公开(公告)号：CN114817836A

公开(公告)日：2022-07-29

申请号：CN202210485263.0

申请日：2022-05-06

Applicant: 西南石油大学

Inventor： 许成元 ,  谢智超 ,  康毅力 ,  李大奇 ,  游利军 ,  白英睿 ,  刘磊

IPC: G06F17/11

Abstract: 本发明公开了一种深井超深井钻井液漏失类型诊断方法，属于油气藏开发技术领域，本方法包括如下步骤；收集深井超深井工程地质特征资料，建立深井超深井钻井液漏失动力学模型，具体包括诱导破裂型、裂缝扩延型和天然缝洞型三种漏失模型；求解上述深井超深井钻井液漏失动力学模型并制作漏失模型的钻井液漏失速率‑时间特征曲线作为特征版图；记录待判定深井超深井钻井液漏失发生初期钻井液漏失速率数据，绘制钻井液漏失速率‑时间关系曲线；通过将深井超深井现场钻井液漏失速率‑时间关系曲线与不同漏失类型的特征图版对比，诊断深井超深井钻井液漏失类型；本发明为钻井液漏失提供了理论判读依据，能够实现及时、有针对性、高效的漏失控制。

公开(公告)号：CN102562040B

公开(公告)日：2014-10-01

申请号：CN201210023152.4

申请日：2012-02-02

Applicant: 西南石油大学

Inventor： 康毅力 ,  游利军 ,  李大奇 ,  李松 ,  陈一健 ,  李相臣 ,  许成元

IPC: E21B47/10

Abstract: 本发明涉及高温高压钻井液漏失动态评价仪，主要由循环釜体、搅拌电机、电机及温控系统、裂缝模块、中间容器、氮气源组成，搅拌电机固定于釜体顶盖并与循环釜体密封连接，带动循环釜体内的转轴和搅拌叶片转动，中间容器的进气孔连接氮气源，排液孔连接循环釜体排液阀，循环釜体下部连接裂缝模块，裂缝模块主要由上柱体、下柱体和加热板组成，带凹槽的上、下柱体中间放置橡胶垫片形成裂缝。本发明具有自动化程度高、功能齐全、裂缝模块类型齐全且尺寸大、实时监测钻井液滤失等特点，克服了常规堵漏装置尺寸规模偏小及裂缝类型单一而不能模拟复杂的缝洞性漏失、裂缝壁面滤失测试和评价堵漏封堵层位置及其渗透性方面的不足。

公开(公告)号：CN102562040A

公开(公告)日：2012-07-11

申请号：CN201210023152.4

申请日：2012-02-02

Applicant: 西南石油大学

Inventor： 康毅力 ,  游利军 ,  李大奇 ,  李松 ,  陈一健 ,  李相臣 ,  许成元

IPC: E21B47/10

Abstract: 本发明涉及高温高压钻井液漏失动态评价仪，主要由循环釜体、搅拌电机、电机及温控系统、裂缝模块、中间容器、氮气源组成，搅拌电机固定于釜体顶盖并与循环釜体密封连接，带动循环釜体内的转轴和搅拌叶片转动，中间容器的进气孔连接氮气源，排液孔连接循环釜体排液阀，循环釜体下部连接裂缝模块，裂缝模块主要由上柱体、下柱体和加热板组成，带凹槽的上、下柱体中间放置橡胶垫片形成裂缝。本发明具有自动化程度高、功能齐全、裂缝模块类型齐全且尺寸大、实时监测钻井液滤失等特点，克服了常规堵漏装置尺寸规模偏小及裂缝类型单一而不能模拟复杂的缝洞性漏失、裂缝壁面滤失测试和评价堵漏封堵层位置及其渗透性方面的不足。

公开(公告)号：CN115035371B

公开(公告)日：2023-09-12

申请号：CN202210524515.6

申请日：2022-05-13

Applicant: 西南石油大学

Inventor： 夏文鹤 ,  朱喆昊 ,  李皋 ,  韩玉娇 ,  林永学 ,  李大奇

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于多尺度特征融合神经网络的井壁裂缝识别方法，包括以下具体步骤：S1：使用浅层特征提取模块对输入的电阻率测井成像图进行浅层特征提取；S2：使用多尺度空洞卷积注意力模块对浅层特征进行深层特征提取；S3：采用特征融合上采样模块将浅层特征和深层特征拼接融合后特征还原至原始图像输入尺寸；S4：调整通道数为标签类别数，根据背景和前景特征图结合损失函数计算每个像素点属于背景和前景的概率，实现井壁裂缝区域的自动识别。本发明在确保裂缝智能识别精度和速度的前提下，减少了人工利用电阻率测井成像图进行裂缝检测的工作量，为钻井工作提供了强有力的安全保障，满足了当前钻井降本增效的迫切需求。

公开(公告)号：CN115035371A

公开(公告)日：2022-09-09

申请号：CN202210524515.6

申请日：2022-05-13

Applicant: 西南石油大学

Inventor： 夏文鹤 ,  朱喆昊 ,  李皋 ,  韩玉娇 ,  林永学 ,  李大奇

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于多尺度特征融合神经网络的井壁裂缝识别方法，包括以下具体步骤：S1：使用浅层特征提取模块对输入的电阻率测井成像图进行浅层特征提取；S2：使用多尺度空洞卷积注意力模块对浅层特征进行深层特征提取；S3：采用特征融合上采样模块将浅层特征和深层特征拼接融合后特征还原至原始图像输入尺寸；S4：调整通道数为标签类别数，根据背景和前景特征图结合损失函数计算每个像素点属于背景和前景的概率，实现井壁裂缝区域的自动识别。本发明在确保裂缝智能识别精度和速度的前提下，减少了人工利用电阻率测井成像图进行裂缝检测的工作量，为钻井工作提供了强有力的安全保障，满足了当前钻井降本增效的迫切需求。