-
公开(公告)号：CN117150178A
公开(公告)日：2023-12-01
申请号：CN202311115587.6
申请日：2023-08-31
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种基于成像测井和人工神经网络的裂缝线密度预测方法，通过对不同研究地区成像测井布设量稀少，取芯严重不足从而导致无法获得大量单井纵向裂缝线密度资料的情况提供了单井纵向裂缝线密度预测新的思路，应用单井含有裂缝线密度曲线的成像测井资料作为基础数据，优选常规测井曲线中对裂缝敏感性较强的多种测井曲线作为识别样本，通过借助Petrel软件中自带的神经网络功能，对不具备裂缝线密度曲线的井进行裂缝线密度曲线的预测，再经过单井成像测井资料和岩心资料对预测结果验证，通过反复调试最终达对没有成像测井和取芯段裂缝线密度发育情况的预测。
-
Patent Agency Ranking
公开(公告)号：CN114357887A
公开(公告)日：2022-04-15
申请号：CN202210013790.1
申请日：2022-01-06
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种基于BP神经网络的复杂井况钻前泥浆漏失预测方法，所述方法为：S1、收集目标区域历史地震属性数据、漏失案例相应的工程及地质数据资料；S2、对收集数据进行标准化处理，并且为了方便方法的实施，对所有数据进行转换处理；S3、以预处理后的历史地震数据为输入，以漏失情况为输出，以真实漏失状态为标准值，监督训练并优化得到漏失预测神经网络模型；S4、输入目标区域地震即时地震数据，由模型自动评判出此区域各深度对应的漏失情况。本发明解决了现有复杂井况钻前难以准确预测井内状况、容易出现泥浆漏失的问题。
-
公开(公告)号：CN114386305B
公开(公告)日：2025-04-11
申请号：CN202210032430.6
申请日：2022-02-10
Applicant: 中国地质大学(北京)
IPC: G06F30/23 , G06Q10/04 , G06Q50/02 , G06F119/14 , G06F111/10
Abstract: 本发明实施例公开了一种基于主控因素类比的钻前泥浆漏失预测方法及系统，对漏失区域数据资料进行分析，确定影响漏失的主控因素集以及漏失位置的泥浆漏失量；通过相关性分析得到主控因素集中各因素与泥浆漏失量之间的相关关系；获取待预测区域的各主控因素值，并根据得到的各因素与泥浆漏失量之间的相关关系，得到待预测区域的泥浆漏失量预测结果。实现复杂井况钻井前的泥浆漏失预测，通过在钻井前对地层进行井漏预测，对钻井提供指导，避开钻井漏失层段，提高钻探成功率。
-
公开(公告)号：CN114357887B
公开(公告)日：2025-02-28
申请号：CN202210013790.1
申请日：2022-01-06
Applicant: 中国地质大学(北京)
IPC: G06F30/27 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于BP神经网络的复杂井况钻前泥浆漏失预测方法，所述方法为：S1、收集目标区域历史地震属性数据、漏失案例相应的工程及地质数据资料；S2、对收集数据进行标准化处理，并且为了方便方法的实施，对所有数据进行转换处理；S3、以预处理后的历史地震数据为输入，以漏失情况为输出，以真实漏失状态为标准值，监督训练并优化得到漏失预测神经网络模型；S4、输入目标区域地震即时地震数据，由模型自动评判出此区域各深度对应的漏失情况。本发明解决了现有复杂井况钻前难以准确预测井内状况、容易出现泥浆漏失的问题。
-
公开(公告)号：CN114386305A
公开(公告)日：2022-04-22
申请号：CN202210032430.6
申请日：2022-02-10
Applicant: 中国地质大学(北京)
IPC: G06F30/23 , G06Q10/04 , G06Q50/02 , G06F119/14 , G06F111/10
Abstract: 本发明实施例公开了一种基于主控因素类比的钻前泥浆漏失预测方法及系统，对漏失区域数据资料进行分析，确定影响漏失的主控因素集以及漏失位置的泥浆漏失量；通过相关性分析得到主控因素集中各因素与泥浆漏失量之间的相关关系；获取待预测区域的各主控因素值，并根据得到的各因素与泥浆漏失量之间的相关关系，得到待预测区域的泥浆漏失量预测结果。实现复杂井况钻井前的泥浆漏失预测，通过在钻井前对地层进行井漏预测，对钻井提供指导，避开钻井漏失层段，提高钻探成功率。
-
公开(公告)号：CN117150178B
公开(公告)日：2024-07-12
申请号：CN202311115587.6
申请日：2023-08-31
Applicant: 中国地质大学(北京)
Abstract: 本发明公开了一种基于成像测井和人工神经网络的裂缝线密度预测方法，通过对不同研究地区成像测井布设量稀少，取芯严重不足从而导致无法获得大量单井纵向裂缝线密度资料的情况提供了单井纵向裂缝线密度预测新的思路，应用单井含有裂缝线密度曲线的成像测井资料作为基础数据，优选常规测井曲线中对裂缝敏感性较强的多种测井曲线作为识别样本，通过借助Petrel软件中自带的神经网络功能，对不具备裂缝线密度曲线的井进行裂缝线密度曲线的预测，再经过单井成像测井资料和岩心资料对预测结果验证，通过反复调试最终达对没有成像测井和取芯段裂缝线密度发育情况的预测。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
