SA519401129B1 - الكشف عن رمل حفرة بئر باستخدام مصفوفة صوتية سلبية - Google Patents
الكشف عن رمل حفرة بئر باستخدام مصفوفة صوتية سلبية Download PDFInfo
- Publication number
- SA519401129B1 SA519401129B1 SA519401129A SA519401129A SA519401129B1 SA 519401129 B1 SA519401129 B1 SA 519401129B1 SA 519401129 A SA519401129 A SA 519401129A SA 519401129 A SA519401129 A SA 519401129A SA 519401129 B1 SA519401129 B1 SA 519401129B1
- Authority
- SA
- Saudi Arabia
- Prior art keywords
- sand
- classification
- acoustic
- traits
- audio signals
- Prior art date
Links
- 239000004576 sand Substances 0.000 title claims abstract description 157
- 238000001514 detection method Methods 0.000 title claims description 70
- 238000000034 method Methods 0.000 claims description 79
- 230000005236 sound signal Effects 0.000 claims description 34
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 18
- 238000005553 drilling Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 13
- 239000002245 particle Substances 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 7
- 239000000523 sample Substances 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 3
- 238000005245 sintering Methods 0.000 claims description 3
- 241000511343 Chondrostoma nasus Species 0.000 claims 2
- 101100112111 Caenorhabditis elegans cand-1 gene Proteins 0.000 claims 1
- 241000196324 Embryophyta Species 0.000 claims 1
- 208000003217 Tetany Diseases 0.000 claims 1
- 206010000496 acne Diseases 0.000 claims 1
- 238000003556 assay Methods 0.000 claims 1
- 239000003245 coal Substances 0.000 claims 1
- 239000005332 obsidian Substances 0.000 claims 1
- 230000035935 pregnancy Effects 0.000 claims 1
- 239000002893 slag Substances 0.000 claims 1
- 239000011800 void material Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 21
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000005755 formation reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- UOACKFBJUYNSLK-XRKIENNPSA-N Estradiol Cypionate Chemical compound O([C@H]1CC[C@H]2[C@H]3[C@@H](C4=CC=C(O)C=C4CC3)CC[C@@]21C)C(=O)CCC1CCCC1 UOACKFBJUYNSLK-XRKIENNPSA-N 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 210000000078 claw Anatomy 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/44—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators and receivers in the same well
- G01V1/48—Processing data
- G01V1/50—Analysing data
-
- 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
- E21B47/10—Locating fluid leaks, intrusions or movements
- E21B47/107—Locating fluid leaks, intrusions or movements using acoustic means
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
- G01V1/42—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging using generators in one well and receivers elsewhere or vice versa
-
- 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
- E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
- E21B2200/22—Fuzzy logic, artificial intelligence, neural networks or the like
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/123—Passive source, e.g. microseismics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/123—Passive source, e.g. microseismics
- G01V2210/1234—Hydrocarbon reservoir, e.g. spontaneous or induced fracturing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/12—Signal generation
- G01V2210/129—Source location
- G01V2210/1299—Subsurface, e.g. in borehole or below weathering layer or mud line
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/10—Aspects of acoustic signal generation or detection
- G01V2210/14—Signal detection
- G01V2210/142—Receiver location
- G01V2210/1429—Subsurface, e.g. in borehole or below weathering layer or mud line
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/40—Transforming data representation
- G01V2210/43—Spectral
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/62—Physical property of subsurface
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Geophysics (AREA)
- Acoustics & Sound (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Fluid Mechanics (AREA)
- Geochemistry & Mineralogy (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
يتعلق الاختراع الحالي بمصفوفة سلبية لمستشعرات صوتية acoustic sensors تلتقط إشارات صوتية ناتجة عن تحرك الرمل. يتم نشر أداة المصفوفة أسفل البئر حيث تستمع سلبيًا إلى الطاقة الصوتية الناتجة عند تحرك الرمل في البئر. فور الحصول على الإشارات الصوتية، يتم استخدام إطارات أساسها نموذج لاستخلاص سمات مستشعر مفردة ومتعددة من الإشارات الصوتية. يتم استخدام السمات المستخلصة كدلالات للكشف عن إنتاج الرمل وتصنيفه. انظر الشكل 6
Description
باستخدام مصفوفة صوتية سلبية Sh عن رمل حفرة kasd
WELLBORE SAND DETECTION USING PASSIVE ACOUSTIC ARRAY
الوصف الكامل خلفية الاختراع يتعلق الكشف dag Jad عام بالكشف عن dey أسفل eg i نحو أكثر تحديدًاء بنظام مصفوفة صوتية سلبية passive acoustic array وطريقة للكشف عن إنتاج الرمل في الموقع باستخدام إطارات أساسها نموذج وأساسها التعلم. تندمج العديد من الخزانات التي تشتمل على رواسب فتية Bua young sediments بشكل سيء جدًا بحيث يتم إنتاج الرمل مع موائع الخزان. يؤدي إنتاج الرمل إلى العديد من مُشكلات الإنتاج؛ lly تتضمن تآكل قطاعات أسفل ull الأنبوبية؛ SB الصمامات؛ التركيبات» وخطوط التدفق السطحية؛ امتلاء حفرة A بالرمل؛ تغليف متهدم بسبب الافتقار إلى تدعيم التكوين؛ وانسداد معدات المعالجة السطحية. حتى إذا كان إنتاج الرمل محتمل؛ فإن التخلص من doll 0 الناتج يُمثل مشكلة؛ Lali في الحقول البحرية. بالتالي؛ يعتبر الكشف المبكر عن إنتاج الرمل ذو أهمية قصوى لتقليل مخاطر حدوث أضرار بالبنية الأساسية والتهديد بإيقاف العملية. الوصف العام للاختراع يتعلق الاختراع الحالي بمصفوفة سلبية لمستشعرات صوتية Lali acoustic sensors إشارات صوتية ناتجة عن تحرك الرمل. يتم نشر أداة المصفوفة أسفل ll حيث تستمع سلبيًا إلى استخدام إطارات أساسها نموذج لاستخلاص Claw مستشعر مفردة ومتعددة من الإشارات الصوتية. يتم استخدام السمات المستخلصة كدلالات للكشف عن إنتاج الرمل وتصنيفه. شرح مختصر. للرسومات الشكل 1 عبارة عن مخطط إطاري لنظام كشف عن doy وتصنيفه 100 Bg لتجسيدات 0 توضيحية معينة للكشف الحالى؛ الشكل 2 عبارة عن رسم تخطيطي لإطار أساسه نموذج للكشف عن إنتاج الرمل أسفل La, ¢ ull لطرق توضيحية معينة للكشف الحالى ¢
الشكل 3 عبارة عن رسم بياني لأطياف القيم الذاتية القصوى لمعدلات الضغط أسفل Sil المختلفة؛ Ey لطرق توضيحية معينة للكشف الحالي؛ الشكل 4 عبارة عن رسم تخطيطي لإطار أساسه التعلم للكشف عن إنتاج الرمل أسفل «il وفقًا لطرق توضيحية معينة للكشف الحالي؛ الشكل 5 عبارة عن رسم تخطيطي لإطار إعادة تدريب أساسه التعلم للكشف عن إنتاج الرمل أسفل البثرء وفقًا لطرق توضيحية معينة للكشف الحالي؛ الشكل 6 عبارة عن مخطط انسيابي عام لطريقة 600 للكشف عن doll في حفرة Of Uy لطرق توضيحية معينة للكشف الحالي؛ الشكل 7 رسم تخطيطي لتجسيد لتطبيق تسجيل أداء حفر J بكبل حفر توضيحي؛ و الشكل 8 عبارة عن رسم تخطيطي لنظام للكشف عن مصادر صوتية جوفية ناتجة عن الرمل وتصنيفها يتم نشره بامتداد نظام حفر لعمليات تسجيل أداء MWD وفقًا لطرق توضيحية معينة للكشف الحالي. الوصف التفصيلي: تم وصف تجسيدات توضيحية وطرق ذات صلة للكشف الحالي أدناه حيث قد يتم 5 استخدامها في أنظمة وطرق للكشف عن إنتاج الرمل في الموقع باستخدام مصفوفة صوتية سلبية. بهدف التوضيح؛ لن يتم وصف جميع سمات التطبيق الفعلي أو الطريقة في هذه المواصفة. وسيتم بطبيعة الحال إدراك أنه عند تطوير أي تجسيد فعلي؛ لا بد من اتخاذ العديد من القرارات الخاصة بالتطبيق لتحقيق الأهداف الخاصة بالمطورين» مثل الامتثال للقيود المرتبطة بالنظام والمرتبطة بالعمل والتي تتنوع من تطبيق لآخر. Bde على ذلك سيتم إدراك أن هذا الجهد التطويري قد يكون معقدًا ومستهلكًا للوقت؛ إلا أنه سيكون إجراءً روتينيًا لأصحاب المهارة العادية في المجال فور الاستفادة من هذا الكشف. ستتضح جوانب ومميزات أخرى للعديد من التجسيدات والطرق ذات الصلة لهذا الكشف فور أخذ الوصف التالي والرسومات في الاعتبار. على النحو الموصوف (is توفر التجسيدات والطرق التوضيحية الواردة في الكشف الحالي الكشف عن الرمل وتصنيفه باستخدام أداة مصفوفة صوتية سلبية. باستخدام أداة مصفوفة صوتية سلبية؛ يمكن الكشف عن الرمل أسفل ll عند موقع دخوله Sl (أي؛ في الموقع). على عكس المصفوفة الصوتية الفعالة التي تنتج إشارة خرج وتنتظر الكشف عن الصدى؛ تستمع أدوات المصفوفة الصوتية السلبية الموصوفة هنا بشكل سلبي إلى الإشارات الصوتية الناتجة عن الرمل نفسه. كنتيجة لذلك؛ يعتبر الكشف/التصنيف الذي أساسه نموذج الوارد في الكشف الحالي أكثر قوة من الطرق التقليدية؛ ويكون أيضًا ذو تصميم أكثر بساطة.
في تجسيد عام وطرق ذات صلة واردة في الكشف الحالي ‘ يتم تصميم مصفوفة سلبية من مستشعرات صوتية LEN إشارات صوتية ناتجة عن حركة الرمل. يتم بعد ذلك نشر أداة المصفوفة السلبية أسفل id) حيث تستمع سلبيًا إلى الإشارات الصوتية الناتجة عند إنتاج الرمل في البثر. فور استشعار الإشارات الصوتية؛ يتم استخدام إطارات أساسها نموذج لاستخلاص سمات مستشعر مفردة ومتعددة من الإشارات الصوتية. يتم بعد ذلك استخدام السمات المستخلصة كدلالات للكشف عن إنتاج الرمل وتصنيفه. يمكن أن تتضمن التصنيفات متغيرات مثل؛ على سبيل المثال» كثافة الرمل؛ معدل التدفق؛ أو الحجم الجسيمى. يمكن اشتقاق نماذج الكشف والتصنيف التوضيحية تحليليًا أو تجريبيًا. يتم وصف الإطارات التوضيحية الثلاثة هنا للكشف عن إنتاج الرمل وتحديد متغيراته ذات الصلة. يستخدم الإطار 0 التوضيحي الأول طريقة أساسها oz dpa بينما يتبع الإطار التوضيحي الثاني الطريقة التي أساسها التعلم. يمثل الإطار التوضيحي الثالث امتدادًا للطريقة التي أساسها التعلم حيث يمكن تحسين النموذج بواسطة إعادة التدريب باستخدام ببيانات أرشيفية متحقق من صحتها يتم الحصول عليها من حفرة البئثر التي يتم منها إنتاج الرمل أو من حفر بئر أخرى. يعرض الشكل 1 مخطط إطاري لنظام كشف عن رمل وتصنيفه 100 Gg لتجسيدات 5 توضيحية معينة للكشف الحالى. يتضمن نظام الكشف عن الرمل وتصنيفه 100 Wes واحدًا على الأقل 102 gl) مجموعة دوائر (dallas ذاكرة غير مؤقتة قابلة للقراءة بالكمبيوتر 104؛ وحدة نمطية لجهاز مرسل ومستقبل/الاتصال عبر الشبكة 105( أجهزة إدخال/إخراج اختيارية 106 وجهاز عرض اختياري 108 (على سبيل المثال؛ واجهة مستخدم بينية) 6 وجميعها متصلة عبر ناقل نظام 109. يمكن تخزين تعليمات البرنامج القابلة للتنفيذ بواسطة المعالج 102 لتنفيذ وظائف الطرق التوضيحية الموصوفة هنا في الذاكرة 04 1 . على الرغم من عدم عرضه بشكل le فى الشكل 1؛ إلا أنه سيتم إدراك أنه يمكن توصيل نظام الكشف عن الرمل وتصنيفه 100 بواحدة أو أكثر من الشبكات العامة و/أو الخاصة عبر واحدة أو أكثر من وصلات الكمبيوتر المناسبة. كما سيتم إدراك أنه يمكن Wad تحميل تعليمات البرنامج لتنفيذ الوظائف الواردة في الكشف الحالي في الذاكرة 104 من 00-8014 أو وسائط تخزين أخرى مناسبة عبر طرق سلكية أو لاسلكية . dle على ذلك؛ سيدرك أصحاب المهارة العادية فى المجال أنه يمكن تنفيذ تجسيدات هذا الكشف بمجموعة من هيئات نظام الكمبيوتر؛ بما في ذلك الأجهزة المحمولة؛ أنظمة متعددة المعالجات؛ إلكترونيات استهلاكية أساسها المعالجات الدقيقة أو القابلة للبرمجة؛ أجهزة كمبيوتر (dada أجهزة كمبيوتر مركزية ؛» وما شابه. يمكن استخدام أي عدد من أنظمة الكمبيوتر وشبكات الكمبيوتر مع ا لاختراع الحالي . يمكن تنفيذ هذا الكشف في بيئات حاسوبية موزعة حيث يتم إجراء
المهام بواسطة أجهزة معالجة عن بُعد متصلة عبر شبكة اتصالات. في البيئة الحاسوبية الموزعة؛ يمكن وضع وحدات البرامج النمطية في JS من أوساط تخزين كمبيوتر محلية وبعيدة بما في ذلك أجهزة تخزين الذاكرة. وبالتالي؛ يمكن تنفيذ الكشف Jal مع العديد من مكونات الكمبيوتر؛ البرامج أو توليفة منها في نظام كمبيوتر أو نظام معالجة آخر.
بمواصلة الإشارة إلى الشكل 1؛ في تجسيدات توضيحية معينة؛ يتضمن نظام الكشف عن الرمل وتصنيفه 100 وحدة نمطية للكشف عن الرمل وتصنيفه 114. تستخدم الوحدة النمطية للكشف عن الرمل وتصنيفه 114 مجموعة متنوعة من الإطارات التي أساسها نموذج للكشف عن إنتاج الرمل وتحديد متغيراته ذات الصلة. على النحو الذي ستتم مناقشته بمزيدٍ من التفصيل أدناه؛ يستخدم إطار توضيحي أول طريقة أساسها نموذج. بينما يتبع الإطار الثاني طريقة أساسها التعلم
0 (التي لا يزال يُشار إليها بطريقة أساسها نموذج). يمثل الإطار التوضيحي الثالث امتدادًا للطريقة التي أساسها التعلم حيث يتم Wad تحسين النموذج بواسطة إعادة التدريب باستخدام متغيرات أرشيفية تم التحقق من صحتها.
يعرض الشكل 2 رسم تخطيطي لإطار أساسه نموذج للكشف عن إنتاج الرمل أسفل all وفقًا لطرق توضيحية معينة للكشف الحالي. هناء يصور الإطار الذي أساسه نموذج 200 Bal
5 يقوم في كاشف/مصيّف الرمل بتطبيق نموذج مشتق مسبقًا على سمات مستخلصة من إشارة صوتية للكشف عن وجود doll بالإضافة إلى حساب متغيرات الرمل؛ مثل؛ على سبيل المثال؛ كثافة الرمل؛ معدل التدفق والحجم الجسيمي. تتم الإشارة Wad إلى عملية حساب/تحديد متغيرات الرمل ب 'التصنيف."
في الإطار الذي أساسه نموذج 200 يتم نشر أداة كشف عن تسرب 202 (على سبيل
sal (Ji 0 مصفوفة صوتية سلبية) بها مجموعة من المستشعرات الصوتية 204 عليها في حفرة البثر. يمكن تضمين نظام الكشف عن الرمل وتصنيفه 100 في أداة الكشف عن التسرب 202 أداة أسفل a ما أخرى؛ أو يمكن وضعه أعلى id) عند السطح. في تجسيدات بديلة؛ يمكن تنفيذ واحدة أو أكثر من خطوات المعالجة الخاصة بالطريقة التوضيحية أسفل a بينما يتم تنفيذ الخطوات الأخرى أعلى البثر. فور وضع أداة الكشف عن التسرب 202 حسب الحاجة أسفل al
5 يمكن أن يبدا الرمل في التسرب إلى حفرة «gall وبالتالي ينتج طاقة صوتية يتم استشعارها بواسطة مستشعرات أداة الكشف عن التسرب 204. تنتج أداة الكشف عن التسرب 202 بعد ذلك إشارات مصفوفة صوتية مناظرة 206 التي تتم تغذيتها بعد ذلك في الإطار الذي أساسه نموذج 200.
عند الإطار 208؛ يقوم نظام الكشف عن الرمل وتصنيفه 100( الذي يطبق الإطار الذي
أساسه نموذج 200 بعد ذلك باستخلاص واحدة أو أكثر من السمات من الإشارات الصوتية 206.
0 أثناء مرحلة استخلاص السمة الواردة في الإطار 208 يستخدم نظام الكشف والتصنيف 100
الإشارات الصوتية الناتجة عن واحد أو أكثر من المستشعرات 202 لإنتاج السمات؛ ie على سبيل المثال؛ معلومات مكانية. في طرق توضيحية معينة؛ يمكن أن تتضمن السمات المستخلصة سمة مستشعر مفردة؛ مثل؛ على سبيل المثال؛ BES قدرة طيفية أو مكونات الزمن-التردد. في طرق بديلة؛ مع ذلك؛ يمكن أن تتضمن السمات المستخلصة سمات مستشعر متعددة؛ (ie على سبيل (Jud) مصفوفات التباين؛ مكونات أساسية (القيم (Aid أو أنماط الطور والسعة. يؤدي استخدام مستشعرات متعددة إلى تقليل أخطاء الكشف زائفة وبحسن من دقة الكشف عن الرمل و/أو تصنيفه. في تجسيدات أخرى أيضًاء يمكن استخدام كل من المستشعرات 202 لاستخلاص نفس السمات أو سمات مختتلفة. فور استخلاص السمات الأخرى عند الإطار 208 يقوم كاشف/مصيْف الرمل 210 (على سبيل المثال؛ الذي يتم تجسيده في صورة الوحدة النمطية للكشف عن الرمل وتصنيفه 114) بعد ذلك بتحويل السمات إلى خرج يدل على وجود الرمل أو تصنيف الرمل (على سبيل المثال؛ كثافة col معدل التدفق؛ الحجم الجسيمي؛ وهكذا). ينفذ كاشف/مصيّف الرمل 210 التحويل باستخدام تقنيات النمذجة؛ مثل؛ على سبيل (Jil كاشف/مصيّف رمل لقياس مستويات الطاقة الخاصة بكثافة القدرة الطيفية عند نطاقات تردد معينة لتحديد وجود الرمل. بالإضافة إلى حساب متغير 5 محدد؛ يمكن Wad أن يحدد كاشف/مصيّف الرمل نطاق المتغير؛ مثل؛ على سبيل المثال» كثافة مرتفعة أو منخفضة؛ معدل التدفق أو الحجم الجسيمي (كبير أو صغير). على النحو المذكور أعلاه؛ تمثل القيم الذاتية لمصفوفات التباين إحدى السمات المستخلصة التوضيحية المستخدمة للكشف عن وجود الرمل. يتم إنشاء مصفوفة التباين من أشكال الموجة الصوتية في جميع القنوات المصفوفية الخاصة بأداة الكشف عن التسرب 202. تلتقط 0 مصفوفة التباين الارتباط التبادلي بين القنوات المختلفة. بالتالي؛ تمثل القيم الذاتية لمصفوفة التباين مؤشر جيد على مستوى الارتباط التبادلي. بالإضافة إلى ذلك؛ في gaa] الطرق التوضيحية عند تحليل مصفوفة التباين في نطاق التردد؛ يمكن إنشاء القيم الذاتية في كثافة قدرة طيفية مكافئة لإشارات المصفوفة. يعرض الشكل 3 رسم بياني لأطياف القيم الذاتية القصوى لمعدلات الضغط أسفل Sill 5 المختلفة؛ Gy لطرق توضيحية معينة للكشف الحالي. يعرض الشكل 3 اتجاه طيف القيمة الذاتية القصوى في إحدى التجارب حيث يتم استخدام أداة كشف عن تسرب بها مصفوفة صوتية من 7 سماعات مائية (كل منها على مسافة 4 بوصة) لقياس معدل ماء نفثي خلال جدار تغليف يصطدم مباشرةً بالمصفوفة. مثلما هو ملاحظ؛ يلتقط طيف القيم الذاتية القصوى التغيّر في ضغط الماء بشكل جيد جدًا. في هذه الحالة؛ يمكن تصميم نموذج لاستخدام المعلومات المستخلصة المذكورة 0 (أي؛ السمة) لاستنتاج معدل التدفق. على نحو مماثل؛ إذا أدى وجود الرمل في التدفق إلى تغيير
مكونات التردد الخاصة بطيف القيمة الذاتية؛ يتم oly نموذج CRASH عن وجود الرمل. يتم عرض هذا النموذج في صورة؛ وتجسيده في؛ كاشف/مصيّف رمل 210 في الشكل 2. في طريق توضيحية أخرى Wiad يمكن أن تمثل السمة المستخلصة نسبة القيم الذاتية للإشارات الصوتية. على سبيل (Jad) يمكن حساب النسبة بين القيم الذاتية الأكبر وثاني أكبر قيمة ذاتية عبر الترددات المختلفة. يمكن بعد ذلك استخدام السمة الشبيهة بالطيف الناتجة في صورة السمة للكشف عن الرمل أو تصنيف معدلات التدفق. على النحو المذكور أعلاه؛ يستخدم الإطار الذي أساسه نموذج التوضيحي الثاني طريقة أساسها التعلم. في الطريقة التي أساسها النموذج الواردة في الشكل 2 يتم إنشاء الإطار الذي أساسه نموذج 200 من خلال diss وملاحظة العلاقة بين متغيرات التصنيف والسمات
0 المستخلصة. تتطلب هذه الطريقة في بعض الأحيان فهم الظاهرة الأساسية. في طريقة by مع ذلك يستخدم نظام الكشف عن الرمل وتصنيفه 100 تقنيات تعلم الآلة لإنتاج النموذج مباشرة باستخدام بيانات تدريب.
يعرض الشكل 4 رسم تخطيطي لإطار تعلم أساسه نموذج للكشف عن إنتاج الرمل أسفل Wg «al لطرق توضيحية معينة للكشف Jad) يكون إطار التعلم الذي أساسه نموذج 400
مماثل من حيث التشغيل للإطار الذي أساسه نموذج 200 الوارد في الشكل 2 وبالتالي تُشير العناصر المماثلة إلى عناصر مماثلة. ومع ذلك؛ في الإطار الذي أساسه نموذج 400؛ يتم استخدام تدريب النموذج عند الإطار 402. هناء يقوم نظام الكشف عن الرمل وتصنيفه 100 بتطبيق تقنية تعلم الآلة لبناء النموذج على أساس السمات المستخلصة من بيانات التدريب. على سبيل المثال؛ يمكن تطبيق تقنية تعلم الآلة لتحديد أي من السمات يتم استخلاصها من الإشارات
0 الصوتية. يمكن أن تتضمن أمثلة تقنيات تعلم dW) على سبيل المثال؛ خوارزميات تعلم تقوم باختيار ein من طيف القيمة الذاتية القصوى الذي يتم استخدامه على نحو أمثل للكشف عن الرمل. يمكن sale) ضبط نطاق الطيف المذكور لظرف بئر مختلف على أساس بيانات التدريب. يمكن أن تكون تقنيات التعلم المذكورة؛ على سبيل المثال؛ عبارة عن شبكة عصبية صناعية؛ شجرة قرارات» أو تقنيات أساسها تعلم لقاعدة ارتباطات.
في طرق توضيحية معينة؛ أثناء طور التعلم الخاص بإطار التعلم الذي أساسه نموذج 300 يمكن الحصول على مجموعات بيانات التدريب المبدئية؛ على سبيل (ball من تجارب متحكم بها Ya) من السمات المستخلصة التي يتم الحصول عليها من الإشارات الصوتية 206) حيث يتم قياس متغيرات التصنيف بدقة. في أحد (Alay) تتضمن التجارب المتحكم بها سمات استخلاص يتم الحصول عليها من الإشارات الصوتية حيث تكون متغيرات التصنيف (على سبيل
0 المثال؛ معدلات كثافة (doll معدلات التدفق أو الأحجام الجسيمية) معروفة بالفعل. من خلال
تحليل العلاقة بين السمات والمتغيرات؛ يحدد النظام السمات التي تقدر المتغيرات بشكل أكثر دقة. يتم بعد ذلك استخدام السمات المحددة المذكورة بواسطة النظام الناتج للكشف عن وجود الرمل و/أو تحديد متغيرات التصنيف. بناءً على قيود التعقيد ومتطلبات cela) يمكن تصميم تعلم AN على سبيل JB في صورة انحسار خطي أو شبكة عصبية ذات طبقات متعددة مخفية. فور تدريب إطار التعلم الذي أساسه نموذج 400؛ يتم بعد ذلك استخدام النموذج الناتج بواسطة كاشف/مصيّف الرمل 210 للكشف عن الرمل وتصنيفه على النحو الموصوف في الشكل 2. في تجسيدات توضيحية أخرى معينة؛ Sa تحديث بيانات التدريب المستخدمة في الإطار 402 دوريًا لضمان
تنفيذ النموذج الذي يتم تطبيقه بواسطة كاشف/مصيّف الرمل 210 على نحو أمثل. يعرض الشكل 5 رسم تخطيطي لإطار إعادة تدريب أساسه نموذج للكشف عن إنتاج الرمل 0 أسفل By all لطرق توضيحية معينة للكشف الحالي. يكون إطار التعلم الذي أساسه نموذج 0 مماثل من حيث التشغيل للإطار الذي أساسه نموذج 400 الوارد في الشكل 4؛ وبالتالي تُشير العناصر المماثلة إلى عناصر مماثلة. ومع ذلك؛ يمثل إطار sale) التدريب الذي أساسه نموذج 500 امتدادًا للإطار الذي أساسه تعلم 400. في إطار إعادة التدريب الذي أساسه نموذج 500 يمكن إمداد بيانات التدريب من بيانات حقلية أرشيفية حيث يكون قد تم التحقق من صحة 5 متغيرات التصنيف وتأكيدها. في حين أن الكشف عن الرمل يتطلب نتائج مبكرة وفورية؛ فتتوفر مجموعة من الطرق التي يتم بواسطتها التحقق من المتغيرات GY على سبيل المثال؛ في تجسيدات توضيحية معينة؛ يمكن استخدام وحدة سطحية للكشف عن وجود الرمل وكميته في تدفق الإنتاج؛ وبالتالي يتم التحقق من خرج (على سبيل المثال» وجود الرمل؛ معدل التدفق؛ وهكذا) كاشف/مصيّف الرمل 210. بعد ذلك؛ يمكن إعادة استخدام النتائج التي تم التحقق منها والمؤكدة
لتدريب نموذج التعلم وتحسينه. بالإشارة إلى الشكل 5؛ في إحدى الطرق التوضيحية؛ يمكن بشكل مبدئي تدريب إطار sale) تدريب أساسه نموذج 500 على النحو الموصوف أعلاه في الشكل 4. بعد التدريب المبدئي؛ يتم إنتاج نموذج Gy لذلك ويتم استخدامه بواسطة كاشف/مصيُف الرمل 210 للكشف عن وجود Jal و/أو تصنيف متغيراته؛ على النحو المناقش هنا. عندماء على سبيل (Ji يقوم نظام 5 الكشف عن الرمل وتصنيفه 100 (الذي يستخدم كاشف/مصيّف الرمل 210) بتحديد أن الرمل موجود عند معدل تدفق معين؛ يمكن استعادة بيانات التحقق من قاعدة البيانات وتحليلها عند الإطار 502. يتم الحصول على بيانات التحقق من واحدة أو أكثر من الآبار المحلية. على سبيل المثال؛ يمكن Wad أن تعكس بيانات التحقق التي يتم الحصول عليها من آبار أخرى وجود نفس الرمل؛ عند معدل تدفق أو حجم جسيمي مماثل. في هذه الحالات؛ سيحدد نظام الكشف عن الرمل 0 وتصنيفه 100 أن za متغيرات التصنيف الذي يتم الحصول عليه بواسطة كاشف/مصيف الرمل
210 283 ويمثل خرج متغيرات التصنيف المذكورة بيانات متحقق منها عند الإطار 504. يتم بعد ذلك استخدام البيانات المتحقق منها لإعادة تدريب النموذج و/أو تحسينه عند الإطار 402 لتحديد؛ مرة أخرى؛ تلك السمات المفيدة جدًا المراد استخلاصها من الإشارات. في طرق توضيحية معينة؛ يمكن أن يتم التدريب/إعادة التدريب JSG متكرر حتى يتم تحقيق dad خطأ حدية. فور إعادة تدريبه يقوم كاشف/مصيف الرمل 210 بعد ذلك بتطبيق النموذ z المُعاد تدريبه لتنفيذ الكشضف عن الرمل و/أو تصنيفه. في ضوءٍ ما سبق؛ يعرض الشكل 6 مخطط انسيابي عام لطريقة 600 للكشف عن الرمل في حفرة بثرء وفقًا لطرق توضيحية معينة للكشف الحالي. أثناء عملية أسفل البثرء يتم نشر أداة مصفوفة صوتية سلبية أسفل البثر للكشضف عن وجود الرمل في الموقع . ١ de لإطار 602 6 يحصل 0 نظام الكشف عن الرمل وتصنيفه 100 على واحدة أو أكثر من الإشارات الصوتية باستخدام أداة المصفوفة السلبية. عند نقطةٍ ماء ينتج عن تحرك الرمل في حفرة البئر بجوار الأداة طاقة صوتية يتم استشعارها بواسطة SY) حيث يتم إنتاج الإشارات الصوتية. عند الإطار 604؛ من خلا استخدام النماذج التوضيحية الموصوفة هناء يستخلص النظام 100 واحدة أو أكثر من السمات من الإشارات الصوتية. يمكن أن تكون السمات؛ على سبيل المثال» عبارة عن قيم Ail مكونات 5 زمن-تردد؛ وهكذا. عند الإطار 606أ؛ يتم استخدام السمات المستخلصة للكشف عن وجود الرمل في حفرة البثر. على نحو (day عند الإطار 606ب؛ يمكن استخدام السمات المستخلصة لتصنيف متغيرات الرمل (على سبيل المثال؛ معدل التدفق؛ الكشافة؛ وهكذا). Lad يلي؛ إذا لزم الأمر؛ يمكن تنفيذ عملية تدخل في بئر للتعامل مع المُشكلات الناتجة عن إنتاج الرمل في حفرة all يتم استخدام أدوات المصفوفة الصوتية السلبية الموصوفة هنا للكشف عن مواقع تسرب 0 الرمل داخل حفرة yall وتحديدها. يمكن أن تتخذ مصفوفة المستشعرات الصوتية عدة أشكال» مثلء على سبيل (JU مصفوفة من السماعات المائية. يمكن أن توجد المستشعرات الصوتية المذكورة في أدوات؛ أنظمة؛ وطرق للكشف عن واحد أو أكثر من المصادر الصوتية للرمل الجوفية ولتحديد موقعها من حيث العمق والمسافة نصف القطرية من حفرة البثر. في أحد AY) يمكن وضع مصفوفة من ثلاثة مستشعرات صوتية على الأقل في حفرة البثر ويمكن استخدامها بالاشتراك مع 5 معالجة إشارة المصفوفة. يشير المصطلح "عمق" بوجهِ عام إلى إحدانى بطول اتجاه ثقب حفرء بغض النظر عما إذا امتد ثقب الحفر Gd) في التكوين أو تمت إمالته بالنسبة للاتجاه الرأسي؛ ما لم تتم slay) إلى خلاف ذلك. يشير المصطلح 'مسافة نصف "pki إلى اتجاه عمودي على ويعيدًا عن محور حفرة البثر الطولي . يمكن استخدام الكشف عن مصدر صوتي وتحديد (dad ga على وجه التحديد؛ لاكتشاف تدفقات الرمل الجوفية؛ على سبيل المثال؛ الناتجة من التسريبات فى 0 حواجز ad) التي تنبعث منها الإشارات الصوتية.
تشير معالجة إشارات المصفوفة dag عام إلى تقنيات لتقدير أو حساب المتغيرات الخاصة بواحد أو أكثر من مصادر الإشارات؛ Jie مواقع المصدر وأشكال الموجة الصادرة؛ من خلال دمج بيانات مجمعة بواسطة مصفوفة المستشعرات مع العلاقات الهندسية المعروفة إما بالتزامن إلى حدٍ كبير» أو dns عام؛ مع العلاقات الزمنية المعروفة بين إشارات المستشعر المختلفة. يشير "بالتزامن إلى حدٍ كبير" هنا إلى تداخل الفواصل الزمنية التي يتم عندها تجميع الإشارات إلى حدٍ oS على سبيل المثال؛ بنسبة 9690 على الأقل بين المستشعرات المختلفة. يمكن أن يكون التداخل المجمع بنسبة 9699 على الأقل بين المستشعرات المختلفة. يمكن أن تتضمن تقنيات معالجة إشارات المصفوفة العديد من طرق الترشيح المكاني؛ Jie ولكن لا تقتصر على؛ تكوين الحزم ل «Capon التصنيف المتعدد للإشارات (MUSIC) والعديد من الطرق البارامترية؛ بالإضافة إلى تقدير التأخر
0 الزمني. على النحو الموصوف هناء يمكن نشر أدوات المصفوفة الصوتية السلبية المستخدمة في الكشف عن المصادر الصوتية الجوفية الناتجة عن الرمل وتصنيفهاء وبالتالي؛ التدفقات الجوفية؛ على كبل حفرء تجميعة تسجيل أداء خاصة بتسجيل الأداء أثناء الحفر logging-while-drilling ('("LWD والقياس أثناء الحفر ("MWD عصنللتك-عانط«-عمتسعهع0")؛_ على سبيل المثال. 5 يعرض الشكل 7 رسم تخطيطي لتجسيد لنظام تسجيل أداء حفر بئر بكبل حفر توضيحي. يتضمن النظام أداة مسبار 700 (على سبيل (JE أداة مصفوفة صوتية سلبية) معلقة من JS حفر 702 داخل حفرة بثر مغلفة 704. يتم استخدام الأداة 700 داخل أنابيب الإنتاج 706 التي يتم من خلالها ضخ الهيدروكريونات خارج حفرة البثر 704. يمكن أن تتضمن الأداة 700 على سبيل المثال» ثلاثة مستشعرات صوتية 708 على الأقل (على سبيل (JB) سماعات مائية)؛ التي يمكن 0 وضعها في مصفوفة خطية 710 بطول محور طولي 711 للأداة 700؛ ومن ثم لحفرة البئثر 704. علاوةً على ذلك؛ يمكن أن تتضمن الأداة 700 مجموعة دوائر تحكم ومعالجة مناسبة 712 Je) سبيل المثال؛ نظام الكشف عن الرمل وتصنيفه 100)؛ lly يمكن أن تكون؛ بدورهاء متصلة (على سبيل (Jl عبر وصلة سلكية أو نظام قياس عن بُعد) مع نظام معالجة بيانات سطحي 714. يمكن تنفيذ مرفق معالجة البيانات الذي يوفر الوظيفة الحاسوبية لمعالجة ودمج 5 الإشارات الصوتية المستقبلة بواسطة المستشعرات الفردية 708 والكشف عن تدفقات الرمل وتصنيفها على أساسه»؛ بواسطة واحدة من مجموعة دوائر التحكم والمعالجة 712 أو نظام dallas البيانات 714؛ أو بواسطة كليهما في توليفة. على سبيل المثال» في بعض التجسيدات؛ تعالج مجموعة دوائر التحكم والمعالجة 712 مسبقًا إشارات المستشعر الفردية (على سبيل المثال. عبر تهيئة الإشارات؛ الترشيح؛ و/أو إلغاء الضوضاء) وترسلها إلى نظام معالجة البيانات السطحي 0 714؛ حيث يتم تحليل البيانات؛ وبتم الكشف عن أي مصادر صوتية مستحثة بالتدفق وتحديد
موقعها بناءً عليها. يمكن تنفيذ JS من مجموعة دوائر التحكم والمعالجة 712 ونظام dalle البيانات السطحي 4 بوجدٍ عام في مكون كمبيوترء أو توليفة من مكون كمبيوتر وبرنامج Jie باستخدام معالج مُبرمج بشكل مناسب 718 وذاكرة مصاحبة 719. في العديد من التجسيدات؛ يمكن تقييم الإشارات الصوتية المعالجة مع القياسات الصادرة من مستشعرات أخرى؛ على سبيل (Ji قياسات درجة الحرارة وضغط ll على السطح؛ لتقييم ظروف التدفق وإجمالي تكامل البثر. يمكن استخدام هيئات مستشعر بديلة لدعم الكشف عن المصادر الصوتية في عملية تسجيل أداء بكبل الحفر. على سبيل المثال؛ في بعض التجسيدات؛ يتم استخدام JS من ألياف ضوئية موزعة بدلاً من مستشعرات النقطة الصوتية. يمكن تركيب كبل الألياف الضوئية بشكل دائم
0 في حفرة all على سبيل المثال؛ تثبيته خلف التغليف أو طمره في الحيز الحلقي المثبت بالأسمنت. يمكن مسح قناة؛ مناظرة لمقطع JS الألياف الضوئية؛ ضوئيًا للكشف عن الإشارات الصوتية المحيطة. في هذه الهيئة؛ تتماثل القنوات المختلفة عند أعماق مختلفة مع مستشعرات
باستخدام الأداة 700( يمكن أن تبحث مصفوفة المستشعر الصوتية؛ عند عمق تسجيل
5 أداء محددء عن حيز محدد (Bae على سبيل J إشارات صوتية ناتجة عن تحرك الرمل. يمكن تكرار هذا البحث Laie تتحرك المصفوفة إلى عمق AT لتسجيل أداء الحفر. وهكذاء خلال إمرار واحد لتسجيل الأداء بكبل الحفرء يمكن البحث عن المنطقة الممتدة للطول الكامل all للمصادر الصوتية المستحثة بتدفق الرمل. فور تحديد موقع الطاقة الصوتية؛ يمكن أن يحدد النظام وجود الرمل أوي يصنف الرمل على النحو الموصوف هنا.
في بعض التجسيدات؛ يتم تشغيل مصفوفة المستشعرات الصوتية في سرعة تسجيل أداء سريعة للكشف عن التدفقات بشكل مبدئي بدقة مكانية تقريبية. على سبيل المثال؛ يمكن تنفيذ depo تسجيل الأداء السريعة بمعدل مرتفع يصل إلى 60 قدم في الدقيقة. بمجرد الكشف عن واحد أو أكثر من تدفقات الرمل عند أعماق معينة؛ يمكن sale) تسجيل أداء المناطق عند الأعماق المذكورة عند سرعة تسجيل أداء lad أو بنمط ثابت؛ لتحديد موقع تدفق (تدفقات) الرمل بتباين مكاني
5 أكبر. في التجسيدات التي يتم فيها إصدار إشارة صوتية بطول مسار ممتد (مقارنة بإصدارها من مصدر نقطي)؛ يمكن تخطيط مسار التدفق الكامل في حيز ثنائي الأبعاد للعمق والمسافة نصف القطرية.
يعرض الشكل 8 رسم تخطيطي لنظام للكشف عن مصادر صوتية تحت أرضية ناتجة عن الرمال وتصنيفها يتم نشره بامتداد نظام حفر لعمليات تسجيل أداء ly MWD لطرق توضيحية
معينة للكشف الحالي. يمكن أن يفيد هذاء على سبيل المثال؛ في الكشف عن تدفقات الرمل بغرض
توجيه أو بخلاف ذلك ضبط الحفر على أساسها. مثلما هو موضح؛ يتضمن نظام الحفر جهاز حفر 800 موضوع عند سطح ji 804 وء؛ مدعوم بواسطة جهاز isl 800؛ سلسلة أنابيب حفر 6 لحفر حفرة i 808 عبر التكوينات تحت سطح الأرض 810. تتضمن سلسلة أنابيب الحفر 6 أنبوب حفر 812؛ وبوجةٍ عام يوجد عند الطرف السفلي من أنبوب الحفر 812؛ تجميعة قاع .bottom hole assembly (BHA) 814 yu 5
يمكن أن تتضمن 814 dail BHA الحفر 816( وبوجد فوقهاء واحد أو أكثر من أطواق
al 818؛ 820؛ والتي قد تحتوي على عددٍ من الأدوات والمعدات المختلفة المهيأة لأخذ قياسات ol عملية الحفر. وفقًا للعديد من التجسيدات»؛ يمكن أن تتضمن هذه الأدوات مصفوفة مستشعرات صوتية 824؛ على سبيل J تتضمن AD أو أكثر من المستشعرات الموضوعة خطيًّاء
0 ومجموعة دوائر التحكم والمعالجة المصاحبة 826 (على سبيل المثال؛ نظام الكشف عن الرمل وتصنيفه 100). يمكن أن تكون مصفوفة المستشعر الصوتية 824 متصلة بنظام معالجة بيانات aku 828. إجمالًاء توفر مصفوفة المستشعرات الصوتية 824 ومجموعة دوائر التحكم والمعالجة 826 و/أو نظام معالجة البيانات 828 وظيفة لتنفيذ طرق الكشف عن الرمل وتصنيفه الموصوفة هنا.
ag 15 لذلك؛ توفر أنظمة وطرق الكشف عن/تصنيف الرمل التوضيحية الموصوفة هنا عددًا من المميزات. Yl توفر الإطارات التي أساسها نموذج الكشف عن/تصنيف الرمل دون الحاجة إلى استخدام قياسات سطحية مكلفة واقتحامية لموائع الإنتاج (بالرغم من إمكانية استخدام القياسات dada) في تجسيدات معينة). (WG بواسطة توليفة من البيانات النظرية والتجريبية؛ تسمح إطارات النموذج للنظام بتوسيع إدراكه فيما يتعلق بخصائص الرمل وتحسين التصنيف والكشف
0 بمرور الوقت» بما أن مجموعة بيانات التدريب تتجاوز الإدراك النظري بدرجة كبيرة.
تتعلق التجسيدات والطرق الخاصة بالكشف الحالي الموصوفة هنا بشكل إضافي بأي واحدة أو أكثر من الفقرات التالية:
1. | طريقة يتم تنفيذها بكمبيوتر للكشف عن رمل في حفرة بئثرء تتضمن الطريقة الحصول على واحدة أو أكثر من الإشارات الصوتية باستخدام أداة مصفوفة صوتية سلبية
5 موضوعة بامتداد حفرة بئرء يتم إنتاج الإشارات الصوتية بواسطة تحرك الرمل في حفرة A بجوار الأداة؛ استخلاص سمة من الإشارات الصوتية؛ وتنفيذ واحد مما يلي أو كلاهما: الكشف عن وجود الرمل في حفرة Jul باستخدام السمة المستخلصة؛ وتصنيف الرمل باستخدام السمة المستخلصة.
2 طريقة يتم تنفيذها بكمبيوتر sll Wy 1 حيث يشتمل تصنيف الرمل على تحديد واحدة أو أكثر من كثافة الرمل؛ معدل التدفق؛ والحجم الجسيمي. 3. طريبقة يتم تنفيذها بكمبيوتر By للفقرة 1 أو 2 حيث يشتمل استخلاص السمة
على تحديد قيمة ذاتية قصوى للإشارات الصوتية؛ أو تحديد نسبة القيم الذاتية للإشارات الصوتية.
4 طريقة يتم تنفيذها بكمبيوتر By لأي من الفقرات 3-1؛ حيث يشتمل تصنيف الرمل على استخدام القيمة الذاتية القصوى لتحديد معدل تدفق الرمل؛ أو استخدام نسبة القيم الذاتية لتحديد معدل تدفق الرمل.
5. طريقة يتم تنفيذها بكمبيوتر وفقًا لأي من الفقرات d=] حيث يشتمل استخلاص
السمة على تحديد واحدة أو أكثر من كثافة القدرة الطيفية؛ مكون الزمن-التردد» مصفوفة التباين» أو أنماط الطور والسعة للإشارات الصوتية.
6م طريقة يتم تنفيذها بكمبيوتر Uy لأي من الفقرات 5-1؛ حيث يتم تطبيق تقنية تعلم الآلة لتحديد أي من السمات يتم استخلاصها من الإشارات الصوتية.
LT 10 طريقة يتم تنفيذها بكمبيوتر By لأي من الفقرات 6-1؛ حيث تستخدم تقنية تعلم الآلة بيانات تدريب متحقق منها يتم الحصول عليها من حفرة البثر أو حفر بئر أخرى لتحديد أي من السمات يتم استخلاصها من الإشارات الصوتية.
8. | طريقة يتم تنفيذها بكمبيوتر وفقًا لأي من الفقرات 7-1 تشتمل كذلك على تنفيذ عملية تدخل في حفرة ji على أساس وجود الرمل أو تصنيف الرمل.
15 9. نظام للكشف عن رمل في «Sh Bis يشتمل النظام على أداة مصفوفة صوتية سلبية لاستقبال مجموعة من الإشارات الصوتية باستخدام مستشعرات موضوعة عليهاء حيث تتم تهيئة أداة المصفوفة الصوتية السلبية ليت وضعها بامتداد حفرة Ju ويتم إنتاج الإشارات الصوتية بواسطة تحرك الرمل في حفرة ll بجوار أداة المصفوفة الصوتية السلبية؛ ومجموعة دوائر معالجة مقترنة على نحو متصل بأداة المصفوفة الصوتية السلبية لتنفيذ طريقة تشتمل على الحصول على
0 واحدة أو أكثر من الإشارات الصوتية باستخدام أداة المصفوفة الصوتية السلبية؛ استخلاص سمة من الإشارات الصوتية؛ وتنفيذ واحد مما يلي أو كلاهما: الكشف عن وجود الرمل في حفرة البثر باستخدام السمة المستخلصة؛ وتصنيف الرمل باستخدام السمة المستخلصة.
0. نظام Gg للفقرة 9 حيث يشتمل تصنيف الرمل على تحديد واحدة أو أكثر من كثافة الرمل؛ معدل التدفق؛ anally الجسيمي.
25 1. نظام Gy للفقرات 9 أو 10 حيث يشتمل استخلاص السمة على تحديد قيمة ذاتية قصوى أو نسبة قيمة قصوى للإشارات الصوتية.
2. نظام Gy لأي من الفقرات 11-9؛ حيث يشتمل تصنيف الرمل على استخدام القيمة الذاتية القصوى أو نسبة قيمة قصوى لتحديد معدل تدفق الرمل. 3. نظام Gy لأي من الفقرات 12-9؛ حيث يشتمل استخلاص السمة على تحديد
0 واحدة أو أكثر من كثافة القدرة الطيفية؛ مكون الزمن-التردد» مصفوفة التباين» أو أنماط الطور
والسعة للإشارات الصوتية. 4 نظام Wy لأي من الفقرات 13-9؛ حيث يتم تطبيق تقنية تعلم الآلة لتحديد أي من السمات يتم استخلاصها من الإشارات الصوتية. 5. نظام By لأي من الفقرات 14-9؛ حيث تستخدم تقنية تعلم الآلة بيانات تدريب متحقق منها يتم الحصول عليها من حفرة البئر أو حفر بئر gal لتحديد أي من السمات يتم استخلاصها من الإشارات الصوتية. 16 نظام Gy لأي من الفقرات 15-9؛ حيث تُشكل أداة المصفوفة الصوتية السلبية جزءًا من تجميعة تسجيل أداء أو كبل حفر. 7. طريقة للكشف عن رمل في حفرة «jh تتضمن الطريقة الحصول على إشارات 0 صوتية باستخدام أداة مصفوفة صوتية سلبية موضوعة بامتداد حفرة بثرء يتم إنتاج الإشارات الصوتية بواسطة تحرك الرمل بجوار الأداة؛ استخلاص سمة من الإشارات الصوتية؛ واستخدام السمة المستخلصة للكشف عن ركل في حفرة A 8 طريقة Gg للفقرة 17 حيث يشتمل الكشف عن الرمل كذلك على تصنيف الرمل. 9. طريقة وفقًا للفقرات 17 أو 18؛ Cua يتم استخدام قيمة ذاتية للكشف عن الرمل. 0. طريقة Gy للفقرات 19-17؛ Cua يتم استخدام تقنية تعلم الآلة للكشف عن الرمل. علاوة على ذلك؛ يمكن تنفيذ الطرق الموصوفة هنا بواسطة نظام يشتمل على مجموعة دوائر dallas أو وسط غير مؤقت قابل للقراءة بكمبيوتر يشتمل على تعليمات التي؛ عند تنفيذها بواسطة المعالج الواحد على الأقل؛ تتسبب في قيام المعالج بتنفيذ أي من الطرق الموصوفة هنا. على الرغم من عرض ووصف العديد من التجسيدات والطرق؛ فلا يقتصر الكشف الحالي على تلك التجسيدات والطرق؛ وسيتم إدراك أنها تتضمن جميع التعديلات والتغييرات مثلما سيتضح لأصحاب المهارة في المجال. وبالتالي» يجب إدراك أنه لا يجب قصر الكشف على الصور المحددة التي تم الكشف عنها. بل بالأحرى؛ يكون المنشود أن تغطي جميع التعديلات والمكافئات والبدائل التي تقع ضمن مجال وفحوى الكشف مثلما هو محدد بعناصر الحماية الملحقة. 5 إشارة مرجعية للرسومات الشكل 1: 58 — جهاز عرض 6 - أجهزة إدخال/إخراج 2 — معالج 9 - - تقل النظام
— وحدة نمطية للاتصال عبر الشبكة 4 — ذاكرة 114 - وحدة نمطية للكشف عن الرمل وتصنيفه الشكل 2: 5 208 — ااستخلاص daw مصفوفة 60 — كاشف/مصيف doy i - - كثافة الرمل - معدل تدفق الرمل - الحجم الجسيمي الشكل 3: j - القيمة الذاتية القصوى؛ القيمة القصوى = 1.00 ب 0 - العمق (+صفر إلى صفر) oz - التردد (50-1 كيلو هرتز) 3 — معدل تدفق يبلغ 200 رطل لكل بوصة مريعة: 129 (ملليلتر/الدقيقة) هه — معدل تدفق يبلغ 600 رطل لكل بوصة مربعة: 224 (ملليلتر/الدقيقة) و — معدل تدفق يبلغ 1000 dh) لكل بوصة مريعة: 289 (ملليلتر/الدقيقة) 3 — معدل تدفق يبلغ 1400 رطل لكل بوصة مريعة: 342 (ملليلتر/الدقيقة) 2 = معدل تدفق يبلغ 1800 رطل لكل بوصة مريعة: 387 (ملليلتر /الدقيقة) الشكل 4: 208 - استخلاص سمة مصفوفة 0 -- كاشف/مصيف doy 2 - تدريب النموذج j — - كثافة الرمل - معدل تدفق الرمل - الحجم الجسيمي الشكل 5: 8 - استخلاص dow مصفوفة 210 -- كاشف/مصيف do) 2 - تدريب النموذج i 30 - - كثافة الرمل
- معدل تدفق الرمل - الحجم الجسيمي 2 - قاعدة بيانات (بيانات أرشيفية يتم الحصول عليها من آبار متعددة) 504 - بيانات متحقق منها ب - ally لإعادة التدريب الشكل 6: 2 - الحصول على واحدة أو أكثر من الإشارات الصوتية باستخدام أداة مصفوفة سلبية 4 - استخلاص سمة من الإشارات الصوتية 6 — الكشف عن الرمل باستخدام السمة المستخلصة 6ب - تصنيف الرمل باستخدام السمة المستخلصة الشكل 7: 4 = نظام dallas بيانات 718 - معالج 9 — ذاكرة
Claims (3)
1. طريقة يتم تنفيذها بكمبيوتر computer-implemented method للكشف عن رمل في حفرة بثرء تشتمل الطريقة على: الحصول على إشارة صوتية acoustic signal واحدة أو مجموعة من الإشارات الصوتية باستخدام مجس واحد أو مجموعة من مجسات أداة مصفوفة صوتية سلبية 01م) passive acoustic array موضوعة بامتداد حفرة بثر» يتم إنتاج الإشارات الصوتية بواسطة تحرك الرمل في حفرة البثر بجوار الأداة؛ استخلاص سمة من الإشارات الصوتية باستخدام تقنية تعلم الآلة «machine learning technique حيث يشتمل استخلاص السمة على: استخلاص السمات من الإشارات الصوتية Cus تكون متغيرات التصنيف classification parameters 10 للسمات معروفة أو متعلمة؛ تحليل العلاقة بين السمات ومتغيرات التصنيف؛ و اختيار تلك السمات التي تقدر بدقة متغيرات التصنيف؛ حيث يتم استخلاص السمات المختارة؛ و تنفيذ واحد مما يلي أو كلاهما: الكشف عن وجود الرمل في Sin البثر باستخدام السمة المستخلصة؛ و 5 تصنيف الرمل باستخدام السمة المستخلصة؛ حيث يشتمل استخلاص السمة على: تحديد dad ذاتية eigenvalue قصوى للإشارات الصوتية؛ أو تحديد نسبة القيم الذاتية للإشارات الصوتية.
2. طريقة يتم تنفيذها بكمبيوتر computer-implemented method وفقاً لعنصر الحماية 1؛ حيث يشتمل تصنيف الرمل على تحديد واحدة أو مجموعة من كثافة الرمل؛ معدل التدفق؛ والحجم الجسيمي.
3. طريقة يتم تنفيذها بكمبيوتر computer-implemented method وفقاً لعنصر الحماية 1؛ حيث يشتمل تصنيف الرمل على: استخدام القيمة الذاتية eigenvalue القصوى لتحديد معدل تدفق الرمل؛ أو
5 .> استخدام نسبة القيم الذاتية لتحديد معدل تدفق الرمل.
4. طريقة يتم تنفيذها بكمبيوتر computer-implemented method وفقاً لعنصر الحماية 1؛ حيث يشتمل استخلاص السمة على تحديد واحدة أو مجموعة من كتثافة القدرة الطيفية spectral power cdensity مكون الزمن-التردد» مصفوفة التباين covariance matrix أو أنماط الطور والسعة للإشارات الصوتية.
5. طريقة يتم تنفيذها بكمبيوتر computer-implemented method وفقاً لعنصر الحماية ]¢ Cus تستخدم تقنية تعلم الآلة machine learning technique بيانات تدريب متحقق منها يتم الحصول عليها من حفرة البثر أو حفر بئر (GAT لتحديد أي من السمات يتم استخلاصها من الإشارات الصوتية .acoustic signals
6. طريقة يتم تنفيذها بكمبيوتر computer-implemented method وفقاً لعنصر الحماية 1؛ تشتمل كذلك على تنفيذ عملية تدخل في حفرة i على أساس وجود doll أو تصنيف الرمل.
7. طريقة يتم تنفيذها بكمبيوتر computer-implemented method وفقاً لعنصر الحماية 1؛ حيث تختار تقنية تعلم gj machine learning technique IY) من طيف القيمة الذاتية eigenvalue القصوى الذي يتم استخدامه على نحو أمثل للكشف عن وجود رمل.
8. طريقة يتم تنفيذها بكمبيوتر computer-implemented method وفقاً لعنصر الحماية 7 Cus 15 يتم ضبط طيف القيمة الذاتية eigenvalue القصوى باستخدام بيانات التدريب.
9. نظام للكشف عن رمل في حفرة بترء يشتمل النظام على: أداة مصفوفة صوتية سلبية 01م) passive acoustic array لاستقبال مجموعة من الإشارات الصوتية acoustic signals باستخدام مستشعرات موضوعة عليها؛ حيث تتم تهيئة أداة المصفوفة الصوتية السلبية ليتم وضعها بامتداد حفرة بئر ويتم إنتاج الإشارات الصوتية بواسطة تحرك الرمل في حفرة البثر بجوار أداة المصفوفة الصوتية السلبية ¢passive acoustic array tool و مجموعة دوائر معالجة مقترنة على نحو متصل بأداة المصفوفة الصوتية السلبية لتنفيذ طريقة تشتمل على: الحصول على إشارة صوتية واحدة أو مجموعة من الإشارات الصوتية باستخدام مجس واحد أو مجموعة من مجسات أداة المصفوفة الصوتية السلبية؛ 5 استخلاص سمة من الإشارات الصوتية باستخدام تقنية تعلم الآلة «machine learning technique حيث يشتمل استخلاص السمة على:
استخلاص السمات من الإشارات الصوتية Cus تكون متغيرات التصنيف classification parameters للسمات معروفة أو متعلمة؛ تحليل العلاقة بين السمات ومتغيرات التصنيف؛ و اختيار تلك السمات التي تقدر بدقة متغيرات التصنيف؛ حيث يتم استخلاص السمات المختارة؛ و تنفيذ واحد مما يلي أو كلاهما: الكشف عن وجود الرمل في Sin البثر باستخدام السمة المستخلصة؛ و تصنيف الرمل باستخدام السمة المستخلصة؛ حيث يشتمل استخلاص السمة على: تحديد dad ذاتية eigenvalue قصوى للإشارات الصوتية؛ أو 0 تحديد نسبة القيم الذاتية للإشارات الصوتية. 0 نظام وفقاً لعنصر الحماية 9( حيث يشتمل تصنيف الرمل على تحديد واحدة أو مجموعة من كثافة الرمل؛ معدل التدفق؛ والحجم الجسيمي.
1. نظام وفقاً لعنصر الحماية 9 حيث يشتمل تصنيف الرمل على استخدام القيمة الذاتية eigenvalue القصوى أو نسبة قيمة قصوى لتحديد معدل تدفق الرمل. 5 12. نظام وفقاً لعنصر الحماية 9 Gus يشتمل استخلاص السمة على تحديد واحدة أو مجموعة من كثافة القدرة الطيفية ¢spectral power density مكون الزمن-التردد» مصفوفة التباين ccovariance matrix أو أنماط الطور والسعة للإشارات الصوتية.
3. نظام وفقاً لعنصر الحماية 9 حيث تستخدم تقنية تعلم الآلة machine learning technique بياتات تدريب متحقق منها يتم الحصول عليها من حفرة Al أو حفر بئر أخرى لتحديد أي من 20 السمات يتم استخلاصها من الإشارات الصوتية.
4. نظام وفقاً لعنصر الحماية 9( حيث تُشكل أداة المصفوفة الصوتية السلبية passive acoustic array tool جزء i من تجميعة تسجيل أداء أو كبل حفر. طريقة للكشف عن رمل في حفرة «i تشتمل الطريقة على: الحصول على إشارات صوتية باستخدام مجس واحد أو مجموعة من مجسات أداة مصفوفة صوتية سلبية passive acoustic array tool موضوعة بامتداد حفرة بثرء يتم إنتاج الإشارات الصوتية بواسطة تحرك الرمل بجوار الأداة؛
استخلاص سمة من LEY) الصوتية بواسطة: استخلاص السمات من الإشارات الصوتية Cus تكون متغيرات التصنيف classification parameters للسمات معروفة أو متعلمة؛ تحليل العلاقة بين السمات ومتغيرات التصنيف؛ و اختيار تلك السمات التي تقدر بدقة متغيرات التصنيف؛ dus يتم استخلاص السمات المختارة بواسطة: تحديد dad ذاتية eigenvalue قصوى للإشارات الصوتية؛ أو تحديد نسبة القيم الذاتية للإشارات الصوتية؛ و استخدام السمة المستخلصة للكشف عن رمل في حفرة البثر 0 حيث يتم استخدام القيمة الذاتية للكشف عن الرمل. 6 طريقة وفقاً لعنصر الحماية 15؛ حيث يشتمل الكشف عن الرمل كذلك على تصنيف الرمل.
LA ~~ 1 أ \. _b 1 x Tox امه 0 ~ eS ل : ا el CXL WAT Bn > الا ل . 8 X ) 0 ' ١ الشكل Yas A HON Co . N جد 1 1 Nef d 1 المح : ا ُ =x ne ا 0 : N ا x Nas YR ١ ال wy > 1 i ! الم ا Ty بج ل ْ J YX = > ال لشكل :
م ire ¥ i 4 1 لمر أله 3 ] 51 il il Ie bt I #4 i ey 4 . ay iy K) i § J § | ~ . : . ١ | : 1 lh hk 1 | 0 ! I Sh 3 . : ا - ae Iq : ا 2 اب ا Su 3M HL Ley Loa Fhe اد لا تسيا ar? Ya { - CN 3 oe i وبين emer AE Lr ب A . و Ce ee aan i § ‘a oo “hn اال اسع سد ذاه و هج ادس TERR ات A بجو مايا ب ال امعد ih tT TA Saas ; “dh ا اتيب a ra aaa اساي جاه ver مالعا مسحت RATE BTR TRESS 1 ا ااي Bt == ”كيين LET | بخ free TSR . Te, Sa م ب Ce a wr Ze i a“ wa EN Cg a Tow ال« Loh lm > ED a wo or x BE » Cw w we * x Fa =
—_ 2 3 —_ جع 5 i \ لام | HN © ٍ HS ض ا : Ho Co أ لبا ٍْ سل 7 1 | 4 ١ إ . أ“ > ’ «7 x & Se X 3 +1 ا i : كد حي ERE | gz لكشلا اس LY [A 1 ا ؟ 0 ا : Ni 0 + 4 | له [TT t
0. > a } } [ \ x g 1 i J > LA Nel Li! * إٍْ i Caen إْ ا = BE 0 سس eo oo EEN :
4 x > 3 Se ¥ ون TE 133 بس ا ed Yow Ne CY, > > الشكل at J
5 . WY حملي : WALA “a = 04 ً | 0 | الا ال و : A 1 1 ا Fa + N 1 = Tr ee . FLATT مال يا TT Ta حملن 0 3 3 a 3 Lo 5 8 حر 4 3 ا ا 0 4 1 3 \
A |. TT er eddy ~ pr Le ATT PT lh ta pr لاه RT et ال عد eT he yori اا ال ب 1 ١ الح LR I 3 . Lob eth سي 1 1 4 rn § ee : - لحي ا ًُ 1 اا 0 ص ب nt 3 3 ؟ + ا 1 ا 1 اي | ed = قاد ee \ \ i ل ٍ حي : 3 cy 5 LR oF الا اهمهي 3 et مك ما لجا أ ام a حتت .ا oon الا أ سس 7 : CURL Lae ; CATT 4 .f Lo COAL Ae ee ¥ Yi Le 8 2 ee 1لا نا WATT RHR LA Puy لأ mr Leo RTT A LEVY RR, Cand 1 1 1 1 soa 010 eet [AY Ceri Fd HE CT اس١ 1 1 ةلص 0 Spr TL 1) د لد 3 ef oo oe 1 7 | ee Ah Eh 4 ا ل a 0 , ا ا ا - AT Loy eed * 0. 1ت ' را 3 ee bye IR Co. ١ . 3 : 3 3 5 wl Lee de : A fei vy زا i ا ١ Ld = Tefen y لحا AN fib ee ْ: ae i لأسا bo. خا سا أ TILT ْ:ِ ىت ك N : ار لا ححا Se CERT ْ: ا bei 4ض ل رسا ا( م« ام ١ ee أ Tg 4ه = . See أت “Td pd SAY AT oh 3 بن 4 A الل 1 ry ْ ا لبن Viel] i ذخ( أل both UT Joo] Ten LT 4 - ! AP, Te ty i bt 3 yd ” od NET 3 ماي Lo footed إن اانا لس ا ِ 1 4 Eee 4 Ch ved | اسح الوح 1 : TAM م ١ - A coi fa fmm TERT - نا VT] 0: CE ey لل اج احا ٠ | : Ee Ao vy 030 030 lee & oF Et . ad ا لي تخا أذ NE []— I . حصا مااطلط oI نا )أ A. dein 0 HN نأ |e Veh a AE سل أ ا ُْ 0 , i . Ph ١ ١ ا اي 1 ١ ب م لحن 1 | TY حم yeh 4 3 3 A. . | ناا N\ ra ا يق لسار ان ا . A | a 5 . rT تسيا i ب ٠ ١ . 6 ' 1 و مصلا 1 Sl ١ en ساك الل تن ا ا لا ras; 3 1 \ VY الشكل Y
ووو و اناك ا حر CATA | ; : i 1] 3 3 . lr سس : TTS يي تيم . dl] FR! : ا A LEY LY TE ft اال الحم Bh INARI RL ولس ل ET Cn اأحسل = ey IE 4 الي AT A أ -— 34% wm Le PES pL oh | اح ee اساي eT Eh الا أ أل لاسي لسر ps للب | he TTR Ae LANEY eh oe ye التي CET 1 لإا اس A UT أ ل لح ا الما Le AT A NB ee Lh eerie PRE Ek) ا LE Ve 1 رسيا احا ل ل سي LY مل لسر 1 لأس سي الأ : 1 يا hv ا الي eT hn TL اال 39 adie 1 RE eet ded ف fo جا أ i 0. ل أ poses i Ck 1 مل لحي Le CR من 3 rt Som | ed 1 لاسا نس A cE الل ١ الت لد الل و ال ال لماجا fair ET سي " 1 الحا ليسا ْ سي تج لاسي ا ا ; أ إلا a ا i i Fo I Td LA er Fpl Abd CRA en ATR Lh i i Ve 3% Lei \ YA Ly hoe) 1 co 1 سبج ee he RRL 1 i Abed LI حل ل ل لس أ 0 ا دا حي ا الحم 4 ely i : i eR x ااه تي لجعي ا : 1 سجس “3 3 A Ly سيت م ب د A ا Y 3 Lo es ns انح تي للست TNE . 3 i أ الي امام آنا Ne Te م اث أ Fob A H i i م الجا ارح ادي ارم 4 VES A i i Sn الي ل أل ريا RSS SEES } ; i od Aan 7 A= إٍْ ا يا ا ل بحاي اا : : تي اي ّ مار i : INL SN ل ATE 3 Ek: . » - 2 r Sr [| i - الأ راض | رلا اك أ ال ا اح 4 ee en م Ig ee hed i ERENT 2 RRR إٍْ مي لاس wed CAN { NS ا Bb جا ا اللا i 2 ae a م ال الام ا i ايا Ne || — م a - i 3 eX ب 5, = k) = 4 aria أي 3 $ Y I § oe ا اي رض ااا Wh Aad : AYE SIC ya 8 Tk ho 0 i 3 Nor ea ANERAL CAT ; od ال .7 ار ل ب Sa i 1 - a حي ا : ا ا ATK { الما ا ANTES i ANY \ 2. الما ال ل i tT لت a : . SN TT] iy . أ
. 5, Wr ادا Le الب EN x A © : REA || Na i LAY CRNA TY i مرا RN go NOLEN Ne } eA NEST ري : \ NT A y 7 EY ب : i NA Ne ل eed Sh i WINS oe Nase لله PE fo % 3S i 1 الل ig oN ETN Se A i إٍْ اك ار ل Bath NR EY a EN A BN SE 8 ااا ا : TETANY Fo Se يب i Ea ry en Wo ل hoy 5 $d AP اي الاي ٍ لا ل * 1 > حص 5 ا ل 5, Ser, AY ان ا SEIN eT eB eT Ea wh Ne TS A NON A a a |g = 4
الحاضهة الهيلة السعودية الملضية الفكرية Swed Authority for intallentual Property pW RE .¥ + \ ا 0 § ام 5 + < Ne ge ”بن اج > عي كي الج دا لي ايام TEE ببح ةا Nase eg + Ed - 2 - 3 .++ .* وذلك بشرط تسديد المقابل المالي السنوي للبراءة وعدم بطلانها of سقوطها لمخالفتها ع لأي من أحكام نظام براءات الاختراع والتصميمات التخطيطية للدارات المتكاملة والأصناف ع النباتية والنماذج الصناعية أو لائحته التنفيذية. »> صادرة عن + ب ب ٠. ب الهيئة السعودية للملكية الفكرية > > > ”+ ص ب 101١ .| لريا 1*١ uo ؛ المملكة | لعربية | لسعودية SAIP@SAIP.GOV.SA
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/US2016/053705 WO2018057029A1 (en) | 2016-09-26 | 2016-09-26 | Wellbore sand detection using passive acoustic array |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| SA519401129B1 true SA519401129B1 (ar) | 2023-01-03 |
Family
ID=61689666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| SA519401129A SA519401129B1 (ar) | 2016-09-26 | 2019-02-18 | الكشف عن رمل حفرة بئر باستخدام مصفوفة صوتية سلبية |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10983238B2 (ar) |
| EP (1) | EP3472429A4 (ar) |
| BR (1) | BR112019003196A2 (ar) |
| SA (1) | SA519401129B1 (ar) |
| WO (1) | WO2018057029A1 (ar) |
Families Citing this family (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3440314B1 (en) | 2016-04-07 | 2020-06-03 | BP Exploration Operating Company Limited | Detecting downhole sand ingress locations |
| BR112018070577A2 (pt) | 2016-04-07 | 2019-02-12 | Bp Exploration Operating Company Limited | detecção de localizações de ingresso de areia de fundo de poço |
| EP3583296B1 (en) | 2017-03-31 | 2021-07-21 | BP Exploration Operating Company Limited | Well and overburden monitoring using distributed acoustic sensors |
| AU2018321150A1 (en) | 2017-08-23 | 2020-03-12 | Bp Exploration Operating Company Limited | Detecting downhole sand ingress locations |
| AU2018350092A1 (en) | 2017-10-11 | 2020-05-14 | Bp Exploration Operating Company Limited | Detecting events using acoustic frequency domain features |
| CN108612519B (zh) * | 2018-04-25 | 2022-01-21 | 西安石油大学 | 油气井出砂的监测方法及装置 |
| AU2019389281A1 (en) | 2018-11-29 | 2021-06-17 | Bp Exploration Operating Company Limited | Das data processing to identify fluid inflow locations and fluid type |
| GB201820331D0 (en) | 2018-12-13 | 2019-01-30 | Bp Exploration Operating Co Ltd | Distributed acoustic sensing autocalibration |
| WO2020131082A1 (en) * | 2018-12-20 | 2020-06-25 | Halliburton Energy Services, Inc. | Real-time monopole sonic logging using physics-based artificial intelligence |
| US12147005B2 (en) * | 2019-01-23 | 2024-11-19 | Schlumberger Technology Corporation | Ultrasonic pulse-echo and caliper formation characterization |
| AU2019433619A1 (en) * | 2019-03-14 | 2021-10-07 | Bp Exploration Operating Company Limited | Detecting events at a flow line using acoustic frequency domain features |
| EA037843B1 (ru) * | 2019-04-19 | 2021-05-26 | Общество С Ограниченной Ответственностью "Сонограм" | Способ детектирования зон выноса твердых частиц в скважине |
| US10989047B2 (en) * | 2019-05-10 | 2021-04-27 | Halliburton Energy Services, Inc. | Systems and methods for sand flow detection and quantification |
| US12529811B2 (en) * | 2019-05-10 | 2026-01-20 | Halliburton Energy Services, Inc. | Detection and quantification of sand flows in a borehole |
| WO2021052602A1 (en) | 2019-09-20 | 2021-03-25 | Lytt Limited | Systems and methods for sand ingress prediction for subterranean wellbores |
| CA3154435C (en) | 2019-10-17 | 2023-03-28 | Lytt Limited | Inflow detection using dts features |
| EP4045766A1 (en) | 2019-10-17 | 2022-08-24 | Lytt Limited | Fluid inflow characterization using hybrid das/dts measurements |
| WO2021093974A1 (en) | 2019-11-15 | 2021-05-20 | Lytt Limited | Systems and methods for draw down improvements across wellbores |
| WO2021119306A1 (en) * | 2019-12-10 | 2021-06-17 | Origin Rose Llc | Spectral analysis and machine learning of acoustic signature of wireline sticking |
| US12098630B2 (en) * | 2020-02-04 | 2024-09-24 | Halliburton Energy Services, Inc. | Movement noise suppression in a moving array for downhole leakage localization |
| WO2021242089A1 (en) * | 2020-05-28 | 2021-12-02 | A/L Murugiah Suresh | System and method for quantification of solid particles in a moving fluid |
| EP4491845A3 (en) | 2020-06-11 | 2025-03-12 | Lytt Limited | Systems and methods for monitoring fluid outflow flow along a wellbore |
| WO2021254633A1 (en) | 2020-06-18 | 2021-12-23 | Lytt Limited | Event model training using in situ data |
| EP4168647A1 (en) | 2020-06-18 | 2023-04-26 | Lytt Limited | Event model training using in situ data |
| US11674383B2 (en) | 2020-11-03 | 2023-06-13 | Halliburton Energy Services, Inc. | Acoustic beamforming techniques with simultaneous acoustic velocity estimation |
| US11353617B1 (en) | 2020-12-08 | 2022-06-07 | Halliburton Energy Services, Inc. | Deep learning methods for wellbore leak detection |
| EP4141217A1 (en) * | 2021-08-27 | 2023-03-01 | ExxonMobil Technology and Engineering Company | Methods of characterizing acoustic output from hydrocarbon wells |
| US12312946B2 (en) | 2021-11-11 | 2025-05-27 | Halliburton Energy Services, Inc. | Oil and gas well multi-phase fluid flow monitoring with multiple transducers and machine learning |
| US20240369728A1 (en) * | 2023-05-03 | 2024-11-07 | Halliburton Energy Services, Inc. | Multisource spectral noise logging method and apparatus |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5373486A (en) * | 1993-02-03 | 1994-12-13 | The United States Department Of Energy | Seismic event classification system |
| CA2524666C (en) | 1997-05-02 | 2008-04-22 | Sensor Highway Limited | Wellbores utilizing fiber optic-based sensors and operating devices |
| US20070047867A1 (en) * | 2003-10-03 | 2007-03-01 | Goldner Eric L | Downhole fiber optic acoustic sand detector |
| US7503217B2 (en) * | 2006-01-27 | 2009-03-17 | Weatherford/Lamb, Inc. | Sonar sand detection |
| US7663970B2 (en) | 2006-09-15 | 2010-02-16 | Microseismic, Inc. | Method for passive seismic emission tomography |
| US7894300B2 (en) | 2007-01-18 | 2011-02-22 | Schlumberger Technology Corporation | Fluid characterization from acoustic logging data |
| US8364421B2 (en) | 2008-08-29 | 2013-01-29 | Schlumberger Technology Corporation | Downhole sanding analysis tool |
| NO330636B1 (no) * | 2009-02-23 | 2011-05-30 | Roxar Flow Measurement As | Anordning og fremgangsmate for akustikkbasert sandovervaking ved et rorsystem |
| EP2444799B1 (en) | 2010-10-25 | 2014-07-02 | Vetco Gray Controls Limited | Sand detector calibration |
| GB201312549D0 (en) | 2013-07-12 | 2013-08-28 | Fotech Solutions Ltd | Monitoring of hydraulic fracturing operations |
| US9217807B2 (en) | 2013-07-23 | 2015-12-22 | Schlumberger Technology Corporation | Systems and methods for identifying sanding in production wells using time-lapse sonic data |
| WO2015035060A1 (en) | 2013-09-05 | 2015-03-12 | Shell Oil Company | Method and system for monitoring fluid flux in a well |
| US20150198034A1 (en) | 2014-01-16 | 2015-07-16 | Baker Hughes Incorporated | Production fluid monitoring system including a downhole acousting sensing system having a downhole pulsator |
| EP3158302B1 (en) * | 2014-06-18 | 2021-12-29 | Innopix, Inc. | Spectral imaging system for remote and noninvasive detection of target substances using spectral filter arrays and image capture arrays |
| US20150377667A1 (en) * | 2014-06-30 | 2015-12-31 | Saudi Arabian Oil Company | Virtual multiphase flow metering and sand detection |
| EP3132118B1 (en) | 2014-07-18 | 2020-02-19 | Halliburton Energy Services, Inc. | Determining locations of acoustic sources around a borehole |
| WO2016115030A1 (en) | 2015-01-13 | 2016-07-21 | Halliburton Energy Services, Inc. | Acoustic downhole leak classification and quantification |
| EP3224451A4 (en) | 2015-01-13 | 2018-07-04 | Halliburton Energy Services, Inc. | Acoustic array signal processing for flow detection |
| WO2017062015A1 (en) | 2015-10-08 | 2017-04-13 | Nam Nguyen | Stitching methods to enhance beamforming results |
-
2016
- 2016-09-26 BR BR112019003196A patent/BR112019003196A2/pt not_active Application Discontinuation
- 2016-09-26 WO PCT/US2016/053705 patent/WO2018057029A1/en not_active Ceased
- 2016-09-26 US US15/546,982 patent/US10983238B2/en active Active
- 2016-09-26 EP EP16916995.0A patent/EP3472429A4/en active Pending
-
2019
- 2019-02-18 SA SA519401129A patent/SA519401129B1/ar unknown
Also Published As
| Publication number | Publication date |
|---|---|
| EP3472429A1 (en) | 2019-04-24 |
| US20190203585A1 (en) | 2019-07-04 |
| EP3472429A4 (en) | 2020-02-26 |
| WO2018057029A1 (en) | 2018-03-29 |
| BR112019003196A2 (pt) | 2019-06-18 |
| US10983238B2 (en) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| SA519401129B1 (ar) | الكشف عن رمل حفرة بئر باستخدام مصفوفة صوتية سلبية | |
| EP3215712B1 (en) | Acoustic downhole leak classification and quantification | |
| US9097821B2 (en) | Integrated workflow or method for petrophysical rock typing in carbonates | |
| US7873475B2 (en) | Device and method of measuring depth and azimuth | |
| US8571796B2 (en) | Device and method of determining rate of penetration and rate of rotation | |
| US12529811B2 (en) | Detection and quantification of sand flows in a borehole | |
| CN106170606A (zh) | 使用持久套管特征的在井孔中的高分辨率连续深度定位 | |
| US11988790B2 (en) | Residual signal detection for noise attenuation | |
| US10323505B2 (en) | Radioactive tag detection for downhole positioning | |
| CN105350954B (zh) | 基于钻柱输送测井仪器的时深获取方法和装置 | |
| US12129757B2 (en) | Automatic well log correction | |
| US8994549B2 (en) | System and method of facilitating oilfield operations utilizing auditory information | |
| CA3107816C (en) | Data-driven domain conversion using machine learning techniques | |
| US20240337181A1 (en) | Early detection of scale in oil production wells | |
| US12339930B2 (en) | Sequence stratigraphic interpretation of seismic data | |
| US20240248230A1 (en) | Seismic well tie based on machine learning | |
| US20250111663A1 (en) | Displaying fully connected layers in a neural network as seismic data | |
| NO20211013A1 (en) | Virtual core generation and modeling | |
| Calvez et al. | An Edge-Cloud Sensor-Agnostic Framework for Real-Time Microseismic Monitoring and Analysis | |
| Taubassova et al. | Fracture Characterization by Integrating Seismic-Derived Attributes with Production Well Data in an Offshore Super-Giant Carbonate Field, North Caspian Basin | |
| Zhong et al. | Machine Learning Classifier for Detecting Non-1D Features Using Deep Directional Resistivity Measurements | |
| Li et al. | Optimizing horizontal well placement with reservoir characterized modeling and advanced logging while drilling technologies | |
| Kayes | Synthetic seismic validation of reservoir models of the carbonate gas fields in Offshore Sarawak, Malaysia |