-
公开(公告)号:CN120088085A
公开(公告)日:2025-06-03
申请号:CN202510421425.8
申请日:2025-04-03
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种页岩气多层叠置储层甜点评价与分层压裂决策方法,属于油气田开发技术领域,包括:计算孔隙度、吸附气含量、有机碳含量、镜质体反射率地质参数;计算脆性指数、断裂韧性工程参数;采用CRITIC权重法进行归一化处理及权重分配,构建地质‑工程综合评价模型,划分四类甜点区;通过“主参数优先+异常值校验”混合方法,优先分析高权重参数的层间梯度,并基于3σ原则对低权重参数异常突变进行局部精细校验;结合刚性‑柔性分层模型,动态决策压裂分层策略,优化裂缝网络复杂度。本发明通过多参数融合评价提升储层识别精度,利用动态分层决策增强压裂效率,最终降低开发成本,为页岩气高效开发提供技术支撑。
-
公开(公告)号:CN119918399A
公开(公告)日:2025-05-02
申请号:CN202411978354.3
申请日:2024-12-30
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06N3/0442 , G06N3/084 , G06N3/0985 , G06F119/14
Abstract: 本发明涉及一种基于机器学习模型的层理性页岩大位移井破裂压力预测方法。S1:获取已钻井数据并收集井下岩芯,开展沿层理方向的各向异性页岩抗拉力学实验,依据实验结果构建页岩破裂准则;S2:构建层理性页岩大位移井破裂压力模型,结合现场地破实验数据对计算出的破裂压力值校正整合;S3:结合大斜度井井身结构条件,运用力学模型计算破裂压力,利用现场小压数据验证,形成破裂压力计算分析数据库;S4:基于机器学习方法训练预测模型,确定WT‑LSTM模型结构,设置隐藏层并进行训练;S5:通过超参数调整、特征选择与重要性评估手段,优化基于机器学习的破裂压力模型。本发明综合多因素提升大斜度井破裂压力预测准确性,为现场复杂层理性页岩压裂工程设计提供数据支持,有助于大位移井施工合理选择参数,提高适应性与安全性,为层理性页岩油气资源开发提供数据支撑。
-
公开(公告)号:CN119476073A
公开(公告)日:2025-02-18
申请号:CN202411261173.9
申请日:2024-09-09
Applicant: 中国石油大学(华东)
IPC: G06F30/28 , E21B43/26 , G06F113/08 , G06F119/14
Abstract: 本发明提出创新的实时油嘴尺寸计算方法,该方法特别考虑波动压力对支撑剂回流的影响。首先收集压裂井目标储层基础参数,紧接着精确计算水力裂缝闭合后的裂缝宽度,推导出排液临界流量需求,再计算油嘴开关操作引发的波动压力与支撑剂颗粒启动的临界流速。利用波动压力,结合井口油压、临界流速与管柱摩阻损失,动态确定给定井口油压下的井底压力、排液临界流速与流量,确保计算实时准确。通过实时监测井口油压与临界流量,算出适宜油嘴直径,简化对滤失系数、裂缝高度等难获取参数的依赖,提高计算及操作便捷性与可靠性。该方法能遍历井口油压数据,重复计算,实时调整输出匹配油嘴直径,实现油嘴尺寸动态优化,保障压裂后快速排液的稳定高效。
-
公开(公告)号:CN119129923A
公开(公告)日:2024-12-13
申请号:CN202411255670.8
申请日:2024-09-09
Applicant: 中国石油大学(华东)
IPC: G06Q10/063 , G06Q10/04 , G06Q50/06 , G06F17/15 , G06F17/11 , G06F18/22 , G06F18/23213 , E21B47/00 , E21B33/13 , E21B43/26
Abstract: 本发明提供了一种基于数据驱动的水平井暂堵压裂有效性评价方法,包括:(1)收集地质力学参数和压裂改造参数,利用皮尔逊相关系数法分析与暂堵升压压力的相关性,建立暂堵升压预测模型;(2)确定射孔簇初始排量,建立压力平衡方程,优化瞬时排量,计算排量分配变异系数;(3)根据孔眼摩阻与排量关系,定义孔眼暂堵效率,评估暂堵前后孔眼变化;(4)应用动态时间规整(DTW)和K‑Means算法对井底压力曲线进行聚类分析,识别井底压力曲线形态;(5)建立评分表,通过专家打分法确定各特征参数权重,计算综合得分,依据分级表评价暂堵压裂效果。该方法综合运用多种参数和算法,实现对暂堵压裂效果的精准评价,为油气藏水平井分段压裂中暂堵作业的效果评价提供科学工具,有助于优化水平井暂堵压裂工艺,提升油气井产能。
-
公开(公告)号:CN119538763A
公开(公告)日:2025-02-28
申请号:CN202411365922.2
申请日:2024-09-29
Applicant: 中国石油大学(华东)
IPC: G06F30/28 , G06F30/27 , G06F18/241 , G06F18/27 , G06N3/0442 , G06N3/045 , G06F113/08 , G06F119/14 , G06F111/08 , G06F119/02
Abstract: 本发明涉及一种基于机器学习的致密砂岩水力裂缝穿层预测方法,首先通过测井数据分析确定储层和隔层的关键参数;通过收集实际水力压裂数据,构建包含地层参数和施工参数的数据集,利用Z‑分数方法去除异常值,并设计了基于递归神经网络的测井数据预测模型,生成合成数据以增强数据集的完整性,有效解决了测井数据信息缺失问题,在此基础上,采用决策树、支持向量机和逻辑回归作为基分类器,通过误差最优最小二乘法和均方误差倒数法计算权重,最后使用加权平均方法,得到集成分类器F(x),用于预测水力裂缝的穿层情况。本发明步骤清晰,易于操作,能够快速对特定区块的水力压裂水平井进行穿层预测,为制定合理的压裂参数提供了科学依据。
-
-
-
-