CN109690358A - 声反射图像的实时图案识别和自动解释 - Google Patents
声反射图像的实时图案识别和自动解释 Download PDFInfo
- Publication number
- CN109690358A CN109690358A CN201780055983.0A CN201780055983A CN109690358A CN 109690358 A CN109690358 A CN 109690358A CN 201780055983 A CN201780055983 A CN 201780055983A CN 109690358 A CN109690358 A CN 109690358A
- Authority
- CN
- China
- Prior art keywords
- image
- acoustic reflectance
- reflectance image
- stratum
- acoustic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/22—Transmitting seismic signals to recording or processing apparatus
-
- 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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2200/00—Details of seismic or acoustic prospecting or detecting in general
- G01V2200/10—Miscellaneous details
- G01V2200/16—Measure-while-drilling or logging-while-drilling
-
- 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
- G01V2210/70—Other details related to processing
- G01V2210/72—Real-time processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/70—Other details related to processing
- G01V2210/74—Visualisation of seismic data
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Engineering & Computer Science (AREA)
- Acoustics & Sound (AREA)
- Geology (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种用于与地层相交的钻孔中执行测井以获得和传输地层的声反射图像的方法、***、装置和产品。方法包括识别声反射图像中基本上拟合图案的特征集,其中所述特征集对应于地层的至少一个反射结构界面的一部分;以及使用图案的表示作为声反射图像的压缩表示。特征可以是声反射图像中的幅度峰值,并且图案可以是其中从幅度峰值获得的线段。识别所述特征集可以包括生成幅度峰值的二进制图像。
Description
技术领域
本公开总体上涉及钻井工具,并且具体地涉及用于进行声学测井的方法和设备。
背景技术
用于各种目的的钻井是众所周知的。这种井可以被钻探用于地热目的,以生产碳氢化合物(例如,石油和天然气)、生产水等等。井深度的范围可以从几千英尺到25,000英尺或更多。在碳氢化合物井中,井下工具通常包括各种传感器、仪器和控制装置,以便执行任何数量的井下操作。因此,工具可包括用于地层评估、监测和控制工具本身等的传感器和/或电子器件。
钻井***,其具有作为井底钻具组件的一部分的声学随钻测量(“MWD”)***,或具有声学装置(用于在井筒钻井期间或之后测量地下地层的声速并且确定井底钻具组件周围的地层床边界的位置,如在MWD***中一样,或在钢缆测井***周围)的钻井后钢缆测井***,是众所周知的。使用定向声源对床边界成像的工具也是已知的。
出于本公开的目的,术语“床边界”用于表示地质床边界、具有声阻抗对比的层之间的界面或地下反射点。
发明内容
在各方面中,本公开涉及用于估计与被钻孔相交的地层相关的至少一个井下参数的方法和设备。本公开的方面涉及在与地层相交的钻孔中执行声学测井,并且自动地生成在测井中获得的声反射图像的压缩表示。
方法可以包括:识别声反射图像中基本上拟合图案的特征集,其中所述特征集对应于地层的至少一个反射结构界面的一部分;以及使用所述图案的表示作为所述声反射图像的压缩表示。特征可以是声反射图像中的幅度峰值,并且图案可以是其中从幅度峰值获得的线段。识别所述特征集可以包括生成幅度峰值的二进制图像。该图案可以通过以下至少一个来编码:i)霍夫变换;ii)霍夫变换的修改。
识别声反射图像中基本上拟合图案的特征集可以包括确定声反射图像在确定的撞击方向上的包络,并在包络中找到主要峰值。主要峰值可以通过峰值检测算法使用自动全局阈值(例如,k均值)来发现。可以经由应用2-D空间波数滤波器从原始声反射图像获得声反射图像。可以经由应用2-D空间波数滤波器从原始声反射图像获得声反射图像,该2-D空间波数滤波器在原始声反射图像的至少一部分的2-D空间波数幅度谱内自动生成为极段,并且其中极段的方位角取向定义所确定的撞击。
方法可以包括压缩图案的表示。方法可以包括向井上传输压缩的声反射图像。方法可以包括相对于发射的开始,在地表上近乎实时地接收压缩图像。方法可以包括利用声学测井工具获得声反射图像。
在其他通常实施方案中,自动生成声反射图像的压缩表示可以通过以下方式来执行:通过将图像的满足至少一个预定义特征的部分表征为第一类型,并将图像的不满足至少一个预定义特征的其他部分表征为第二类型,来识别声反射图像中的特征集,其中所述特征集对应于地层的至少一个反射结构界面的一部分;以及通过用所述图像的第一区域表示所述第一类型并且用所述图像的第二区域表示所述第二类型来生成二进制图像;以及使用二进制图像的表示作为声反射图像的压缩表示。所述至少一个预定义特征可包括幅度峰值。方法可以包括压缩该表示以生成压缩的声反射图像。
通常的设备实施方案包括根据本公开的测井***,用于在与地层相交的钻孔中测井。该设备可以包括:声学测井工具,其被配置成被输送到钻孔中;工具上的发射器,其被配置为在地层中生成第一波;工具上的至少一个接收器,其被配置为响应于第一波的地层的至少一个反射结构界面通过地层中的界面提供信号;以及所述工具上的至少一个处理器,其被配置为根据所述信号生成声反射图像,并自动生成声反射图像的压缩表示。自动生成声反射图像的压缩表示可以通过以下方式来实现:识别声反射图像中基本上拟合图案的特征集,其中所述特征集对应于地层的至少一个反射结构界面的一部分;以及使用图案的表示作为声反射图像的压缩表示。
特征可以是声反射图像中的幅度峰值,并且图案可以是其中从幅度峰值获得的线段。所述至少一个处理器可经配置以通过生成所述幅度峰值的二进制图像来识别所述特征集。该图案可以通过以下至少一个来编码:i)霍夫变换;ii)霍夫变换的修改。所述至少一个处理器可被配置成通过确定所述声反射图像在所确定的撞击方向上的包络且找出所述包络中的主要峰值而大体上拟合所述图案而识别所述声反射图像中的所述特征集。
在本文中可以更宽泛地概述本公开的一些特征的示例,以便可以更好地理解下面对其的详细描述,并且可以理解它们对本领域所展现的贡献。
附图说明
为了详细理解本公开,应结合附图参考以下对实施方案的详细描述,其中相同的元件被赋予相同的附图标记,其中:
图1A-1C示出了图示根据本公开实施方案的示例性钻井***的示意图。
图2示出了说明根据本公开的处理技术的处理工作流程。
图3A和图3B示出了根据本公开的实施方案的技术。
图4A和图4B示出了根据本公开的实施方案的傅立叶域。
图5A-5D示出了根据本公开的实施方案的傅立叶域中的滤波。
图6A-6E示出了根据本公开的实施方案的过滤结果。
图7A-7G示出了根据本公开实施方案的峰值检测。
图8A-8C示出了根据本公开的实施方案的用于线图案检测的技术。
图9A-9C示出了由呈现倾角事件的数据集的预处理技术的三种变化产生的声反射图像。
图10A-10C示出了图像的每个版本的傅立叶变换的幅度谱。
图11A-11C示出了图像的每个版本的孔径角检测。
图12A和图12B分别示出了没有滤波和有滤波的图像包络。
图13A和图13B分别示出了没有滤波和有滤波的图像包络。
图14A-14C示出了处理过的声反射图像的峰值检测。
图15示出了说明根据本公开的实施方案的用于在与地层相交的钻孔中执行测井的方法的流程图。
图16示出了图示根据本公开的实施方案的用于自动生成声反射图像的压缩表示的方法的流程图。
具体实施方式
本公开的方面涉及用于声学测井的设备和方法,包括测量和解释指示地层、钻孔或其中的井下流体的关注参数的物理现象。这里描述的技术特别适合于压缩井下的声反射图像,以传输到地表进行记录、显示或进一步处理。
为了获得诸如石油和天然气之类的碳氢化合物,穿过含碳氢化合物地下地层钻探钻孔(井筒)。目前大量钻井活动涉及钻“水平”钻孔。随钻测井和随钻测量(LWD/MWD)测量***和钻头导向***(布置在钻柱上)的进步使得水平钻孔的钻井效率提高,并取得更大的成功。最近,已经钻出延伸数千米的水平钻孔(“延伸范围”钻孔),以获取储层侧翼的碳氢化合物储量,并从现有海上平台开发卫星油田。甚至最近,已经尝试钻出对应于三维钻孔轮廓的钻孔。这种钻孔轮廓通常包括沿着钻孔路径的若干构造和转弯。这种三维钻孔轮廓允许从多个地层中采收碳氢化合物,并允许在地质复杂的地层中最佳地布置井筒。
通过沿着产碳氢化合物地层(产油区)内的最佳位置钻水平和复杂的井筒,可以最大限度地提高碳氢化合物采收率。这些井筒成功的重要因素是:(1)在将井筒降落到目标地层的同时建立可靠的地层位置控制,以及(2)在钻井过程中正确导引钻头穿过地层。为了实现这种井筒轮廓,重要的是确定钻头相对于地层床边界和各种流体(诸如油、气和水)之间的边界的真实位置。缺少这种信息会导致沿着钻孔出现严重的“折弯(dogleg)”路径,其归因于为了寻找或重新进入产油区而进行的钻孔或钻井路径校正。这种井筒轮廓通常限制了暴露于储层的水平伸出范围和最终井筒长度。
优化地层内的钻孔位置也可以对最大化生产率和最小化气体和水锥进问题产生重大影响。在工业中,导向效率和地质定位被认为是当前用于钻水平和复杂井筒的钻井***的最大限制之一。相对于钻井组件周围地层的床边界,钻井组件的相对精确的三维地下声学(例如地震)图和位置信息的可用性可以极大地提高钻井钻孔以获得最大采收率的机会。
声学测井工具(诸如LWD或MWD声学工具),可以产生声学信号,并随后在其存储器中记录全波图案(P、S和斯通利)的折射和反射信号。出于许多原因,在基于钻机的***中,泥浆脉冲遥测是最广泛使用的与地表通信的方法。由于数据集相对较小,主折射波测井(例如,慢度测井)数据集可以很容易地实时发送到地表。
然而,不幸的是,声反射图像(即,包括足以表征地层中的边界的反射数据的数据集)明显更大。实际上,由于泥浆脉冲遥测速度的限制,不可能向地表发送反射图像以用于实时应用。因此,将期望有效地处理和压缩用于传输到地表的声反射图像数据,并且特别是用于足以使得能够使用这种数据用于实时使用(例如,地质导向)的压缩技术。
对于声反射图像的实时控制和利用,压缩算法应当能够以与工具的穿透速率(‘ROP’)相比更快地传输足够用于利用的数据单元的方式来处理和压缩声学数据。
LWD声学测井工具可以在高达100英尺/小时的ROP下获得良好的声学记录。在相同间隔上的声反射成像可以产生超过五十万比特的数据。泥浆脉冲遥测可以以10比特/秒的平均传输速率操作。然而,带宽通常与钻孔中的其他工具共享。
因此,声反射数据的典型可用带宽在每秒2比特到5比特之间。即使在10比特/秒的情况下,将未压缩的声反射数据从钻孔发送到地表也需要17个小时以上。因此,非常需要对声反射数据进行大量压缩。
通常而言,数据压缩的目的是丢弃数据的不相关和/或冗余部分以用于高效传输。压缩可以是无损的或有损的。无损压缩减少了数据的冗余,通常与数据的性质无关。无损压缩数据可以很好地采收。无损压缩算法的示例是熵编码(例如,参见Salomon等人,2010)。除了冗余之外,有损压缩还减少了数据的不相关部分。取决于如何实现不相关性,该处理可导致原始数据的较低质量版本。有损压缩技术的一个示例是变换编码和量化(参见,例如,Salomon等人,2010)。
有效的有损数据压缩方法通常基于以下步骤的组合:1)预处理(如果需要),2)变换编码,3)量化和4)熵编码。此方案可显著地减小数据大小,但取决于数据减少的量,可能丢失来自原始数据的相关信息,并且剩余的压缩数据可能缺乏用于井下应用的足够分辨率。作为有损图像压缩的一个示例,联合图像专家组(‘JPEG’)标准是众所周知的并且使用上述每个步骤:利用颜色空间变换进行预处理以通过统计去相关来改善压缩;使用离散余弦变换或离散小波变换进行变换编码;使用基于人眼能力的量化矩阵进行量化,以区分高频亮度变化的强度;以及使用行程编码和霍夫曼编码的熵编码(参见,例如,Salomon等人,2010)。使用常规图像压缩算法,足以在一小时内(例如,以大约3%质量)实现图像的传输的压缩导致解压缩之后的不可用图像。
假设声反射图像数据可以每秒5比特的速率传输,640千比特传输到地表大约需要35小时。如此大的传输时间与地质导向和其他实时应用不兼容。因此,就数据质量和表达数据大小减小而言足够的更智能压缩算法将是理想的。
本公开的方面涉及用于使用智能压缩在与地层相交的钻孔中执行测井的方法。方法可以包括自动生成声反射图像的压缩表示。可以通过以下来生成压缩表示:识别所述声反射图像中基本上拟合图案的特征集;以及使用所述图案的表示作为所述声反射图像的压缩表示。所述特征集可以对应于地层的至少一个反射结构界面的一部分。
本公开的各方面可以通过图案识别来识别包含在图像中的相关信息,使得在所述处理中仅移除所述图像的不相关信息。在这种情况下,所收集的数据的性质对于成功压缩是重要的。有意义的信息可以附在钻孔附近的反射器结构和裂缝上。
声反射成像
本公开的方面涉及使用至少一个声传感器作为井下声学测井工具的一部分,以响应于来自地层的声波而产生声学信息。传感器可以包括设置在钻孔中的载体上的至少一个声发射器和至少一个声接收器。接收器和发射器可以实现为相同的换能器、不同的换能器、或一个或多个换能器阵列。该信息指示关注的参数。如本文所使用的术语“信息”包括任何形式的信息(模拟、数字、EM、印刷等),并且可以包括一个或多个信息:原始数据、处理过的数据和信号。
方法可以包括根据信息估计关注的参数,使用关注的参数评估地层,和/或根据评估或关注的参数执行进一步的钻孔或地层操作。在具体实施方案中,可以使用关注的参数来估计钻孔操作的状态、钻孔或地层的特性、或井下工具的部件的取向,并且然后用于执行如上所述的操作。
本公开的方面可以应用于各种不同的实施方案中。载体可以是钻柱、连续油管、钢丝、电子线、钢缆等。井下工具可以与附加工具联接或结合,附加工具包括例如一些或全部信息处理***(如图1C所示),这将在下面进一步详细讨论。在一些通常实施方案中,载体被实现为钻井***的工具串,并且声学井筒测井可以被表征为“随钻测井”(LWD)或“随钻测量”(MWD)操作。如本文所述,“钻孔”或“井筒”是指构成钻井的全部或一部分的单个孔。取决于构造,***101可以在钻井期间和/或在已经形成井筒112之后使用,在一些情况下包括在安装套管或生产基础设施之后。虽然示出了陆地***,但是本公开的教导也可以在海上或海底应用中使用。如本文所述,“地层”是指在地下环境中可能遇到并围绕钻孔的各种特征和材料。术语“信息”包括但不限于原始数据、处理过的数据和信号。
图1A是根据本公开的实施方案的示例性钻井***101的示意图。图1B示出了包括在钻孔126中输送的井底钻具组件(BHA)190的钻柱120。钻井***101包括竖立在平台或底板112上的常规井架111,该常规井架111支撑由原动机(诸如电动马达(未示出))以期望的旋转速度旋转的旋转台114。具有附接在其底端处的钻井组件190的油管(诸如接头钻杆122)从地表延伸到钻孔126的底部151。附接至钻井组件190的钻头150在被旋转以钻出钻孔126时分解地质构造。钻柱120经由方钻杆接头121、旋转接头128和线129经由滑轮联接到绞车130。绞车130***作以控制钻压(“WOB”)。钻柱120可通过顶部驱动器(未示出)而不是由原动机和旋转台114旋转。替代地,可以使用连续油管作为油管122。油管喷射器114a可用于输送具有附接到其底端的钻井组件的连续油管。绞车130和油管喷射器114a的操作在本领域中是已知的,因此在此不再详细描述。
来自其来源132(诸如泥浆池)的合适的钻井流体131(也称为“泥浆”)在压力下通过泥浆泵134循环通过钻柱120。钻井流体131经由脱气器136和流体线138从泥浆泵134传递到钻柱120中。来自钻井管的钻井流体131a通过钻头150中的开口在钻孔底部151排出。返回的钻井流体131b经由钻柱120和钻孔126之间的环形空间127向井上循环,并且经由返回线135和钻头切割筛网185返回到泥浆池132,所述钻头切割筛网185从返回的钻井流体131b中移除钻屑186。线138中的传感器S1提供关于流体流率的信息。与钻柱120相关联的地表扭矩传感器S2和传感器S3分别提供关于钻柱120的扭矩和旋转速度的信息。油管喷射速度由传感器S5确定,而传感器S6提供钻柱120的钩负载。
井控制***147放置在钻孔126的顶端。井控***147包括地表防喷器(BOP)组115和与井筒环空127连通的地表节流器149。地表节流器149可以控制流体流出钻孔126,以提供控制井所需的背压。
在一些应用中,仅通过旋转钻杆122来旋转钻头150。然而,在许多其他应用中,设置在BHA 190中的井下马达155(泥浆马达)也旋转钻头150。给定BHA的穿透速率(ROP)很大程度上取决于钻头150上的WOB或推力及其旋转速度。
地表控制单元或控制器140经由放置在流体线138中的传感器143和来自传感器S1-S6和***101中使用的其他传感器的信号从井下传感器和装置接收信号,并且根据提供给地表控制单元140的编程指令处理这种信号。地表控制单元140在显示器/监视器141上显示期望的钻井参数和其他信息,操作员利用该信息来控制钻井操作。地表控制单元140可以是基于计算机的单元,其可以包括处理器142(诸如微处理器)、存储装置144(诸如固态存储器、磁带或硬盘)以及存储装置144中的一个或多个计算机程序146,该计算机程序146可被处理器142访问以用于执行包含在这种程序中的指令。地表控制单元140可以进一步与远程控制单元148通信。地表控制单元140可以处理与钻井操作有关的数据、来自地表上的传感器和装置的数据、从井下接收的数据,并且可以控制井下和地表装置的一个或多个操作。数据可以以模拟或数字形式传输。
BHA 190还可以包含地层评价传感器或装置(也称为随钻测量(“MWD”)或随钻测井(“LWD”)传感器),诸如上述声学传感器,以及用于确定电阻率、密度、孔隙率、渗透性、其他声学特性、核磁共振特性、地层压力、井下流体的性质或特性以及BHA 190周围地层195的其他期望特性的传感器。这种传感器在本领域中通常是已知的,并且为了方便起见,在此通常用数字165表示,并且包括与上面参照图1A描述的传感器5相对应的传感器。BHA 190还可以包括各种其他传感器和装置159,用于确定BHA 190的一个或多个特性(诸如振动、弯矩、加速度、振荡、涡动、粘滑等),钻井操作参数(诸如钻压、流体流率、压力、温度、穿透率、方位角、工具面、钻头旋转等)。为了方便起见,所有这种传感器都用附图标记159表示。
BHA 190可包括用于沿着期望的钻井路径导向钻头150的导向设备或工具158。在一个方面,导向设备可以包括具有多个施力构件161a-161n的导向单元160。施力构件可以直接安装在钻柱上,或者它们可以至少部分地集成到钻井马达中。在另一方面,施力构件可安装在套筒上,套筒可围绕钻柱的中心轴线旋转。可以使用机电、电动液压或泥浆液压致动器来致动施力构件。在又一个实施方案中,导向设备可包括具有弯曲接头和第一导向设备158a的导向单元158,第一导向设备158a用于将弯曲接头定向在井筒中,第二导向设备158b用于沿选定的钻井方向保持弯曲接头。导向单元158、160可包括近位倾斜计和磁力计。
钻井***101可以包括传感器、电路以及处理软件和算法,用于提供关于与BHA、钻柱、钻头和诸如钻井马达、导向单元、推进器等的井下装置有关的期望钻井参数的信息,尤其是用于钻井高度偏斜和水平井筒的钻井***,利用连续油管将钻井组件输送到井下。在这种应用中,推进器可以部署在钻柱190中,以在钻头上提供所需的力。
用于确定钻井参数的示例传感器包括但不限于钻头传感器、RPM传感器、钻压传感器、用于测量泥浆马达参数的传感器(例如,泥浆马达定子温度、跨泥浆马达的压差和通过泥浆马达的流体流率),以及用于测量加速度、振动、涡动、径向位移、粘滑、扭矩、冲击、振动、应变、应力、弯矩、钻头弹跳、轴向推力、摩擦、反向旋转、BHA屈曲和径向推力的传感器。沿着钻柱分布的传感器可测量诸如钻柱加速度和应变、钻柱孔中的内部压力、环形空间内的外部压力、钻柱内的振动、温度、电场强度和磁场强度等物理量。用于进行动态井下测量的合适***包括COPILOT,一种由贝克休斯公司(BAKERHUGHES INCORPORATED)制造的井下测量***。
钻井***101可以包括位于合适位置的一个或多个井下处理器(诸如BHA 190上的193)。处理器可以是微处理器,其使用在合适的非暂时性计算机可读介质上实现的计算机程序,该计算机程序使得处理器能够执行控制和处理。非暂时性计算机可读介质可包括一个或多个ROM、EPROM、EAROM、EEPROM、闪存、RAM、硬盘驱动器和/或光盘。诸如电源和数据总线、电源等其他装置对于本领域技术人员来说是显而易见的。
在实施方案中,MWD***利用泥浆脉冲遥测技术在钻井作业进行时将数据从井下位置传送到地表。可以实现各种泥浆脉冲遥测***。美国专利号3,764,968描述了一种用于传输频移键控(FSK)或相移键控(PSK)编码信号的旋转阀。Hahn等人的美国专利号6,898,150(该专利的全部内容共同拥有并通过引用并入本文)公开了一种液压平衡的往复脉冲发生器阀。Hahn等人的美国专利号7,417,920(该专利的全部内容共同拥有并通过引用并入本文)公开了一种改进的往复式脉冲发生器阀。不同类型的阀***用于生成井下压力脉冲。打开和关闭从钻柱内部到井筒环空的旁路的阀产生负压脉冲,例如参见美国专利号4,953,595。使用置于循环泥浆流中的受控限流的阀通常被称为正脉冲***,例如参见美国专利号3,958,217。负脉冲阀的另一个示例在美国专利号4,351,037中示出。该技术包括井下阀,该井下阀用于将一部分循环流体从钻柱内部排放到管柱和井壁之间的环形空间。钻井流体沿着钻柱的内部向下循环,通过钻头并沿环形空间向上流动到地表。
虽然钻柱120被示出为用于传感器165的输送装置,但是应当理解,本公开的实施方案可以与经由刚性(例如,接合的管状或连续油管)以及非刚性(例如,钢缆、滑线、电子线等)输送***输送的工具结合使用。钻井***101可包括井底钻具组件和/或传感器以及用于在钻柱或钢缆上实施本公开的实施方案的装置。
图1A-1C中示出的***的新颖性点在于地表处理器142和/或井下处理器193被配置成执行不在现有技术中的某些方法(下面讨论)。地表处理器142或井下处理器193可以被配置为控制泥浆泵134、绞车130、旋转台114、井下马达155、BHA 190的其他部件或钻井***101的其他部件。地表处理器142或井下处理器193可被配置成控制上文所描述的传感器且根据本文中所描述的方法来估计所关注参数。
可以使用下面描述的方法使用一个或多个模型来执行对这些部件的控制。例如,地表处理器142或井下处理器193可以被配置成:i)在触发条件下自主地;ii)响应于操作员命令,或iii)这些操作的组合来修改钻井操作。这种修改可以包括改变钻井参数、泥浆参数等。这些装置以及钻井***的各种处理的控制通常可以以完全自动化的方式或通过经由通知、图案表示、用户界面等与人员的交互来执行。附加地或替代地,地表处理器或井下处理器可以被配置用于创建模型。也可以使用处理器可访问的参考信息。
在一些通常实施方案中,地表处理器142、井下处理器193或其他处理器(例如,远程处理器)可以被配置成使用至少一个传感器来响应于发射波的反射而从关于BHA的多个方位角分布的取向中的每一个产生相对应的信号。在一些通常实施方案中,地表处理器142、井下处理器193或其他处理器(例如,远程处理器)可以被配置为操作工具101以致动和测量声学信号。
数学模型、查找表或表示信号和地层特性值之间关系的其他模型可用于表征地层或地层本身的操作,优化生产或开发的一个或多个操作参数,等等。***可以通过通知、建议和/或智能控制来执行这些动作。
图1B是在包含钻头150的BHA钻铤190上的随钻测井工具***的示意图。该***安装在BHA钻铤190上,用于在钻探地层时进行声学测量。随钻测井工具***具有发射声振动106的源105,声振动106可以穿过地层195并且也可以沿着钻孔壁传播并且可以由可以在阵列中的传感器A和B接收。发射器、接收器和相关电路共同包括传感器107。可以采用包括相控阵列的合适的滤波技术来减小钻头噪声。在本公开的替代实施方案中,发射器105可以位于传感器和钻头150之间。
在实施方案中,与传感器107相关联的电子器件可以被配置为记录和/或处理所获得的信息。本公开的某些实施方案可以用硬件环境21来实现,该硬件环境21包括信息处理器17、信息存储介质13、输入装置11、处理器存储器9,并且可以包括***信息存储介质19。硬件环境可以在井中、在钻机处或在远程位置处。此外,硬件环境的几个部件可以分布在这些位置中。输入装置11可以是任何数据读取器或用户输入装置,诸如数据卡读取器、键盘、USB端口等。信息存储介质13存储由检测器提供的信息。信息存储介质13可以包括用于标准计算机信息存储的任何非暂时性计算机可读介质,诸如USB驱动器、记忆棒、硬盘、可移动RAM、EPROM、EAROM、闪存和光盘或包括基于因特网的存储的本领域普通技术人员已知的其他常用存储器存储***。信息存储介质13存储程序,该程序在被执行时使信息处理器17执行所公开的方法。信息存储介质13还可以存储由用户提供的地层信息,或者地层信息可以存储在***信息存储介质19中,该***信息存储介质可以是任何标准计算机信息存储装置,诸如USB驱动器、记忆棒、硬盘、可移动RAM或本领域普通技术人员已知的其他常用存储器存储***,包括基于因特网的存储。信息处理器17可以是任何形式的计算机或数学处理硬件,包括基于互联网的硬件。当程序从信息存储介质13加载到处理器存储器9(例如,计算机RAM)中时,程序在执行时致使信息处理器17从信息存储介质13或***信息存储介质19检索检测器信息且处理所述信息以估计所关注参数。信息处理器17可以位于地表或井下。
如上所述的***可用于产生地层内的界面或其他反射器的图像。产生图像在本文中可以被称为反射器的“成像”。由如上所述的波生成导致的声波可以用于对反射器进行成像。对反射器成像可以包括确定反射器的位置和倾角。成像过程可以是按照本领域普通技术人员熟悉的技术(例如,作为时间或深度偏移的反演操作)将反射和衍射绘制在其真实位置上的方式重新排列声学信息元素的任何方法。
授予Tang的美国专利号7,035,165具有与本公开相同的受让人,其内容通过引用结合于此,该专利公开了一种方法,其中在测井工具上的多个深度和多个源-接收器间隔处获得多个多分量声学测量。测井工具上的取向传感器(诸如磁力计)可用于获得指示测井工具的取向的取向测量。使用方位测量将多分量测量旋转到固定坐标系(诸如相对于磁北或地理北定义的基于地球的***),给出旋转的多分量测量。旋转的多分量测量被处理以提供地下的图像。尽管在Tang中没有具体讨论斯通利波的问题,但是由Tang所示的示例和良好的信号-噪声比用于接口(例如,床边界)的成像。Geerits等人的美国专利申请公开号US2009/0205899Al公开了MWD声学成像的进一步改进,具有与本公开相同的受让人,其内容通过引用结合于此。
Mathiszik等人的美国专利号US8,055,448B2公开了MWD声学成像的进一步改进,该专利具有与本公开相同的受让人,其内容通过引用并入本文。井下声学测井工具用于生成引导的钻孔波,该引导的钻孔波作为体波传播到地层中,从界面反射并且被转换回引导的钻孔波。由体波反射产生的引导钻孔波用于对反射器成像。
压缩
本公开的各方面可以包括自动生成声反射图像的压缩表示。在通常方法实施方案中,该表示可以通过识别声反射图像中基本上拟合图案的特征集来生成,其中所述特征集对应于地层的至少一个反射结构界面的一部分;以及使用图案的表示作为声反射图像的压缩表示。
声反射图像可以是声预处理(例如,降噪、滤波、去除或衰减直达波和多次波)以及最重要的声迁移的结果。如本文所使用的,声学迁移(有时被称为地震偏移)是指由沿着图像内的曲线的相干信号表示的声学事件的几何重新定位。这些曲线代表了结构界面,尽管在预处理中生成的被去除的直达波和其他伪像的覆盖区也可能存在。此类事件被视为噪音。
本文所讨论的声反射图像的有用特性是有意义的事件主要示出一个主要方向,或者在共同取向上群集的几个主要方向。沿着这些方向中的每一个,信号可以具有低频内容并且最经常位于直线上。图像可以对应于并且被表示为矩阵I(m,n),其中m=1,2…M并且n=1,2…N,表示在列m和线n处的图像点(或像素)处的强度值。
特征可以是声反射图像中的幅度峰值,并且图案可以是其中从幅度峰值获得的线段。识别所述特征集可以包括生成峰值的二进制图像。可以通过确定声反射图像在确定的撞击方向上的包络并在包络中找到主要峰值来识别声反射图像中基本上与图案拟合的特征集。可以经由应用2-D空间波数滤波器从原始声反射图像获得声反射图像。该滤波器可以自动地生成为原始声反射图像的至少一部分的2-D空间波数幅度谱内的极段,其中极段的方位角取向定义所确定的撞击。
本公开的各方面涉及由基于钻柱的声学工具实时产生的声反射图像的智能过滤、图案识别、自动解释和压缩。根据通常实施方案,本文描述的技术可在若干部件子处理中执行。
图2示出了说明根据本公开的处理技术的处理工作流程。首先,可以在步骤202过滤输入数据201形式的声反射图像。图像数据的空间傅立叶变换和带通滤波之后可以自动选取主要撞击(即垂直于倾角的方向)。来自步骤202的结果数据可用于在步骤204计算处理过的图像包络,诸如,通过在撞击方向上使用2-D希尔伯特变换来增强主反射幅度并减少反射器冗余。在步骤206处,可对所得数据执行峰值检测,诸如,通过从包络图像自动拾取峰值。
在步骤208,可以生成二进制图像。下面参照图7A-7G更详细地讨论二进制图像的生成。步骤210可以包括可以通过使用变换自动确定线段参数来执行的线段检测。该图案可以通过以下至少一个来编码:i)霍夫变换;以及ii)对霍夫变换的修改。在步骤211,线段的参数可以用作图像的压缩表示。因此,线段参数可以向井上传输,例如到地表,以用于地层中的进一步操作,例如,控制钻井***的操作。
图1A-1C示出了图示根据本公开实施方案的示例性钻井***的示意图。图2示出了说明根据本公开的处理技术的处理工作流程。图3A和图3B示出了根据本公开的实施方案的技术。图3A示出了声反射图像300。图3B示出了包括特征的二进制图像301,其中图案可以以线段302的形式显而易见。
本公开的方法显示了自动提高图像质量、检测优先结构倾角、分离反射图像数据的相关部分以及将图像数据减少100至800倍(取决于数据质量)的能力。处理工作流程的自动化和数据大小的大幅减少显著减少了泥浆脉冲遥测从位于井下的LWD工具向地表发送有意义的反射图像数据所花费的时间。使用这里描述的技术,使用常规压缩装置将花费数十小时发送到地表的反射图像数据的分量可能已经在5-30分钟或更短的时间内完全传输。具有用于操作的足够保真度的传输速率的这种增加使得用于控制钻井和其他井筒操作的反射图像数据的实时使用是可行的,包括实时地层结构分析和地质导航(例如地质导向)。本公开的各方面可类似地有利地应用于用于LWD和钢缆声学数据两者的声反射图像后测量处理。
如上所述,本文所讨论的声反射图像的有用特性是有意义的事件主要示出一个主要方向,或者在共同取向上群集的几个主要方向。因此,根据本公开的实施方案的滤波器构造可以基于幅度在直线上达到峰值的特性。
在图像域I(m,n)中,线可以表示为n=αm+β。在傅立叶域I(k,l)中。该线被变换为另一线,由αl+k=0表示,垂直于图像域中它对应的原始线。如果我们分别考虑图像和傅立叶域中的连续(非离散)变量(m,n)和(k,l),并且还有单位幅度,则可以以简化的定性方式显示这一重要特性。在这种情况下,函数I(m,n)可以表示为
I[m,n]=δ[n-(αm+β)],
(1)
其中δ(.)表示1Dδ函数。等式(1)的2D傅立叶变换由以下等式给出
其中我们已经使用了狄拉克函数的傅立叶变换的特性:
图4A和图4B示出了根据本公开的实施方案的傅立叶域。图4A示出了声反射图像400。图4B示出了表示为傅立叶域中的图像401的相同反射图像400。傅立叶滤波可用于识别结构界面,并抑制或至少衰减LWD图像上存在的噪声。在傅立叶域中,有意义的事件和噪声可以更容易地通过它们各自的方向来区分,这是LWD图像的主要方向的结果。
等式(2)示出直线事件(即,具有在一条线上的幅度峰值的事件)的傅立叶变换是穿过原点并具有垂直于原始线的取向的另一条直线。
由于傅立叶变换的线性,因此,如果图像域中的函数是若干线事件的叠加,则其傅立叶变换也将是线事件的叠加。从上述分析还可以推断,如果图像域中的所有线事件被对准(即,呈现相同的取向),则它们都对傅立叶域中的相同线事件有贡献。这提供了如何识别图像中主要方向的见解。也就是说,如果该图像呈现主要方向,则这些将导致在傅立叶域中具有大的值的区域。
图像I[m,n]的傅立叶变换对及其变换I[k,l]可以离散形式表示:
和
在下文中,我们将(m,n)和(k,l)对分别模糊地视为图像和频域中的点或向量(来自原点)。等式(4b)的傅立叶逆变换意味着图像I[m,n]由复指数的叠加表示
对于复幅度,频率k和l可以通过极坐标参数化
k=rklcosθkl和l=rklsinθkl,
(6)
其中且θkl=arctan(l/k)是频率幅度和频率角方向。这样,等式(5)的复指数可以被改写为
其中是沿方向(k,l)的单元向量,是与图像域中的点(或向量)(m,n)相关联的向量。内积是图像向量在方向上的投影。很明显,位于垂直于的同一条线上的所有点在方向上都有相同的投影。发生这种情况时,等式(7)中指数范围内的参数将始终具有相同的值(回想对连续情况的分析)。因此,我们可以预期,如果图像I[m,n]在方向上包含对准的事件(即,具有相同取向的事件),则沿着垂直于的方向对应的复系数将对图像具有显著的贡献。可以实现滤波器构造以保留我们具有大幅度的空间频率对(k,l),并且丢弃幅度较小的频率。
在一个示例中,可以采用滤波器,包括将图像I[k,l]的傅立叶变换乘以自动检测的掩模H[k,l],然后应用傅立叶逆变换返回图像域。更具体地,滤波后的图像函数可以由实部给出
对于幅度、a和角度方向,θ1<θ2,如等式(6)所定义,掩模H[k,l]将由下式给出
平均滤波(等式9b)可以简单地用于用其相邻值(即,大小为w×w的内核)的平均值替换理想掩模的每个值(等式9a)。这种方法起到锥形的作用,平滑掩模的边缘,这对于去除傅立叶域滤波特有的伪像(例如,Gibbs现象)是有效的。
在几何上,由等式(9a)定义的掩模表示由两个半径方向θ1和θ2包围的圆形扇区和半径为a的圆的弧(参见图12)。孔径(θ1,θ2)包围主要方向θ,并且半径a限制图像的傅立叶变换的低频内容。
根据等式(8)和(9a),可以使用直接应用于数据的自动过程来进行来估计定义滤波器O[k,l]的方向孔径(θ1,θ2)和半径a。如下所示,这个目标可以通过直接应用于数据的自动过程来实现。一个起点是让空间频率对(k,l)由等式(6)表示。对于区间(-π/2,π/2)中的每一个θ,我们考虑总和
其中rkl<a且方向位于θ1<θ<θ2的范围内(见图13)。在水平和垂直方向上的单位网格间距的假设下,最大值rmax(θ)可以通过a满足条件rmax(θ)cosθ=M和rmax(θ)sinθ=N来实现。因此,很明显
其中M和N是图像(以及傅立叶)域的尺寸。
考虑到先前的见解,如果图像包含主要方向这将导致其傅立叶谱中沿着穿过原点并垂直于原始方向的线的大幅度。因此,沿着垂直方向,等式(10)中的总和必然会获得大的值。因此,主要方向将是R具有其最大值的θ的值。观察到,由于期望的结构彼此不完全平行(并且也因为离散化问题),所以大的谱幅度将与方向附近的区域相关联。此外,不完全平行的结构可导致存在两个或两个以上大谱幅度,其表征具有一个以上主要取向的图像。因此,方向孔径(θ1,θ2)是必要的,以便确保不会丢弃显著的频率。在这里,我们发现基于均方根(RMS)值选择θ1和θ2的良好结果
并且还基于R(θ)的加窗RMS(wRMS)滤波形式
θ1被选择为最接近的角度,该角度小于或等于为此RwRMS(θ1)最接近RRMS。类似的选择适用于θ2,采用大于的角度。最后,借助于以下给出的RMS量选择具有频率幅度a的适当选择的圆形扇区掩模的半径:
对于a的良好选择是最接近以这种方式,本公开的技术具有自动检测在傅立叶域中过滤图像I[m,n]所需的掩模的方法。
图5A-5D示出了根据本公开的实施方案的傅立叶域中的滤波。图5A示出了傅立叶域中的声反射图像500。图5B是包括曲线502的直方图501,曲线502示出了相对于在傅立叶域图像中收集的幅度的方位角的幅度值。曲线512示出了相对于方位角的幅度值,其中加窗RMS函数应用于幅度。如上所述检测主要方向504,并且使用RMS值506选择孔径角度θ1和θ2。返回参考图5A,示出了傅立叶域中的主要方向504和孔径角θ1和θ2。
图5C和图5D示出了根据本公开实施方案的完成掩模定义的最大半径的估计。图5C是包括曲线522的直方图511,曲线522示出了相对于沿主要方向504的半径的幅度值。可以使用沿着主要方向的幅度的RMS值524来选择最大半径。参考图5D,傅立叶域中的掩模530被定义为具有半径a以及角度θ1和θ2。
图6A-6E示出了根据本公开的实施方案的过滤结果。图6A示出了声反射图像600。图6B示出了傅立叶域中的声反射图像601。图6B是包括曲线606的直方图602,曲线606示出了相对于在傅立叶域图像中收集的幅度的方位角的幅度值。确定主要方向604。图6D是包括曲线622的直方图611,曲线622示出了相对于沿主要方向604的半径的幅度值。图6E示出了傅立叶域中得到的掩模630。
在构造过滤器掩模之后,如上所述,遵循包络构造。包络是一种众所周知的声学解释技术,有助于突出岩性不连续性。本公开的各方面包括以下描述的包络技术的扩展。
如果将所谓的包络应用于等式(8)的滤波图像,则可以实现对有意义事件的进一步识别。包络可以表示为连续实变量u(x)的连续实信号。
其中是u(x)的傅立叶变换,
并且信号函数sgn(k)被定义为
我们注意到,根据上面的定义,u(x)的表示可以以下形式重新表示
这表明真实信号u(x)可以被表达为仅真实频率的傅立叶分量的叠加。我们现在引入解析(复数)信号U(x),定义如下
其中,u(x)=Re{U(x)}(见等式(14))和v(x)=Im{U(x)}。在文献中,v(x)被称为u(x)的希尔伯特变换,并且由v(x)=H{v(x)}表示。最后,信号u(x)的包络(或反射强度)定义为
可以在例如Taner等人(1979)和Subrahmanyam和Rao(2008)的文章中找到关于包络的性质,特别是其突出岩性不连续性的能力的讨论。
上述介绍集中在一维函数的包络上。然而,通常希望将包络扩展到二维信号,这可以使用Granlund(1995)中提出的方法来实现,该方法将包络视为沿预定方向的一维操作。更具体地,对于二维实信号u(x,y)和给定的方向向量e=(cosθ,sinθ),相应的分析信号可以定义为
应注意与等式(18)的比较。这里,我们使用了符号和所以
定义(20)依赖于预定义的取向,在本公开中,该取向可以被配置为LWD图像的主要方向。也就是说,先前识别的主要方向可以用作包络的预定方向。这样,对应于F(m,n)的分析信号Fan(m,n)由下式给出
图像包络现在可以通过Fan(m,n)的绝对值来计算,即,
应该强调的是,这种计算包络的方法不仅通过不计算图像域中的分析信号而节省了计算工作量,而且减少了仅计算滤波图像绝对值的处理。
如上所述,可以识别声反射图像中的特征集。在通常实施方案中,这些特征可包括幅度峰值。从包络的图像提取图像内的峰值的位置,这减少了图像的全尺寸信息。
在一个估计中,包络表示记录信号的瞬时能量。考虑到有意义的事件可能位于包络图像的峰值(高能量点)上,在能量高度变化的区域中,可以观察到,在包络图像中,最大值(高能峰值)通常位于两个最小值(低能量点)之间。然而,并非所有最大值都对应于有意义的(相干)事件-一些最大值与衰减的噪声有关。
通常来说,无意义的事件具有比它们有意义的(相干)对应物更小的幅度。这一事实表明,作为一种策略,使用全局阈值来丢弃对应于噪声的最大值。然而,在低幅度的有意义的最大值的情况下,全局阈值可能会失效。此外,全局阈值不能处理与一个以上最大值相关联的事件。
上述困难建议使用基于局部阈值的更详细的方法。在下文中,采用局部阈值策略。在没有太多形式化的情况下,直觉上很清楚,对于给定信号s(x),局部最大值和最小值位置是交替的,即,如果它们之间没有最小值(最大值),就不可能存在两个连续的最大值(最小值)。基于这种简单观察,我们提出了用于分离信号s(x)的局部最大值和最小值的方案。如本文所用:
·当信号在其左侧非减小,即并且在其右侧非增加,即时局部最大值s(xj)被定义;
·当信号在其左侧非减小并且在其右侧非增加时局部最大值s(xj)被定义。
基于以上定义,显著的最大值将被称为峰值,并且它们的位置由pi表示,其中i对最大值的数目进行计数。类似地,显著的最小值将被称为谷值,并且它们的位置由tj表示,其中j对最小值的数量进行计数。我们记得,位于pi的每个最大值位于两个相邻最小值之间,其位置分别由ti-1和ti+1指定。最大值,s(pi),与其相邻最小值s(ti-1)和s(ti+1)的值之间的差异将表示为
s(pi)-s(ti-1)=δi-,
s(pi)-s(ti+1)=δ1+。
(24)
上述(所有正)值δi-和δi+现在被收集在集Δ={δi-,δi+,i=1,...,N}中,在最大点pi数N上运行。这里的技术包括在集Δ中找到元素(阈值)δ*,使得对于所有i=1,...,N,s[pi]将被视为峰值(有效或有意义的最大值),如果它满足两个不等式
s(pi)≥s(ti-1)+δ*,
s(pi)≥s(ti+1)+δ。
(25)
否则,它被认为是噪声,并且因此被丢弃。为了获得该阈值δ*,称为k-均值群集的机器学习算法(Alpaydin,2010)。借助于该算法,可以找到一个数字δ,该数字δ的集被分成两个不相交的集,即:(a)集Δ1,其由小于δ的Δ的所有元素组成;(b)集Δ2,由大于或等于δ的Δ的所有元素组成。在获得数字δ之后,选择期望的阈值δ*,作为最接近δ*的Δ的元素。
该算法如下构造:首先,计算Δ中所有元素的(算术)均值α。然后,小于α的所有元素被分配给集Δ1,并且大于或等于α的所有元素被分配给集Δ2。作为下一步,(算术)意味着,分别计算集Δ1和Δ2中的α1和α2。距Δ1和α1的元素的距离;以及来自Δ2和α2的元素的距离也被计算。利用该信息,以下面的方式重新排列(更新)子集Δ1和Δ2。对于Δ的每个元素,如果其距离α1小于其与α2的距离,则该元素属于Δ1。否则,它属于Δ2。然后重复该过程,直到不可能进一步重新排列。最后,所选阈值将是具有最高阈值的集中的最低阈值。
这解释了如何检测一维信号的峰值。对于二维信号,沿着图像的行或沿图像的列应用上述峰值检测。然而,执行峰值检测的最有利取向可以是沿着垂直于结构取向的方向。由于主要结构取向是已知的,所以它可用于旋转数据集或峰值检测算子并产生其中所有非必需信息已被丢弃的图像。上述峰值检测产生了其中所有非必需信息已被丢弃的图像。得到的图像具有以下特征:(a)它是二进制的,这意味着每个像素都有值“零”或“一”;以及(b)它是稀疏的,这意味着大多数元素都是零。在通常实施方案中,可以通过峰值检测算法使用自动全局阈值化(例如,k均值)来找到主要峰值。
图7A-7G示出了根据本公开的实施方案的峰值检测。图7A示出了从声反射图像生成的包络700图像。图7B示出了示出相对于位置的幅度的曲线701。如上所述,识别几个候选峰值702。图7C-7F示出了经由迭代K均值群集应用的峰值检测。参照图7C,计算平均值703。参考图7D,两个初始群集704a和704b分别用装置705a和705b形成。如上所述,对于群集1的每个元素710a-710e(统称为710),如果其到群集平均值的距离小于其到相邻群集平均值(群集2)的距离,则该元素保留。否则,它将转移到另一个群集。然后迭代地重复该过程。在图7E中,在第一次迭代中移位候选710d和710e,并且针对每个群集714a和714b计算新的平均值715a和715b。最后,在图7F中,所选择的阈值将是具有最高阈值的集中的最低阈值。图7G示出了包括检测到的峰值的二进制图像。
本公开的方面包括识别声反射图像中的特征集,这些特征基本上与图案拟合。在通常实施方案中,图案能够使用有限的参数集来表达。图案可以是线段图案。
霍夫变换(霍夫,1962年,Duda和Hart,1972年)广泛用于检测电钻孔图像中的裂缝(参见,例如Said,2014年及其参考文献)。霍夫变换的主要思想是识别图像域中的多组共线(直线)点。直线以几种方式参数化,所有这些都使用两个参数。其中之一就是所谓的正常形式
ρ=xcosθ+ysinθ。
(26)
对于固定参数对(ρ,θ),满足等式(26)的图像空间中的变化点(x,y)描述了直线,对于该直线(ρcosθ,ρsinθ)是在该线处将原点连接到其截取点的法向向量。该方法首先由Duda和Hart(1972)提出以克服直线的常规表示中的斜率和截距参数的无界问题。
我们可以容易地看到,对于图像域中的固定对(x,y)和参数域中的变化对(ρ,θ),等式(26)表示正弦函数。正常形式(26)的关键属性是,附接到图像域中的单条线上的点的参数域中的正弦函数全部在相同的点处截取,即指定图像域中的单条线的参数对。换句话说,当在参数域中的其对应的正弦波之间存在共同的相交点时,可识别图像域中的共线点。因此,指定正弦曲线的相交点的参数对在图像域中定义了包含与相交正弦曲线相对应的所有点的直线。参数空间中的交点可以借助于在每个(ρ,θ)上定义的“累加器函数”来确定。在霍夫变换中提供这种累加器
其中δ[x-a]是离散δ函数
这里,(x)中的括号符号表示最接近x的整数,S是输入图像的所有非零值(即一个值)的集。总之,检测图像域中的线的问题等同于检测霍夫空间中的峰值。这是因为这种峰值意味着正弦曲线的大量相交点,并且因此意味着图像空间中的共线点集。
用于检测霍夫空间(参数域)中的峰值的最常见工具是全局阈值方法(Illingworth,1988),其中高于给定阈值的所有峰值识别图像域中的线。该方法的缺点是高于阈值的值的存在不一定对应于图像空间中的有意义的(结构)线。在我们的示例中,最重要的情况是共线点不足以表征结构线(稀疏或不连续)。在检测到的线不使用的情况下,被称为错误检测。
Said(2014)提出了后处理方法来克服错误检测。因此,尽管霍夫变换是一种众所周知的线检测方法,但是需要后处理来处理错误检测问题,从而导致计算开销。在任何情况下,针对在参数空间中检测到的每个峰值识别线。要使这些线有意义(即与地质结构相关联),需要额外的要求。在该方向上的关键观察是,应当更好地识别结构,不是简单地识别为线,而是作为通过修改的霍夫变换实现的线段。
处理伪线检测问题的第一种方法是如上所述,将霍夫参数的角度范围限制为与过滤处理中获得的指向主要方向的角度范围一致。这种方法可以避免与非期望方向上的稀疏共线点相关联的错误线检测,而且节省了计算工作量。
参数空间中的角度限制消除了大多数错误检测到的线。它仍然不防止共线点在允许的取向范围内贡献一个以上的峰值。为了克服这种偶然性,并且还为了提高霍夫变换的准确度,我们在以下两个方面总结了应用霍夫变换后处理的方法(Said 2014):(a)将后处理的替代本地版本引入到霍夫变换的计算中;以及(b)引入用于检测的新方法,不是简单的线,而是线段。
图8A-8C示出了根据本公开的实施方案的用于线图案检测的技术。对于每个图像点801,计算霍夫变换并且检测参数空间802中的峰值。如果该峰值小于阈值,则前进到下一点。如果峰值802大于阈值803,则识别可能的前导线。在这种情况下,霍夫变换仅被应用在由所标识的导线(该线可以是或可以不是结构线)的点所定义的通道804上。接下来,检查通道是否存在线段,如下面进一步详细描述的。如果存在这种线段,则从参数空间去除属于该线段的点的霍夫变换,并且仅去除它们。
为了检测通道中的线段的存在,可以引入两个用户定义的参数,即间隙公差和最小线段长度。间隙公差是可允许的最大距离的度量,使得两个点被接受为连续的。最大间隙旨在防止稀疏共线点被识别为有效线。最小线段长度将连续的共线点集的最小尺寸量化为有效线段。因此,如果在通道中,一段连续点(即,满足间隙容限条件)和可接受的大小(即,满足最小线段长度的条件),则该段被认为是有效线段810。在现阶段,正在进行测试,以评估间隙公差和最小线段长度这两个参数的最佳选择。使用霍夫变换,可以通过线段而不是全线更好地识别结构,并且更好地减轻错误线检测的情况。有利地,可使用小参数集812(诸如对应于段的端点的坐标)来表示线段。
图9A-9C分别示出了由用于呈现倾角事件的数据集的预处理技术的三个变化产生的声反射图像901a、901b和901c。如将变得显而易见的,声学预处理可影响孔径角检测。图10A-10C示出了针对图像901a、901b和901c的每个版本的傅立叶变换的幅度谱(参见等式4a)。图11A-11C示出了针对图像901a、901b和901c的每种版本的孔径角检测。主要方向可以容易地由细长的更密集区域中的最高值幅度以及孔径角检测来标识。此外,可以观察到分布在这些区域附近的高幅度。这些幅度与迁移伪像(例如,去除的波和噪声的覆盖区)有关。
图12A和图12B分别示出了没有过滤和有过滤的图像901a的包络。图13A和图13B分别示出了没有过滤和有过滤的图像901c的包络。清楚地示出了包络突出有意义的结构的能力。然而,如上所述,过滤效率与LWD图像的声学预处理有关。这可以在图像901c的包络中看到。尽管用滤波器改善了包络,但噪声的存在掩盖了包络的使用。
图14A-14C示出了处理过的声反射图像901a的峰值检测。图14A示出了对应于901a的包络图像。图14B示出了根据本公开的实施方案生成的二进制图像。图14C示出了二进制图像内检测到的线段。将细化的霍夫变换应用于二进制图像,并且利用所得的参数集,将检测到的线段绘制在相应的二进制图像上。对于呈现一个明确定义的主要方向的图像901a,检测到的线段被良好地拟合到二进制图像。
来自峰值检测的所得图像是二进制图像。也就是说,每个像素都有值“0”或“1”,可以用一位来表示。此外,每一(灰度)像素由8位表示。如果我们考虑具有200x400像素的原始图像(其对应于640,000比特的数据集),则峰值图像的大小将被减小到80,000比特。而且,二进制图像是稀疏的,即,存在比“1”更多的“0”。这意味着二进制图像具有显著的冗余。因此,无损压缩将显著地减小数据大小。作为一个示例,Lempel-Ziv-Markov链算法(LZMA)(Salomon等人,2010)可以应用于二进制图像。选择此算法是因为其提供高压缩、快速解压缩且在大多数可用的压缩软件中实现。关于质量,二进制图像几乎总是优异的。因此,在一些情况下,如本文所描述的,可以通过比完全压缩更具体的优点来推荐对二进制图像的直接常规压缩。然而,在一些情况下,它们的大小对于有效传输可能太大。
当然,在许多应用中,使用图案检测的完全智能压缩将是优选的。线段图像总是较小,但具有仅在单个或类似的主要方向的情况下产生良好结果的限制。这里的讨论集中于具有尺寸为200×400像素(640,000比特)的目标图像的图像。将这些技术应用于来自图像901a的所得二进制图像,将先前检测到的峰值的集划分为近似连续的线段子集。一个线段的参数可以指定其两个极值点的位置。此外,这些极点中的每一者可由两个值定义,个别地由16位表示。因此,每个线段可以由64位参数化。当然,64位参数大小仅为示例。参数化图像的大小取决于在二进制图像中已经标识了多少线段、图像的分辨率、以及许多其他因素。线段图案的参数表示可以进一步在传输到地表之前被进一步压缩。
表2总结了与无损压缩的二进制图像和线段集情况相关的传输效率。考虑两种不同的操作情况,即具有5比特/秒和2比特/秒的传输速率。测试各种图像时,考虑了不同的场景:(1)“最小”,代表最小尺寸的图像;(2)“平均值”,代表所有图像的平均尺寸;(3)“最大值”,代表最大尺寸的图像。我们看到,在所有情况下,压缩的二进制图像显示出比它们的对应的线段集更大的图像尺寸(当然,传输时间更长)。在所有情况和传输速率下,线段集在不到一小时的时间内传输。对于5比特/秒的传输速率,压缩的二进制图像在所有情况下实现小于一小时的传输。
表2
图15示出了说明根据本公开的实施方案的用于在与地层相交的钻孔中执行测井的方法的流程图1500。在可选步骤1510中,使用载体在钻孔中输送声学测井工具。钻孔可以填充井下流体。
方法1500的可选步骤1520可以包括用声学测井工具获得声反射图像。步骤1520可以包括发射声学并使用至少一个传感器响应于发射波的反射产生信息。在一些实施方案中,步骤1520可包括向围绕井底钻具组件(BHA)的多个方位角分布的取向中的每一个发射波。
步骤1530包括自动生成声反射图像的压缩表示。可选步骤1540包括诸如,例如通过使用常规无损压缩处理的进一步压缩表示。可选的步骤1550包括向井上传输压缩的声反射图像。可选步骤1560包括相对于发射的启动,在地表上近乎实时地接收压缩图像。可选步骤1570包括使用接收到的图像估计地层的关注参数。如果对表示执行了进一步的常规压缩,则步骤1570可以包括对接收到的压缩图像进行解码。估计可在多个阶段中执行,使得较早阶段可处理用于稍后阶段的信息。
图16示出说明根据本公开的实施方案的用于自动生成声反射图像的压缩表示的方法的流程图1600。在可选步骤1610中,对图像进行预处理以提供原始声反射图像。在可选步骤1620中,经由应用2-D空间波数滤波器从原始声反射图像获得声反射图像,该2-D空间波数滤波器在原始声反射图像的至少一部分的2-D空间波数幅度谱内自动生成为极段,并且其中极段的方位角取向定义所确定的撞击。在可选的步骤1630,可以是由幅度峰值获得的线段的图案由以下中至少一个编码:i)霍夫变换;ii)霍夫变换的修改。
步骤1640包括识别声反射图像中基本上与图案拟合的特征集,其中所述特征集对应于地层的至少一个反射结构界面的一部分。识别所述特征集可以包括在确定的撞击方向上确定声反射图像的包络,找到包络中的主要峰值,以及生成幅度峰值的二进制图像。可以通过使用自动全局阈值处理的峰值检测算法来找到主要峰值。步骤1650包括使用图案的表示作为声反射图像的压缩表示。
可选方法可以包括使用关注的参数来估计地层的特征。参数的估计可以包括使用模型。在一些实施方案中,模型可以包括但不限于以下中的一个或多个:(i)数学方程;(ii)算法;(iii)反卷积技术,等等。也可以使用处理器可访问的参考信息。
方法实施方案可以包括根据声反射图像、测井记录、估计的参数或者使用这些操作中的一些创建的模型,在地层中进行进一步的操作。进一步的操作可以包括以下中至少一个:i)地质导向;ii)在地层中钻出额外的钻孔;iii)对地层执行附加测量;iv)估计地层的附加参数;v)将装置安装在钻孔中;vi)评估地层;vii)优化地层中或类似地层中的当前或未来发展;viii)优化地层中或类似地层中的当前或未来勘探;ix)钻井钻孔;以及x)从地层信息产生一种或多种碳氢化合物。
所关注的估计参数可作为信息存储(记录)或在显示器上可视地示出。关注的参数可以在存储或显示之前或之后传输。例如,信息可以被传输到其他井下部件或地表以用于存储、显示或进一步处理。本公开的各方面涉及使用所估计的关注的参数来建模地球地层的体积,诸如,例如通过将所估计的参数值与它们所对应的关注体积的部分相关联。在本公开的各方面中生成和维护的地球地层的模型可被实现为存储为信息的地球地层的表示。信息(例如,数据)也可以被传输、存储在非暂时性机器可读介质上和/或在显示器上呈现(例如,视觉示出)。
由处理器进行的测量的处理可发生在工具、地表处或远程位置处。数据采集可以至少部分地由电子器件控制。数据的控制和处理中的隐性含意是在使处理器能够执行控制和处理的合适的非暂时性机器可读介质上使用计算机程序。非暂时性机器可读介质可以包括ROM、EPROM、EEPROM、闪存和光盘。术语处理器旨在包括诸如现场可编程门阵列(FPGA)的装置。
上面使用的术语“输送装置”是指可用于输送、容纳、支持或以其他方式促成使用另一装置、装置部件、装置组合、介质和/或构件的任何装置、装置部件、装置组合、介质和/或构件。示例性的非限制性输送装置包括盘管类型、接合管类型的钻柱及其任意组合或部分。其他输送装置的示例包括套管、钢缆、钢缆探测器、滑线探测器、落锤、井下接头、BHA、钻柱***件、模块、内部壳体及其基底部分、自行牵引器。如上所述,术语“接头”是指被配置为部分地包围、完全包围、容纳或支撑装置的任何结构。如以上所使用的术语“信息”包括任何形式的信息(模拟的、数字的、EM的、印刷的等)。本文中的术语“处理器”或“信息处理装置”包括但不限于任何发送、接收、操纵、转换、计算、调制、调换、携带、存储或以其他方式利用信息的任何装置。信息处理装置可以包括微处理器、驻留存储器和用于执行编程指令的***装置。处理器可以执行存储在处理器可访问的计算机存储器中的指令,或者可以采用实现为现场可编程门阵列(‘FPGA’)、专用集成电路(‘ASIC’)、其他组合或顺序逻辑硬件等的逻辑。因此,处理器可以被配置为执行本文所述的一种或多种方法,且处理器的配置可包含与驻留存储器及用于执行经编程指令的***装置的操作性连接。
如本文所用,术语“流体”和“多种流体”是指一种或多种气体、一种或多种液体及其混合物。这里使用的“井下流体”包括任何气体、液体、可流动固体和其他具有流体性质并与碳氢化合物采收有关的材料。井下流体可以是天然的或人造的,并且可以在井下运输或者可以从井下位置采收。井下流体的非限制性示例包括钻井液、返回流体、地层流体、含有一种或多种碳氢化合物的生产流体、工程流体、与井下工具结合使用的油和溶剂、水、盐水及其组合。“工程流体”在本文中可用于指为特定目的配制的人造流体。
虽然前述公开针对本公开的一种模式的实施方案,但是各种修改对于本领域技术人员来说是显而易见的。意图是所有变化都包含在前述公开内容中。
Claims (15)
1.一种用于在与地层(195)相交的钻孔(126)中执行测井的方法,所述方法包括:
通过以下方式自动生成声反射图像(300、600)的压缩表示:
识别所述声反射图像中基本上拟合图案(线段302)的特征集(峰值702),其中所述特征集对应于所述地层的至少一个反射结构界面的一部分;以及
使用所述图案(302)的表示作为所述声反射图像的所述压缩表示。
2.根据权利要求1所述的方法,其中所述特征是所述声反射图像中的幅度峰值,且所述图案是其中的从所述幅度峰值获得的线段。
3.根据权利要求2所述的方法,其中识别所述特征集包括生成所述幅度峰值的二进制图像。
4.根据权利要求2所述的方法,其中所述图案由以下至少一个编码:i)霍夫变换;ii)所述霍夫变换的修改。
5.根据权利要求2所述的方法,其中识别所述声反射图像中的基本上与所述图案拟合的所述特征集包括确定所述声反射图像在确定的撞击方向上的包络,并在所述包络中找到主要峰值。
6.根据权利要求5所述的方法,其中通过使用自动全局阈值化的峰值检测算法来找到所述主要峰值。
7.根据权利要求5所述的方法,其中所述声反射图像是经由应用2-D空间波数滤波器从原始声反射图像获得的,所述2-D空间波数滤波器作为所述原始声反射图像的至少一部分的2-D空间波数幅度谱内的极段自动生成,并且其中所述极段的方位角取向定义所确定的撞击。
8.根据权利要求1所述的方法,其中所述声反射图像是经由应用2-D空间波数滤波器从原始声反射图像获得的。
9.根据权利要求1所述的方法,还包括压缩所述图案的所述表示。
10.根据权利要求1所述的方法,包括向井上传输所述压缩声反射图像。
11.根据权利要求10所述的设备,包括在所述地表处相对于所述发射的启动接近实时地接收所述压缩图像。
12.一种用于在与地层相交的钻孔中执行测井的方法,所述方法包括:
通过以下方式自动生成声反射图像的压缩表示:
通过将所述图像的满足至少一个预定义特征的部分表征为第一类型并将所述图像的不满足所述至少一个预定义特征的其他部分表征为第二类型来识别所述声反射图像中的特征集,其中所述特征集对应于所述地层的至少一个反射结构界面的一部分;以及
通过用所述图像的第一区域表示所述第一类型和用所述图像的第二区域表示所述第二类型来生成二进制图像;以及
使用所述二进制图像的表示作为所述声反射图像的所述压缩表示。
13.根据权利要求12所述的方法,其中所述至少一个预定义特征包括幅度峰值。
14.根据权利要求12所述的方法,还包括压缩所述表示以生成所述压缩的声反射图像。
15.一种用于在与地层相交的钻孔中进行测井的测井***,所述设备包括:
声学测井工具,其被构造为输送到钻孔中;
所述工具上的发射器,其被构造为在所述地层中生成第一波;
所述工具上的至少一个接收器,其被构造为响应于所述第一波的所述地层的至少一个反射结构界面通过所述地层中的界面提供信号;以及
所述工具上的至少一个处理器,其被构造为根据所述信号生成声反射图像,并通过以下方式自动生成所述声反射图像的压缩表示:
识别所述声反射图像中基本上拟合图案的特征集,其中所述特征集对应于所述地层的所述至少一个反射结构界面的一部分;以及
使用所述图案的表示作为所述声反射图像的所述压缩表示。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/225417 | 2016-08-01 | ||
US15/225,417 US11163082B2 (en) | 2016-08-01 | 2016-08-01 | Real-time pattern recognition and automatic interpretation of acoustic reflection images |
PCT/US2017/044659 WO2018026705A1 (en) | 2016-08-01 | 2017-07-31 | Real-time pattern recognition and automatic interpretation of acoustic reflection images |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109690358A true CN109690358A (zh) | 2019-04-26 |
CN109690358B CN109690358B (zh) | 2022-04-12 |
Family
ID=61009767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780055983.0A Active CN109690358B (zh) | 2016-08-01 | 2017-07-31 | 声反射图像的实时图案识别和自动解释 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11163082B2 (zh) |
CN (1) | CN109690358B (zh) |
BR (1) | BR112019002090B1 (zh) |
GB (1) | GB2567605B (zh) |
NO (1) | NO20190216A1 (zh) |
SA (1) | SA519401009B1 (zh) |
WO (1) | WO2018026705A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2507666B (en) * | 2012-11-02 | 2017-08-16 | Silixa Ltd | Determining a profile of fluid type in a well by distributed acoustic sensing |
TWI626622B (zh) * | 2017-07-04 | 2018-06-11 | System and method for stereoscopic imaging of underground rock formation characteristics | |
WO2019191476A1 (en) * | 2018-03-30 | 2019-10-03 | Halliburton Energy Services, Inc. | Dip detection in logging image processing |
CN112888970A (zh) * | 2018-10-01 | 2021-06-01 | 吉奥奎斯特***公司 | 确定声波慢度的方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5960371A (en) * | 1997-09-04 | 1999-09-28 | Schlumberger Technology Corporation | Method of determining dips and azimuths of fractures from borehole images |
US20070097786A1 (en) * | 2004-09-23 | 2007-05-03 | Schlumberger Technology Corporation | Methods and systems for compressing sonic log data |
US20110091078A1 (en) * | 2007-08-31 | 2011-04-21 | Josselin Kherroubi | Identifying geological features in an image of an underground formation surrounding a borehole |
US20110221883A1 (en) * | 2007-12-27 | 2011-09-15 | Lucian Johnston | Method and system for transmitting borehole image data |
CN103988096A (zh) * | 2011-10-05 | 2014-08-13 | 哈利伯顿能源服务公司 | 具有井下地震波形压缩的方法和装置 |
CN104410425A (zh) * | 2014-10-10 | 2015-03-11 | 中国石油天然气集团公司 | 一种用于随钻测量***数据压缩的方法 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3069654A (en) | 1960-03-25 | 1962-12-18 | Paul V C Hough | Method and means for recognizing complex patterns |
US3764968A (en) | 1972-06-15 | 1973-10-09 | Schlumberger Technology Corp | Well bore data transmission apparatus with debris clearing apparatus |
US3958217A (en) | 1974-05-10 | 1976-05-18 | Teleco Inc. | Pilot operated mud-pulse valve |
US4351037A (en) | 1977-12-05 | 1982-09-21 | Scherbatskoy Serge Alexander | Systems, apparatus and methods for measuring while drilling |
US4953595A (en) | 1987-07-29 | 1990-09-04 | Eastman Christensen Company | Mud pulse valve and method of valving in a mud flow for sharper rise and fall times, faster data pulse rates, and longer lifetime of the mud pulse valve |
US5031155A (en) | 1989-04-28 | 1991-07-09 | Schlumberger Technology Corporation | Compression and reconstruction of sonic data |
US5162994A (en) * | 1990-06-19 | 1992-11-10 | Halliburton Logging Services, Inc. | Method for determining dip and strike angles in borehole ultrasonic scanning tool data |
US6614360B1 (en) | 1995-01-12 | 2003-09-02 | Baker Hughes Incorporated | Measurement-while-drilling acoustic system employing multiple, segmented transmitters and receivers |
US5995447A (en) * | 1997-05-14 | 1999-11-30 | Gas Research Institute | System and method for processing acoustic signals to image behind reflective layers |
MY123577A (en) * | 2000-05-02 | 2006-05-31 | Shell Int Research | Borehole imaging |
US6898150B2 (en) | 2001-03-13 | 2005-05-24 | Baker Hughes Incorporated | Hydraulically balanced reciprocating pulser valve for mud pulse telemetry |
US7417920B2 (en) | 2001-03-13 | 2008-08-26 | Baker Hughes Incorporated | Reciprocating pulser for mud pulse telemetry |
US7035165B2 (en) | 2003-01-29 | 2006-04-25 | Baker Hughes Incorporated | Imaging near-borehole structure using directional acoustic-wave measurement |
EP1569163A1 (en) * | 2004-02-26 | 2005-08-31 | Services Petroliers Schlumberger | Method of determining planar events from borehole or core images |
GB2459052B (en) | 2006-12-26 | 2011-05-25 | Baker Hughes Inc | Imaging near-borehole reflectors using shear wave reflections from a multi-component acoustic tool |
EP2165218B1 (en) | 2007-06-15 | 2017-02-22 | Baker Hughes Incorporated | Imaging of formation structure ahead of the drill-bit |
US8024121B2 (en) * | 2008-01-25 | 2011-09-20 | Smith International, Inc. | Data compression method for use in downhole applications |
US20090205899A1 (en) | 2008-02-19 | 2009-08-20 | Baker Hughes Incorporated | Acoustic Imaging Away From the Borehole Using a Low-Frequency Quadrupole Excitation |
US8798967B2 (en) | 2011-03-30 | 2014-08-05 | Chevron U.S.A. Inc. | System and method for computations utilizing optimized earth model representations |
MX336188B (es) * | 2012-04-02 | 2016-01-06 | Halliburton Energy Services Inc | Sistema y metodos de registro acustico empleando inversion multi-modo para anisotropia y lentitud de corte. |
US9103935B2 (en) | 2013-02-04 | 2015-08-11 | King Fahd University Of Petroleum And Minerals | Method of first arrival picking of seismic refraction data |
US20140269186A1 (en) | 2013-03-14 | 2014-09-18 | Chevron U.S.A. Inc. | System and method for isolating signal in seismic data |
WO2014139593A1 (en) * | 2013-03-15 | 2014-09-18 | Statoil Petroleum As | Acoustic measurement tool |
US9670770B2 (en) | 2013-06-24 | 2017-06-06 | Baker Hughes Incorporated | Fracture evaluation through cased boreholes |
EP3055716B1 (en) * | 2013-10-08 | 2018-06-06 | Exxonmobil Upstream Research Company | Automatic dip picking from wellbore azimuthal image logs |
CN105814458B (zh) | 2013-10-21 | 2019-09-17 | 贝克休斯公司 | 地层的声波成像 |
US10364664B2 (en) * | 2016-06-30 | 2019-07-30 | Schlumberger Technology Corporation | Downhole acoustic mapping |
-
2016
- 2016-08-01 US US15/225,417 patent/US11163082B2/en active Active
-
2017
- 2017-07-31 WO PCT/US2017/044659 patent/WO2018026705A1/en active Application Filing
- 2017-07-31 GB GB1902574.1A patent/GB2567605B/en active Active
- 2017-07-31 CN CN201780055983.0A patent/CN109690358B/zh active Active
- 2017-07-31 BR BR112019002090-0A patent/BR112019002090B1/pt active IP Right Grant
-
2019
- 2019-02-01 SA SA519401009A patent/SA519401009B1/ar unknown
- 2019-02-18 NO NO20190216A patent/NO20190216A1/en unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5960371A (en) * | 1997-09-04 | 1999-09-28 | Schlumberger Technology Corporation | Method of determining dips and azimuths of fractures from borehole images |
US20070097786A1 (en) * | 2004-09-23 | 2007-05-03 | Schlumberger Technology Corporation | Methods and systems for compressing sonic log data |
US20110091078A1 (en) * | 2007-08-31 | 2011-04-21 | Josselin Kherroubi | Identifying geological features in an image of an underground formation surrounding a borehole |
US20110221883A1 (en) * | 2007-12-27 | 2011-09-15 | Lucian Johnston | Method and system for transmitting borehole image data |
CN103988096A (zh) * | 2011-10-05 | 2014-08-13 | 哈利伯顿能源服务公司 | 具有井下地震波形压缩的方法和装置 |
CN104410425A (zh) * | 2014-10-10 | 2015-03-11 | 中国石油天然气集团公司 | 一种用于随钻测量***数据压缩的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109690358B (zh) | 2022-04-12 |
WO2018026705A1 (en) | 2018-02-08 |
GB2567605A (en) | 2019-04-17 |
BR112019002090A2 (pt) | 2019-05-14 |
GB2567605B (en) | 2022-03-09 |
BR112019002090B1 (pt) | 2023-01-24 |
GB201902574D0 (en) | 2019-04-10 |
NO20190216A1 (en) | 2019-02-18 |
SA519401009B1 (ar) | 2022-04-13 |
US20180031718A1 (en) | 2018-02-01 |
US11163082B2 (en) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2852765C (en) | Method and system for predicting a drill string stuck pipe event | |
WO2019204555A1 (en) | Well log correlation and propagation system | |
US10782433B2 (en) | Method for an automatic detection of acoustic reflectors and their parameters from borehole acoustic array data | |
US10385677B2 (en) | Formation volumetric evaluation using normalized differential data | |
CN109690358A (zh) | 声反射图像的实时图案识别和自动解释 | |
US20130268201A1 (en) | Formation compositional evaluation using normalized differential data | |
US11526977B2 (en) | Methods for transmitting data acquired downhole by a downhole tool | |
CA2944375C (en) | Subsurface formation modeling with integrated stress profiles | |
US20170176228A1 (en) | Drilling fluid loss rate prediction | |
US20150253445A1 (en) | Visualization of seismic attributes | |
US20180088249A1 (en) | Thin Bed Tuning Frequency and Thickness Estimation | |
US20160208597A1 (en) | Drilling Assessment System | |
CN114402231A (zh) | 用机器学习技术解释地震断层 | |
CN114787665A (zh) | 无监督的测井记录重建和异常值检测 | |
WO2013122971A2 (en) | Systems and methods for computing surface of fracture per volume of rock | |
EP3976924A1 (en) | Methods and systems for determining integrity and operational boundaries of subterranean wells | |
US20230082567A1 (en) | Super resolution machine learning model for seismic visualization generation | |
US11175423B2 (en) | Real time deformation of seismic slices using programmable shaders | |
US20190243025A1 (en) | Petrophysical Field Evaluation Using Self-Organized Map | |
WO2023200696A1 (en) | Quantifying diversity in seismic datasets | |
WO2024129125A1 (en) | System and method for rendering a wellbore trajectory log |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Texas in the United States Applicant after: Ge (GE) Beck Hughes Ltd Address before: American Texas Applicant before: Ge (GE) Beck Hughes Ltd |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |