CN1966934B - 一种随钻预测钻头底下地层坍塌压力和破裂压力的方法 - Google Patents
一种随钻预测钻头底下地层坍塌压力和破裂压力的方法 Download PDFInfo
- Publication number
- CN1966934B CN1966934B CN2005101234074A CN200510123407A CN1966934B CN 1966934 B CN1966934 B CN 1966934B CN 2005101234074 A CN2005101234074 A CN 2005101234074A CN 200510123407 A CN200510123407 A CN 200510123407A CN 1966934 B CN1966934 B CN 1966934B
- Authority
- CN
- China
- Prior art keywords
- drilling
- unit
- interval
- well
- stratum
- 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.)
- Expired - Fee Related
Links
Images
Abstract
本发明提供一种随钻预测钻头底下地层坍塌压力和破裂压力的方法。包括:提取一待钻井和一与该待钻井相邻的已钻井旁若干道地震记录,作加权处理获得该待钻井和已钻井的地震记录;对已钻井进行声波时差和密度测井,获得该已钻井的不同层段地层的测井数据;利用该测井数据和地震记录,建立利用地震记录预测地层声波速度、波阻抗的分层模型;预测该待钻井钻头底下地层的测井曲线;结合并壁稳定力学测井解释模型预测该待钻井钻头底下地层的坍塌压力和破裂压力。本发明通过找出同一井眼中不同层系地层的已钻井段测井结果与地震记录的关联,并根据地质分层随钻预测坍塌压力和破裂压力,这样,有效阻止井壁坍塌、防止井下复杂情况的发生。
Description
技术领域
本发明涉及一种随钻预测坍塌压力和破裂压力的方法,更具体地说,涉及一种利用地震记录随钻预测钻头底下地层坍塌压力和破裂压力的方法。
背景技术
在石油钻井过程中,由于井眼的形成而产生应力集中,井内钻井液密度过低或过高会使地层发生井壁坍塌(缩径)或破裂,造成井下作业复杂,且容易发生事故,给钻井作业的人力、物力带来不同程度的损失。
为此如何在钻井前事先预测坍塌压力与破裂压力是非常必要的,因若在钻井前能预测到坍塌压力或破裂压力就可以为钻井设计确定现场施工时安全钻井液密度提供科学的依据,以有效阻止井壁失稳、防止井下复杂情况的发生。
发明内容
本发明的主要目的在于提供一种随钻预测钻头底下地层坍塌压力和破裂压力的方法,通过找出同一井眼中不同层系地层的已钻井段测井结果与地震记录的关联,并根据地质分层随钻预测坍塌压力和破裂压力,这样,有效阻止井壁坍塌、防止井下复杂情况的发生、大大降低了事故发生率,避免了钻井作业的人力、物力不同程度的损失。
本发明提供一种随钻预测钻头底下地层坍塌压力和破裂压力的方法,包括下列步骤:
步骤1,分别提取一待钻井和一与该待钻井相邻的已钻井旁若干道地震记录,作加权处理获得该待钻井和已钻井的地震记录;
步骤2,对已钻井进行声波时差和密度测井,获得该已钻井的不同层段地层的测井数据:声波时差测井数据和地层密度测井数据;
步骤3,利用所述已钻并不同层段地层的测井数据和地震记录,建立利用地震记录预测地层声波速度、波阻抗的分层模型;
步骤4,利用待钻井的地震记录和所述分层模型预测该待钻井钻头底下地层的测井曲线:声波时差测井曲线和地层密度测井曲线;
步骤5,利用待钻井的所述测井曲线,结合井壁稳定力学测井解释模型预测该待钻井钻头底下地层的坍塌压力和破裂压力。
所述步骤3包括:
步骤31,提取已钻井的测井数据:声波时差测井数据和地层密度测井数据;
步骤32,查阅已钻井的地质录井数据,获取准确的地质分层数据:地层地质分层的顶部深度和底部深度;
步骤33,取已处理完毕的已钻井的每一地质分层层段的地震记录;
步骤34,利用所述每一地质分层层段的地震记录,分层段求取地震特征参数;
步骤35,结合已钻井地质录井数据和测井数据,得到已钻井分层段的声波时差测井曲线和地层密度测井曲线,提取出分层声波速度和波阻抗数据;
步骤36,以地震特征参数为输入层的神经元,以地层声波速度和波阻抗数据为输出层的神经元,分层段创建地层声波速度、波阻抗曲线的神经网络模型;
步骤37,分层段训练神经网络模型,获得分层段预测地层声波速度、波阻抗曲线的反向传播神经网络模型。
所述步骤4包括:
步骤41,根据地质录井数据,确定待钻井钻头所处的地质层段;
步骤42,选取该层段的声波时差测井曲线和密度测井曲线的神经网络模型;
步骤43,将该层段的地震特征参数代入已训练的所述神经网络模型,预测出待测井该层段的声波速度和波阻抗;
步骤44,计算出该层段的声波速度曲线和密度曲线。
所述步骤5包括:
步骤51,利用待钻井的声波速度曲线和密度曲线,预测待钻井将钻遇地层的弹性参数和强度;
步骤52,计算待钻井将钻遇地层的地应力;
步骤53,预测待钻井段的坍塌压力和破裂压力。
其中,所述地震特征参数包括:关联维数、R/S分数维、振幅谱维、最大Lyapunov指数、突变参数和综合反射地震参数。
所述步骤51包括:
1)计算动态弹性模量Ed和动态泊松比μd,计算如下:
式中:
2)计算粘聚力C,计算如下:
式中:
Vcl=0.01*(-5.18vs+2.88vp+0.9)
3)计算岩石的内摩擦角,计算如下:
4)计算地层抗拉强度St,计算如下:
5)计算静态弹性模量Es和静态泊松比μs
Es=6.125+0.6263Ed
μs=0.1218+0.2601μd
其中, 动态弹性模量Ed、静态弹性模量Es,单位:1000Mpa;
粘聚力C,单位:Mpa;
地层抗拉强度St,单位:Mpa;
vs:横波速度,单位:千米/秒;
vp:纵波速度,单位:千米/秒;
V:利用测井声波时差值计算的声波速度,单位:千米/秒;
ρ:地层密度,单位:克/立方厘米;
Vcl:泥质含量。
所述步骤52包括:
1)垂向地应力σv计算如下:
σv=0.01*(2*10-12h4-4*10-8h3+0.0002h+2.0683)h
2)水平最大、最小地应力σH和σh,计算如下:
其中,构造应力系数εH和εh由邻井同层段的地层破裂试验数据确定;
水平最大地应力σH,单位:Mpa;
水平最小地应力σh,单位:Mpa;
μs:静态泊松比;Es:静态弹性模量,单位:1000Mpa;
α:有效应力系数;
Pp:地层孔隙压力,单位:Mpa;
h:井深,单位:米。
根据摩尔-库仑强度准则,所述坍塌压力Pb的计算如下:
所述地层破裂压力pf计算如下:
pf=0.01(3σh-σH-αPp+St)/h
式中:
pb为当量泥浆密度表示的坍塌压力,单位:克/立方厘米;
pf:单位:克/立方厘米;
C:粘聚力,单位:Mpa;
St:地层抗拉强度,单位:Mpa;
σH:水平最大地应力,单位:Mpa;
σh:水平最小地应力,单位:Mpa;
α:有效应力系数;
Pp:地层孔隙压力,单位:Mpa;
h:井深,单位:米;
η:应力非线性修正系数。
本发明中利用地震记录随钻预测邻井坍塌压力和破裂压力的方法主要是找出同一井眼中不同层段地层的已钻井段测井结果与地震记录的关联,根据地质分层随钻预测坍塌压力和破裂压力,有效地阻止井壁坍塌、防止井下复杂情况的发生。
附图说明
图1是已钻井通过相邻若干道地震记录加权处理获得的地震记录;
图2是已钻井的声波时差测井曲线;
图3是已钻井的地层密度测井曲线;
图4是地震双程旅行时和测井深度之间的对应关系;
图5是已钻井上白垩统层段关联维的计算结果图;
图6为已钻井上白垩统层段R/S分数维的计算结果图;
图7为已钻井上白垩统层段振幅谱维的计算结果图;
图8为已钻井上白垩统层段最大Lyapunov指数的计算结果图;
图9为已钻井上白垩统层段突变参数的计算结果图;
图10为已钻井上白垩统层段综合反射地震参数的计算结果图;
图11为根据已钻井测井资料和地质资料提取的已钻井上白垩统层段的声波速度和波阻抗曲线,图中上方曲线为波阻抗曲线,下方曲线为声波速度曲线;
图12是待钻井通过相邻若干道地震记录加权处理获得的地震记录;
图13是待钻井上白垩统层段关联维的计算结果图;
图14为待钻井上白垩统层段R/S分数维的计算结果图;
图15为待钻井上白垩统层段振幅谱维的计算结果图;
图16为待钻井上白垩统层段最大Lyapunov指数的计算结果图;
图17为待钻井上白垩统层段突变参数的计算结果图;
图18为已钻井上白垩统层段综合反射地震参数的计算结果图;
图19为待钻井所预测的上白垩统层段的声波速度和波阻抗曲线,图中上方曲线为波阻抗曲线,下方曲线为声波速度曲线;
图20为待钻井所预测的上白垩统层段声波时差测井曲线;
图21为待钻井所预测的上白垩统层段地层密度测井曲线;
图22为待钻井段预测的坍塌压力和破裂压力;
图23为本发明预测钻头底下地层坍塌压力和破裂压力的方法流程图。
具体实施方式
以下参照附图23对本发明中利用地震记录预测井眼待钻井段的坍塌压力和破裂压力的方法进行详细说明,该方法主要包括下列步骤:
步骤1,对已钻井和待钻井分别提取各自井旁若干道地震记录,作加权处理获得已钻井和待钻井地震记录,如图1和图12所示;
步骤2,对已钻井进行声波时差和密度测井,获得该已钻井的不同层段地层的声波时差测井数据和地层密度测井数据;从而获得声波时差测井曲线和地层密度测井曲线,如图2、图3所示;
步骤3,利用所述已钻井不同层段地层的测井数据和地震记录,建立利用地震记录预测地层声波速度、波阻抗的分层模型;即建立地震特征参数与测井数据间的关系,即建立利用地震记录构建测井曲线的模型:
地震波的反射特征与地下介质的波阻抗有关,波阻抗的自然对数对时间增量的导数定义为反射率函数,地震记录的反射率函数深刻反映了地震的线性与非线性特征;而地层的声波速度和密度直接决定着反射率函数。因此利用地震的线性与非线性特征可以映射地震的反射率函数,也就是说地震的线性与非线性特征通过适当的映射模型可以求出地层的声波速度和地层密度。
具体步骤如下:
其中包括:
1)提取已钻井的测井数据:声波时差测井数据和地层密度测井数据;
2)查阅已钻井的地质录井数据,获取准确的地质分层数据:地层地质分层的顶部深度和底部深度;
3)取已处理完毕的已钻井的每一地质分层层段的地震记录;
4)利用所述每一地质分层层段的地震记录,分层段求取地震特征参数;其中,所述地震特征参数包括:关联维数、R/S分数维、振幅谱维、最大Lyapunov指数、突变参数和综合反射地震参数;其中,
a.用声波测井时差进行深时转换,其转换公式为:
式中为H0起始深度(米),H为终止深度(米),T(H)为深度H所对应的时间(毫秒),Δt(h)为深度h处的声波测井的时差值(毫秒)。将测井的深度采样点变成了时间序列,然后根据地震记录时间采样间隔对声波、密度测井值进行重采样,将深度采样值转换为时间采样值,以此时深关系为标准来实现地震和测井数据在时间和深度上的对应,如图4所示,将地震记录的时间刻度转换为深度刻度,得到分层段的地震记录,用于提取地震特征参数。
b.关联维数
从时间序列直接计算关联维数的算法,即G-P算法。
第一步是将地震记录的时间序列xi=x(ti),i=1,2,......,N重新排列创立一个m维的向量相空间
Xn(m,τ)=(xn,xn+τ,......,xn+(m-1)τ)n=1,2,......,Nm (2)
式中τ=kΔt是固定时间间隔,即时间延迟,Δt是两次相邻采样的间隔,k是整数
Nm=N-(m-1)τ (3)
从这Nm个点中任意选定一个参考点Xi,计算其余Nm-1个点到Xi的距离
对所有点重复这一过程,得到关联积分函数
式中H是Heaviside函数
在1gCm(r)-1gr的坐标图上,如点分布在一条直线附近,则分形存在,采用直线拟合的方法,拟合直线的斜率就是关联维D2。图5为关联维的计算结果图。
c.R/S分数维
重标度极差分析方法(R/S分析法)是Hurst于1965年提出的一种新的统计方法,它在分形理论中有着广泛的应用。
设已知地震记录的时间序列为xi=x(ti),i=1,2,......,N,则τ个时间数据的均值为:
由此可以求得累积离差:
极差:
标准差:
根据Hurst分析的统计规律的关系式为:
R/S∝(τ/2)H (10)
具体计算时,计算出R/S的一组值。在1g(R/S)-1g(τ/2)的坐标图上拟合出一条直线,其斜率就是R/S分数维。
图6为R/S分数维的计算结果图。
d.振幅谱维
对地震记录的时间序列xi=x(t1),i=1,2,......,N作功率谱分析,功率谱S(f)随着f的变化可以表示为S(f)∝fβ。因为振幅谱 所以有A(f)∝fβ/2。令Df=β/2,则有 绘制一张1gA(f)-1gf的图,然后用直线拟合,其斜率即为振幅谱维Df。
图7为振幅谱维的计算结果图。
e.Lyapunov指数
Lyapunov指数是指相空间中邻近轨道发散或收敛的平均指数率,反映了系统的性态对于初值的敏感程度。
一般计算最大Lyapunov指数采用A.Wolf重构法,其步骤如下:
A.重建相空间
设已知地震记录的时间序列为xi=x(ti),i=1,2,......N,i为采样点的序号,x1为在该时间下的振幅值,输入嵌入空间维数m及延迟时间τ得相空间:
Xn(m,τ)=(xn,xn+τ,.......,xn+(m-1)τ)n=1,2,......,Nm (11)
Nm=N-(m-1)τ (12)
B.在相空间中,以初始点A(t0)为参考点,选取A(t0)的最近邻点B(t0),设在t1=t0+kΔt时,A(t0)和B(t0)分别演化到A(t1)和B(t1),计算从t1到t1时的指数增长率
C.在A(t1)的若干邻近点中,找出一个与A(t1)的夹角θ1很小的邻近点C(t1),如果找不到,仍然选取B(t1),设在t2=t1+kΔt时,A(t1)和C(t1)分别演化到A(t2)和C(t2),则
将这一过程一直进行到点集的终点,然后取的平均值作为最大Lyapunov指数的估计值LE(m)。
D.增加嵌入空间维数m,重复A-C步,直到LE(m)保持平稳为止,此时的LE(m)即为所求的最大Lyapunov指数。
图8为最大Lyapunov指数的计算结果图。
f.突变参数
将地震信号看成对时间变量的连续函数x(t),x(t)可展成级数形式如下
y=x(t)=a0+a1 t+a2t2+…+antn+… (14)
式中,t为时间,y为对应t的位移,a0,a1,a2,...an为待定的系数。实际分析发现,对具有一定趋势规律的时间序列,截取到4次项时,精度已足够高。则对上式可近似表示为
y=x(t)=a0+a1 t+a2t2+a3t3+a4t4 (15)
对上式作变量代换,化为尖点突变的标准形式,先令
t=Zt-q (16)
将其代入上式,可得
b0=a4q4-a3q3+a2q2-a1q+a0
式中,b1=-4a4q3+3a3q2-2a2q+a1
b2=6a4q2-3a3q+a2
b4=a4
上面仍不是尖点突变的标准形式,作进一步变量代换,令
则
式中:c=b0
z为状态变量,a,b为控制变量,由突变理论可知,平衡曲面方程为:
Z3+az+b=0 (20)
分叉集方程为:
4a3+27b2=0 (21)
只有在控制变量满足分叉集方程时,系统才是不稳定的,才有可能从一个平衡态突变到另一个平衡态。
图9为突变参数的计算结果图。
g.综合反射地震参数
将常规的反射地震参数,即瞬时振幅、瞬时频率、瞬时相位、自相关函数极小值、自相关函数极大值以及五阶自回归模型系数共十种参数进行综合评判,优选出一种综合反射参数参与建模。
图10为综合反射地震参数的计算结果图。
5)结合已钻井地质录井数据和测井数据,得到已钻井分层段的声波时差测井曲线和地层密度测井曲线,提取出分层声波速度和波阻抗曲线,如图11所示,图中上方曲线为波阻抗曲线,下方曲线为声波速度曲线;
6)以上述提取的地震特征参数为输入层的神经元,以地层声波速度和波阻抗数据为输出层的神经元,分层段创建地层声波速度、波阻抗曲线的神经网络模型;
7)分层段训练神经网络模型,获得分层段预测地层声波速度、波阻抗曲线的反向传播神经网络(BP网络)模型。
步骤4,利用待钻井段的地震记录预测待钻井段的测井数据;
1)根据地质录井数据,确定待钻井钻头所处的地质层段;
2)选取该层段的声波时差测井曲线和密度测井曲线的神经网络模型;
3)将该层段的地震特征参数代入已训练的神经网络模型,预测出待测井所述层段的声波速度和波阻抗;
将根据待钻井的地震记录(如图12所示)计算出待钻井段的关联维数(如图13所示)、R/S分数维(如图14所示)、振幅谱维(如图15所示)、最大Lyapunov指数(如图16所示)、突变参数(如图17所示)和综合反射地震参数(如图18所示),代入已训练好的对应层段神经网络模型,计算出不同深度地层的声波速度和波阻抗(如图1 9所示),图中上方曲线为波阻抗曲线,下方曲线为声波速度曲线。进一步可以计算出待钻井段的声波时差曲线(如图20所示)和密度曲线(如图21所示)。
步骤5,利用待钻井段的声波速度和密度曲线,结合井壁稳定力学测井解释模型预测当前层系地层的坍塌压力和破裂压力:
1)利用待钻井段的声波速度和密度曲线,预测待钻井将钻遇地层的弹性参数和强度,具体步骤如下:
a.计算动态弹性模量Ed(103MPa)和动态泊松比μd
式中:
vp=V
b.粘聚力C(单位:MPa)
式中:
Vcl=0.01*(-5.18vs+2.88vp+0.9) (24)
c.岩石的内摩擦角(单位:度)
d.地层抗拉强度St(单位:MPa)
e.静态弹性模量Es(单位:1000Mpa)和静态泊松比μs
Es=6.125+0.6263Ed (27)
μs=0.1218+0.2601μd
2)计算待钻井将钻遇地层的地应力(单位:MPa);
垂向地应力可下式计算:
σv=0.01*(2*10-12h4-4*10-8h3+0.0002h+2.0683)h (28)
水平最大、最小地应力σH和σh
构造应力系数εH和εh由邻井同层段的地层破裂试验数据确定,本例
εH=5.5016×10-4
εh=1.2362×10-4
3)预测待钻井段的坍塌压力和破裂压力
假定地层渗透率非常小,且泥浆性优良,基本上与地层不发生渗透流动,根据摩尔-库仑强度准则,坍塌压力的计算公式为:
式中:
pd为当量泥浆密度表示的坍塌压力,单位:克/立方厘米。
地层破裂压力pf(单位:克/立方厘米)的计算公式为:
pf=0.01(3σh-σll-αPp+St)/h (32)
其中,vs:横波速度,单位:千米/秒;
vp:纵波速度,单位:千米/秒;
V:利用测井声波时差值计算的声波速度,单位:千米/秒;
ρ:地层密度,单位:克/立方厘米;Vcl:泥质含量;
α:有效应力系数,通过试验或经验确定;
Pp:地层孔隙压力,单位:Mpa;
h:井深,通过测井资料提供的深度确定,单位:米;
η:应力非线性修正系数,通过试验或经验确定。
将图20、图21中预测的声波速度和地层密度代入式(22)~(30),计算获得待钻井段的坍塌压力和破裂压力(如图22所示)。
上述实施例仅用于说明本发明,而并非用于限定本发明。
Claims (6)
1.一种随钻预测钻头底下地层坍塌压力和破裂压力的方法,其特征在于,包括下列步骤:
步骤1,分别提取一待钻井和一与该待钻井相邻的已钻井旁若干道地震记录,作加权处理获得该待钻井和已钻井的地震记录;
步骤2,对已钻井进行声波时差和密度测井,获得该已钻井的不同层段地层的测井数据:声波时差测井数据和地层密度测井数据;
步骤3,利用所述已钻井不同层段地层的测井数据和地震记录,建立利用地震记录预测地层声波速度、波阻抗的分层模型;
步骤4,利用待钻井的地震记录和所述分层模型预测该待钻井钻头底下地层的测井曲线:声波时差测井曲线和地层密度测井曲线;
步骤5,利用待钻井的所述测井曲线,结合井壁稳定力学测井解释模型预测该待钻井钻头底下地层的坍塌压力和破裂压力;
其中,所述步骤3包括:
步骤31,提取已钻井的测井数据:声波时差测井数据和地层密度测井数据;
步骤32,查阅已钻井的地质录井数据,获取准确的地质分层数据:地层地质分层的顶部深度和底部深度;
步骤33,取已处理完毕的已钻井的每一地质分层层段的地震记录;
步骤34,利用所述每一地质分层层段的地震记录,分层段求取地震特征参数;
步骤35,结合已钻井地质录井数据和测井数据,得到已钻井分层段的声波时差测井曲线和地层密度测井曲线,提取出分层声波速度和波阻抗数据;
步骤36,以地震特征参数为输入层的神经元,以地层声波速度和波阻抗数据为输出层的神经元,分层段创建地层声波速度、波阻抗曲线的神经网络模型;
步骤37,分层段训练神经网络模型,获得分层段预测地层声波速度、波阻抗曲线的反向传播神经网络模型;
其中,所述步骤4包括:
步骤41,根据地质录井数据,确定待钻井钻头所处的地质层段;
步骤42,选取该层段的声波时差测井曲线和密度测井曲线的神经网络模型;
步骤43,将该层段的地震特征参数代入已训练的所述神经网络模型,预测出待测井该层段的声波速度和波阻抗;
步骤44,计算出该层段的声波速度曲线和密度曲线。
2.根据权利要求1所述的随钻预测钻头底下地层坍塌压力和破裂压力的方法,其特征在于,所述步骤5包括:
步骤51,利用待钻井的声波速度曲线和密度曲线,预测待钻井将钻遇地层的弹性参数和强度;
步骤52,计算待钻井将钻遇地层的地应力;
步骤53,预测待钻井段的坍塌压力和破裂压力。
3.根据权利要求1所述的随钻预测钻头底下地层坍塌压力和破裂压力的方法,其特征在于,所述地震特征参数包括:关联维数、R/S分数维、振幅谱维、最大Lyapunov指数、突变参数和综合反射地震参数。
4.根据权利要求2所述的随钻预测钻头底下地层坍塌压力和破裂压力的方法,其特征在于,所述步骤51包括:
1)计算动态弹性模量Ed和动态泊松比μd,计算如下:
式中:
2)计算粘聚力C,计算如下:
式中:
Vcl=0.01*(-5.18vs+2.88vp+0.9)
3)计算岩石的内摩擦角计算如下:
4)计算地层抗拉强度St,计算如下:
5)计算静态弹性模量Es和静态泊松比μs
Es=6.125+0.6263Ed
μs=0.1218+0.2601μd
其中,动态弹性模量Ed、静态弹性模量Es,单位:1000Mpa;
粘聚力C,单位:Mpa;
内摩擦角单位:度;
地层抗拉强度St,单位:Mpa;
vs:横波速度,单位:千米/秒;
vp:纵波速度,单位:千米/秒;
V:利用测井声波时差值计算的声波速度,单位:千米/秒;
ρ:地层密度,单位:克/立方厘米;
Vcl:泥质含量。
5.根据权利要求2所述的随钻预测钻头底下地层坍塌压力和破裂压力的方法,其特征在于,所述步骤52包括:
1)垂向地应力σv计算如下:
σv=0.01*(2*10-12h4-4*10-8h3+0.0002h+2.0683)h
2)水平最大、最小地应力σH和σh,计算如下:
其中,构造应力系数εH和εh由邻井同层段的地层破裂试验数据确定;
水平最大地应力σH,单位:Mpa;
水平最小地应力σh,单位:Mpa;
μs:静态泊松比;Es:静态弹性模量,单位:1000Mpa;
α:有效应力系数;
Pp:地层孔隙压力,单位:Mpa;
h:井深,单位:米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2005101234074A CN1966934B (zh) | 2005-11-16 | 2005-11-16 | 一种随钻预测钻头底下地层坍塌压力和破裂压力的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2005101234074A CN1966934B (zh) | 2005-11-16 | 2005-11-16 | 一种随钻预测钻头底下地层坍塌压力和破裂压力的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1966934A CN1966934A (zh) | 2007-05-23 |
CN1966934B true CN1966934B (zh) | 2011-12-28 |
Family
ID=38075877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2005101234074A Expired - Fee Related CN1966934B (zh) | 2005-11-16 | 2005-11-16 | 一种随钻预测钻头底下地层坍塌压力和破裂压力的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1966934B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326624A (zh) * | 2015-07-08 | 2017-01-11 | 中国石油化工股份有限公司 | 一种预测地层破裂压力的方法 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101392647B (zh) * | 2008-11-14 | 2012-11-21 | 北京石大联创石油新技术有限公司 | 一种适用于气体钻井的井壁稳定性预测方法 |
CN101942992B (zh) * | 2010-08-19 | 2013-11-20 | 中国石油大学(北京) | 一种利用地质构造面曲率预测区域高压盐水层孔隙压力的方法 |
CN102943663B (zh) * | 2012-12-05 | 2015-08-26 | 兖矿集团有限公司 | 一种斜井井壁压力测量装置及方法 |
CN103018181A (zh) * | 2012-12-14 | 2013-04-03 | 江苏大学 | 基于相关性分析和elm神经网络的软测量方法 |
CN104100259B (zh) * | 2013-04-03 | 2017-02-15 | 中国石油天然气集团公司 | 一种精细控压钻井稳定井壁的方法及系统 |
CN104453879B (zh) * | 2014-11-14 | 2017-04-05 | 中国海洋石油总公司 | 钻前压力的预测方法 |
CN104806233B (zh) * | 2015-02-12 | 2018-02-23 | 中国石油大学(北京) | 一种预测弱面地层坍塌压力当量密度窗口的方法 |
CN106285642B (zh) * | 2015-05-14 | 2020-01-10 | 中国石油化工股份有限公司 | 一种基于地震资料的地层孔隙压力预测方法 |
CN106917623B (zh) * | 2015-12-28 | 2020-08-07 | 中国石油天然气股份有限公司 | 钻井井壁稳定性预测方法及装置 |
CN105672971B (zh) * | 2016-01-05 | 2017-12-19 | 中国石油大学(华东) | 一种储层裂缝开启压力、开启次序及注水压力预测方法 |
CN108005643B (zh) * | 2017-11-21 | 2021-01-01 | 中国石油天然气集团有限公司 | 胶囊充油承压式声波测井仪注油量计算方法 |
CN109356567B (zh) * | 2018-05-04 | 2022-04-08 | 中国石油集团海洋工程有限公司 | 深水浅部地层井壁稳定性预测方法 |
CN109322660B (zh) * | 2018-08-13 | 2021-11-12 | 中国石油天然气集团有限公司 | 一种水平主地应力方向随钻测量系统信号激励装置 |
CN111691873B (zh) * | 2019-03-13 | 2023-09-19 | 中国石油化工股份有限公司 | 用于井壁稳定性预测的井壁稳定性值计算方法及系统 |
CN110485977A (zh) * | 2019-08-15 | 2019-11-22 | 中石化石油工程技术服务有限公司 | 快速预测页岩气层地层破裂压力梯度的测井方法 |
CN111520125B (zh) * | 2020-05-07 | 2021-11-12 | 中国矿业大学 | 一种褶皱发育区现今地应力方位转向的定量分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5144589A (en) * | 1991-01-22 | 1992-09-01 | Western Atlas International, Inc. | Method for predicting formation pore-pressure while drilling |
CN1588127A (zh) * | 2004-10-22 | 2005-03-02 | 石油大学(北京) | 利用地震层速度钻前预测坍塌压力与破裂压力的方法 |
CN1588128A (zh) * | 2004-10-22 | 2005-03-02 | 石油大学(北京) | 利用地震记录预测井眼待钻井段坍塌压力和破裂压力的方法 |
-
2005
- 2005-11-16 CN CN2005101234074A patent/CN1966934B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5144589A (en) * | 1991-01-22 | 1992-09-01 | Western Atlas International, Inc. | Method for predicting formation pore-pressure while drilling |
CN1588127A (zh) * | 2004-10-22 | 2005-03-02 | 石油大学(北京) | 利用地震层速度钻前预测坍塌压力与破裂压力的方法 |
CN1588128A (zh) * | 2004-10-22 | 2005-03-02 | 石油大学(北京) | 利用地震记录预测井眼待钻井段坍塌压力和破裂压力的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326624A (zh) * | 2015-07-08 | 2017-01-11 | 中国石油化工股份有限公司 | 一种预测地层破裂压力的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN1966934A (zh) | 2007-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1966934B (zh) | 一种随钻预测钻头底下地层坍塌压力和破裂压力的方法 | |
CN101025084B (zh) | 一种随钻预测钻头底下地层孔隙压力的方法 | |
Abbas et al. | Drilling rate of penetration prediction of high-angled wells using artificial neural networks | |
Coates et al. | Mechanical properties program using borehole analysis and Mohr's circle | |
US8145462B2 (en) | Field synthesis system and method for optimizing drilling operations | |
Farsi et al. | Predicting formation pore-pressure from well-log data with hybrid machine-learning optimization algorithms | |
US20060015310A1 (en) | Method for simulation modeling of well fracturing | |
Yιlmaz et al. | Application of artificial neural networks to optimum bit selection | |
EA017421B1 (ru) | Способ и система для проектирования и оптимизации операций бурения и заканчивания в углеводородных пластах-коллекторах | |
CN107766662A (zh) | 一种页岩气水平井测试分段评价方法 | |
Nastev et al. | Hydraulic properties and scale effects investigation in regional rock aquifers, south-western Quebec, Canada | |
CN110397402B (zh) | 钻井方法及装置 | |
CN108301825A (zh) | 一种高温高压储层孔隙压力分析方法 | |
Abbas et al. | Stability analysis of highly deviated boreholes to minimize drilling risks and nonproductive time | |
CN104714252A (zh) | 分析流体因子敏感性的方法 | |
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 | |
CN110426751A (zh) | 一种利用测井资料预测横波时差的方法 | |
Liu et al. | Dynamic behavior of coalbed methane flow along the annulus of single-phase production | |
CN105931125A (zh) | 一种致密油分段多簇体积压裂水平井产量预测方法 | |
CN104153768A (zh) | 一种评价花岗岩储层储集性能的方法 | |
CN109555515A (zh) | 地层坍塌压力确定方法和装置 | |
Mahmoud et al. | A Self-Adaptive Artificial Neural Network Technique to Estimate Static Young's Modulus Based on Well Logs | |
Esmaeilpour et al. | Brittleness index prediction in 3D bulk volume via seismic inversion in unconventional reservoirs | |
US10302814B2 (en) | Mechanisms-based fracture model for geomaterials | |
CN204371324U (zh) | 地层孔隙压力的确定装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20111228 Termination date: 20141116 |
|
EXPY | Termination of patent right or utility model |