基于随钻测井数据预测破裂压力

摘要：

破裂压力是判断岩石是否起裂的重要依据,而现有的随钻测井资料仅能解释地应力、弹性模量等参数,缺乏对破裂压力的解释.为了准确预测破裂压力并降低施工压力和风险,基于准格尔盆地MH区块的流体扫描成像(flow scanner image,FSI)测试的产出剖面测井资料,区分泡酸与不泡酸两种方式,分别建立广义回归神经网络(generalized regression neural net-work,GRNN)模型,对该区块油井开发进行破裂压力预测,并运用交叉验证方法得出光滑因子,通过与真实破裂压力值对比验证模型的准确性,并与反向传播(back propagation,BP)神经网络和Hubbert-Willis(H-W)模型的预测结果进行对比分析,再基于此预测给出泡酸建议.结果表明:GRNN模型预测结果与实际破裂压力更接近,且均方根误差为4.54％,平均百分比误差为0.03％,均优于BP神经网络和H-W模型.GRNN模型不受地质条件影响且预测精度高,操作简便,可用于该地区破裂压力预测,也可作为后续井FSI测试的替代,不但可以为同类地区的施工提供借鉴,而且可以为同地区开发资源节约成本.

关键词：随钻测井、产出剖面测井、交叉验证、泡酸分析、GRNN模型、破裂压力

所属期刊栏目：23

分类号：TE321(油气田开发与开采)

资助基金：国家科技重大专项2016ZX05042,2016ZX05042_003

在线出版日期：2023-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1923-1930