明方法进行岩石声纹特征识别时，既可以采用BP神经网络、支持向量机、随机森林等经典机器学习算法，也可以应用卷积神经网络、深度学习、迁移学习、联邦学习等新型AI算法。在实际应用时，可以选用其中一种或者多种声纹特征作为算法输入数据，也可以采用一种或者多种AI岩性识别算法进行近钻头岩性判别，并根据概率统计分析方法获得近钻头岩性的最终识别结果。
5、迭代更新近钻头及钻头前方区域地质构造与地层岩性信息
在得到已钻遇的地层及当前所钻遇的地层岩性的预测结果之后，可根据随钻地震最新的成像结果和钻头的实时位置，将所得岩性填充到目标层位中；同时，近钻头岩石识别出来的地层岩性信息又可用于提高随钻地震的反演或成像结果。钻头随钻地震反演或者成像可以获取地层的构造信息，而近钻头岩性识别算法可以智能化判断钻遇的地层岩性等物理特性，通过不断迭代可以更新目标区域的地质模型 ，直至钻遇目标储层或者钻井作业结束。在本步实施过程中，一般需要先假设一个比较简单的地质模型（比如层状介质模型），然后，根据实时获取的近钻头监测数据与钻头随钻地震成像信息，不断迭代更新该地质模型，使其不断趋近地下真实的地质模型。
6、输出地质构造与岩层分布结果图
在钻井作业过程中，根据需要每间隔一段时间保存当前所得的最新版的近钻头及其前方区域内的地质构造与岩层分布图，以达到指导钻井轨迹调整、规避风险区等生产目的。
由于随钻地震可以提供比较可靠的地下构造信息，而近钻头岩石声纹识别算法能够提供高精度的近钻头岩性预测结果，通过将近钻头岩石声纹识别的岩性预测结果与近钻头震动数据联合处理和建模，不断地迭代更新近钻头及附近区域的地质构造与岩层信息，将大大提高现有随钻地震技术的探测能力，达到进行随钻前视与智能地质导向的目的。
本发明提供的近钻头智能声学探测方法，通过融合声纹识别方法、无线遥传技术、大数据以及人工智能算法，将能实现对近钻头地质构造与地层岩性的实时监测，其中AI算法计算速度可满足实时服务要求，近钻头岩性识别准确率将达95 %以上，随钻前探测范围将达50 m至500 m左右。
本发明方法可避免传统随钻声波测井及随钻地震方法在测量方式上的不足，具备探测精度高、尺寸小、成本低等竞争优势，既可为复杂储层钻井精准着陆、提高钻遇率、优化钻井流程提供新的理论方法与技术支撑，也可为相关应用领域的地层探测提供全新的测量手段，具有一定的科学研究意义和生产应用价值。
如图7所示，随钻声波前视的近钻头地层探测装置，包括获取单元200、清洗单元210、反演单元220、识别单元230、更新单元240和输出单元250。所述各个模块/单元可分别执行上文中所述的随钻声波前视的近钻头地层探测方法的各个步骤/功能。以下仅对该装置的各部件的主要功能进行描述，而省略以上已经描述过的细节内容。
获取单元200，用于获取地表检波器阵列及近钻头传感器记录的钻头破岩产生的声压和三分量振动数据；
清洗单元210，用于对钻头破岩产生的声压和三分量振动数据进行清洗；
反演单元220，用于对随钻地震数据反演获得近钻头及钻头前方区域的地质构造；
识别单元230，用于采用智能岩石声纹识别算法实时判别钻头钻遇的地层岩性；
更新单元240，用于对近钻头及钻头前方区域地质构造与地层岩性的信息进行迭代更新；
输出单元250，用于输出近钻头及其前方区域的地质构造背景图及已钻遇的地层岩性分布图。
各单元可以由图1所示的电子设备中的处理器102运行存储装置104中存储的程序指令来实现。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块/单元实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实施例的随钻声波前视的近钻头地层探测装置中的一些模块/单元的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于随钻声波前视的近钻头地层探测方法，其特征在于，包括如下步骤：
S1、获取地表检地震波器阵列及近钻头传感器记录的钻头破岩产生的声压和三分量振动数据；
S2、对钻头破岩产生的声压和三分量振动数据进行清洗；
S3、利用随钻地震数据反演获得近钻头及钻头前方区域的地质构造；
S4、采用智能岩石声纹识别算法实时判别钻头钻遇的地层岩性；
S5、对近钻头及钻头前方区域地质构造与地层岩性的信息进行迭代更新；
S6、输出近钻头及其前方区域的地质构造背景图及已钻遇的地层岩性分布图。
2.如权利要求1所述的近钻头地层探测方法，其特征在于，步骤S1中，每间隔一段时间，采用泥浆脉冲遥传、泥浆连续波遥传、电磁波遥传或者声波遥传等井-地之间数据无线遥传方式，往地面处理中心上传一组岩石声纹特征参数，每间隔另一段时间，往地面上传一组近钻头传感器记录的钻头破岩声压信号，地表地震检波器阵列采集的三分量振动信号同步传输到数据处理与解释中心。
3.如权利要求1所述的近钻头地层探测方法，其特征在于，步骤S2中，先对钻头破岩声音包括声压与三分量振动数据，剔除其中的异常数据，然后对钻头破岩产生的声压信号和三分量振动信号进行重采样、滤波以及标记等预处理。
4.如权利要求1所述的近钻头地层探测方法，其特征在于，步骤S3中，对钻头传感器信号和地表检波信号预处理，对预处理后的信号做反褶积处理，然后对两种信号进行互相关，得到随钻测量的逆VSP地震剖面，最后对得到随钻测量的逆VSP 地震剖面进行偏移与叠加处理，获得最终的成像剖面，其中钻头传感器信号预处理包括钻头信号提取，地表检波信号预处理包括地表噪声压制等。
5.如权利要求1所述的近钻头地层探测方法，其特征在于，步骤S4中，基于智能岩石声纹识别算法包括：对典型的岩样声音数据预处理，获得高信噪比的岩石声音数据，提取岩石声音的岩石声纹特征，并存入建立的岩石声纹数据库，根据岩性预测算法进行近钻头岩性判别，并根据概率统计方法获得近钻头岩性的最终识别结果。
6.如权利要求5所述的近钻头地层探测方法，其特征在于，提取岩石声音的岩石声纹特征包括：输入岩样声音数据，对数据预加重、分帧和加窗，快速傅里叶变换，计算能量谱，通过梅尔滤波、数学变换与分析等方法获得岩石声纹特征，输出岩石声纹特征。
7.如权利要求1所述的近钻头地层探测方法，其特征在于，步骤S5中，在得到已钻遇的地层及当前所钻遇的地层岩性的预测结果之后，根据随钻地震成像结果和钻头的实时位置信息，将所得岩性填充到目标层位中，不断迭代更新目标区域的地质模型，直至钻遇目标储层或者钻井作业结束。
8.一种基于随钻声波前视的近钻头地层探测装置，其特征在于，包括：
获取单元，用于获取地表检地震波器阵列及近钻头传感器记录的钻头破岩产生的声压和三分量振动数据；
清洗单元，用于对钻头破岩产生的声压和三分量振动数据进行清洗；
反演单元，用于对随钻地震数据反演获得近钻头及钻头前方区域的地质构造；
识别单元，用于采用智能岩石声纹识别算法实时判别钻头钻遇的地层岩性；
更新单元，用于对近钻头及钻头前方区域地质构造与地层岩性的信息进行迭代更新；
输出单元，用于输出近钻头及其前方区域的地质构造背景图及已钻遇的地层岩性分布图。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310441437.8A CN116378648A (zh) | 2023-04-23 | 2023-04-23 | 一种基于随钻声波前视的近钻头地层探测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310441437.8A CN116378648A (zh) | 2023-04-23 | 2023-04-23 | 一种基于随钻声波前视的近钻头地层探测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116378648A true CN116378648A (zh) | 2023-07-04 |
Family
ID=86967509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310441437.8A Pending CN116378648A (zh) | 2023-04-23 | 2023-04-23 | 一种基于随钻声波前视的近钻头地层探测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116378648A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116591667A (zh) * | 2023-07-19 | 2023-08-15 | 中国海洋大学 | 高信噪比高分辨阵列声波速度提取方法、装置和设备 |
| CN117189089A (zh) * | 2023-09-06 | 2023-12-08 | 中国科学院地质与地球物理研究所 | 一种随钻前视测量设备的标定方法、装置及系统 |
| CN117189089B (zh) * | 2023-09-06 | 2024-06-07 | 中国科学院地质与地球物理研究所 | 一种随钻前视测量设备的标定方法、装置及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090109794A1 (en) * | 2007-10-25 | 2009-04-30 | Schlumberger Technology Corporation | In-situ determination of yield stress state of earth formations |
| US20130075159A1 (en) * | 2011-09-26 | 2013-03-28 | Saudi Arabian Oil Company | Method of evaluating rock properties while drilling using downhole acoustic sensors and telemetry system |
| CN103774989A (zh) * | 2013-12-10 | 2014-05-07 | 刘俊 | 随钻动态建模待钻井轨迹设计水平井地质导向分析方法 |
| US20150167393A1 (en) * | 2009-12-30 | 2015-06-18 | Wajid Rasheed | Look Ahead Advance Formation Evaluation Tool |
| WO2016054319A1 (en) * | 2014-10-02 | 2016-04-07 | Saudi Arabian Oil Company | Evaluation of rock boundaries and acoustic velocities using drill bit sound during vertical drilling |
| US20170218757A1 (en) * | 2015-03-11 | 2017-08-03 | Shandong University | Rock breaking seismic source and active source three-dimensional seismic combined advanced detection system using tunnel boring machine |
| CN111364981A (zh) * | 2018-12-26 | 2020-07-03 | 中国石油化工股份有限公司 | 用于测量近钻头随钻岩性的方法及监测随钻岩性的系统 |
| CN112346128A (zh) * | 2020-10-12 | 2021-02-09 | 天捺科技(珠海)有限公司 | 探测岩性、地质界面和裂缝的方法及装置 |
| CN113759418A (zh) * | 2021-08-25 | 2021-12-07 | 中国石油化工股份有限公司胜利油田分公司 | 一种随钻地震立体观测系统、方法、计算机及程序产品 |
-
2023
- 2023-04-23 CN CN202310441437.8A patent/CN116378648A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090109794A1 (en) * | 2007-10-25 | 2009-04-30 | Schlumberger Technology Corporation | In-situ determination of yield stress state of earth formations |
| US20150167393A1 (en) * | 2009-12-30 | 2015-06-18 | Wajid Rasheed | Look Ahead Advance Formation Evaluation Tool |
| US20130075159A1 (en) * | 2011-09-26 | 2013-03-28 | Saudi Arabian Oil Company | Method of evaluating rock properties while drilling using downhole acoustic sensors and telemetry system |
| CN103774989A (zh) * | 2013-12-10 | 2014-05-07 | 刘俊 | 随钻动态建模待钻井轨迹设计水平井地质导向分析方法 |
| WO2016054319A1 (en) * | 2014-10-02 | 2016-04-07 | Saudi Arabian Oil Company | Evaluation of rock boundaries and acoustic velocities using drill bit sound during vertical drilling |
| US20170218757A1 (en) * | 2015-03-11 | 2017-08-03 | Shandong University | Rock breaking seismic source and active source three-dimensional seismic combined advanced detection system using tunnel boring machine |
| CN111364981A (zh) * | 2018-12-26 | 2020-07-03 | 中国石油化工股份有限公司 | 用于测量近钻头随钻岩性的方法及监测随钻岩性的系统 |
| CN112346128A (zh) * | 2020-10-12 | 2021-02-09 | 天捺科技(珠海)有限公司 | 探测岩性、地质界面和裂缝的方法及装置 |
| CN113759418A (zh) * | 2021-08-25 | 2021-12-07 | 中国石油化工股份有限公司胜利油田分公司 | 一种随钻地震立体观测系统、方法、计算机及程序产品 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116591667A (zh) * | 2023-07-19 | 2023-08-15 | 中国海洋大学 | 高信噪比高分辨阵列声波速度提取方法、装置和设备 |
| CN116591667B (zh) * | 2023-07-19 | 2023-09-26 | 中国海洋大学 | 高信噪比高分辨阵列声波速度提取方法、装置和设备 |
| CN117189089A (zh) * | 2023-09-06 | 2023-12-08 | 中国科学院地质与地球物理研究所 | 一种随钻前视测量设备的标定方法、装置及系统 |
| CN117189089B (zh) * | 2023-09-06 | 2024-06-07 | 中国科学院地质与地球物理研究所 | 一种随钻前视测量设备的标定方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2017230727B2 (en) | Hydraulic fracture monitoring by low-frequency DAS | |
| US9075158B2 (en) | Using a drill bit as a seismic source for SET velocity analysis | |
| RU2570221C2 (ru) | Определение положения геологического слоя относительно проявления сейсмического импульса в сейсмических данных | |
| US11112513B2 (en) | Method and device for estimating sonic slowness in a subterranean formation | |
| WO2016185223A1 (en) | Interferometric microseismic imaging methods and apparatus | |
| CN109563736A (zh) | 诸如有机页岩储层中的夹层碳酸盐层的各向异性地层中的水平应力和非线性常数的估计 | |
| WO2013185225A1 (en) | Microseismic monitoring with fiber-optic noise mapping | |
| AU2014407527B2 (en) | Integrating vertical seismic profile data for microseismic anisotropy velocity analysis | |
| US20160010448A1 (en) | Ultrasonic casing and cement evaluation method using a ray tracing model | |
| US10712466B2 (en) | Casing thickness measurement using acoustic wave correlation | |
| WO2014204440A1 (en) | Methods and systems for seismic data analysis using a tilted transversely isotropic (tti) model | |
| EP3500727A1 (en) | Borehole imaging using amplitudes of refracted acoustic waves | |
| CN116378648A (zh) | 一种基于随钻声波前视的近钻头地层探测方法及装置 | |
| US20150109887A1 (en) | Sonic adaptor for converting sonic or ultrasonic waveform data for use with a seismic-based computer program | |
| CN114017014B (zh) | 声波测井波动声学方法 | |
| CN115166831A (zh) | 一种指导压裂及侧钻作业的声波测井方法 | |
| US11474272B2 (en) | Methods and systems for identifying and plugging subterranean conduits | |
| Eyinla et al. | Optimization of hydraulic fracture monitoring approach: A perspective on integrated fiber optics and sonic tools | |
| CN116087339A (zh) | 一种基于智能声纹识别的近钻头岩性识别方法和装置 | |
| CN114325838A (zh) | 基于阵列声波波幅衰减的地层裂缝测井评价方法 | |
| CN115951408A (zh) | 地下地层的声波探测的慢度提取方法、装置、介质及设备 | |
| CN117706625A (zh) | 一种基于das的煤层压裂微震监测方法 | |
| CN117250658A (zh) | 建立研究区的地震数据集的方法 | |
| CN110805433A (zh) | 随钻声波远探测系统及方法 |
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 |