CN111706322A - 一种岩石钻进响应的预测方法和预测*** - Google Patents
一种岩石钻进响应的预测方法和预测*** Download PDFInfo
- Publication number
- CN111706322A CN111706322A CN202010692453.0A CN202010692453A CN111706322A CN 111706322 A CN111706322 A CN 111706322A CN 202010692453 A CN202010692453 A CN 202010692453A CN 111706322 A CN111706322 A CN 111706322A
- Authority
- CN
- China
- Prior art keywords
- rock
- drilling
- compressive strength
- drilling parameters
- integrity degree
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 346
- 238000005553 drilling Methods 0.000 title claims abstract description 214
- 238000000034 method Methods 0.000 title claims abstract description 81
- 230000004044 response Effects 0.000 title claims abstract description 27
- 229920006395 saturated elastomer Polymers 0.000 claims abstract description 71
- 230000008569 process Effects 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000012549 training Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000002790 cross-validation Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 208000010392 Bone Fractures Diseases 0.000 description 9
- 206010017076 Fracture Diseases 0.000 description 9
- 238000005259 measurement Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009527 percussion Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
- E21B49/003—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells by analysing drilling variables or conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Earth Drilling (AREA)
Abstract
本发明公开了一种岩石钻进响应的预测方法与预测***,预测方法包括:获取岩体不同里程的钻进参数,并获取钻进参数与中间变量的关系模型;分析岩体不同里程的岩石饱和抗压强度,得到中间变量与岩石饱和抗压强度的关系;随钻获取岩体不同里程的岩石完整性程度,并以岩石完整性程度与钻进参数修正中间变量;利用软计算获取钻进参数、修正后的中间变量与岩石饱和抗压强度、岩石完整性程度的对应关系;以任一位置的钻进参数和中间变量,获取对应的岩石饱和抗压强度、岩石完整性程度。本申请通过采集样本数据、理论分析,并形成相应的对应关系,以任意钻进数据通过对应关系预测得到对应的岩体信息,使得预测过程简便,具有普遍的适用性。
Description
技术领域
本发明涉及岩土勘探技术领域,更具体地说,涉及一种岩石钻进响应的预测方法和预测***。
背景技术
岩体特性参数的获取是岩体工程中的一项重要任务,只有充分了解地下岩石强度及岩体结构等信息才可以合理地开展设计、施工与运营、维护,因此前期进行隧道掌子面超前地质预报是必不可少的工作。开展岩体工程时需获取岩石强度及结构特性,该项工作直接获取地下岩土体样本,通过取芯、土工及岩石力学实验,基于实验室分析采用直接方法获取岩石特性存在耗时、周期长、费用高等问题,且实验室状态不可能完全模拟井下状态,而且有些井段(软弱夹层、破碎带等)可能取不到岩芯而造成不连续。虽然目前在钻孔过程检测方面已经开展了很多研究,但是目前基于钻孔参数对地层开展识别还停留在定性方面,无法对岩石的强度做出定量描述并对地质条件破碎情况进行评估。
综上所述,如何提供一种方便准确的预测岩石特性的方法,是目前本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本发明的目的是提供一种岩石钻进响应的预测方法和预测***,该方法和***能够实现对岩石特性的较为准确的预测,且操作更简便,易于实现。
为了实现上述目的,本发明提供如下技术方案:
一种岩石钻进响应的预测方法,包括:
获取岩体不同里程的钻进参数,并获取钻进参数与中间变量的关系模型,所述中间变量为通过组合钻进参数得到的无量纲化的新参数,用于解释和评价地质情况;
分析岩体不同里程的岩石饱和抗压强度,得到所述中间变量与所述岩石饱和抗压强度的关系;
随钻获取岩体不同里程的岩石完整性程度,并以所述岩石完整性程度与所述钻进参数修正所述中间变量;
利用软计算获取所述钻进参数、修正后的中间变量与所述岩石饱和抗压强度、所述岩石完整性程度的对应关系;以任一位置的钻进参数和中间变量,通过所述对应关系获取对应的所述岩石饱和抗压强度、所述岩石完整性程度。
优选地,获取钻进参数与中间变量的关系模型包括:
理论推导得到所述钻进参数与所述中间变量的数学模型;
其中,所述钻进参数包含给进速度、打击压力、推进压力、回转压力、水压力和水流量;
所述中间变量至少包括钻进能量、归一化钻速比、弹性波反射系数中的一种。
优选地,分析岩体不同里程的岩石饱和抗压强度包括:
钻孔取芯得到岩体,并对所述岩体进行分析,将不同里程的所述岩体,按照所述岩石饱和抗压强度划分并标记;
所述岩石饱和抗压强度包括坚硬岩、较硬岩、较软岩、软岩和极软岩。
优选地,随钻获取岩体不同里程的岩石完整性程度,包括:
随钻所述岩体,获取所述岩体断裂情况,并将不同里程的所述岩体,按照岩石完整性程度划分并标记;
所述岩石完整性程度包括完整岩石、较完整岩石、较破碎岩石、破碎岩石和极破碎岩石。
优选地,随钻所述岩体的同时通过钻孔摄像和物理勘探方式实时获取岩体断裂情况。
优选地,以所述岩石完整性程度与所述钻进参数修正所述中间变量,包括:
以钻进过程中各个里程的所述岩石对应的岩石完整性程度和对应的所述钻进参数的对应关系,验证所述中间变量与所述岩石完整性程度的关联关系,通过所述关联关系对所述中间变量进行修正。
优选地,所述软计算获取所述钻进参数、修正后的中间变量与所述岩石饱和抗压强度、所述岩石完整性程度的对应关系,包括:
以所述钻进参数、修正后的中间变量作为输入数据,以对应的所述岩石饱和抗压强度、所述岩石完整性程度作为输出数据,利用软计算进行模型训练,建立由所述钻进参数到所述岩石饱和抗压强度、所述岩石完整性程度的预测模型;所述软计算包括基于交叉验证最小二乘支持向量法、非线性多元回归分析、人工神经网络、自适应性神经模糊推理***中的至少一者;
以任一位置的钻进参数和中间变量,通过所述对应关系获取对应的所述岩石饱和抗压强度、所述岩石完整性程度,包括:
向所述估算模型中输入任一位置的钻进参数和中间变量,获取由估算模型得到的所述岩石饱和抗压强度、所述岩石完整性程度。
优选地,以所述钻进参数、修正后的中间变量作为输入数据,以对应的所述岩石饱和抗压强度、所述岩石完整性程度作为输出数据,进行模型训练之前还包括:
将已有对应关系的样本数据中的80%作为模型训练集,将已有的对应关系数据中的20%作为模型测试集。
一种岩石钻进响应的预测***,包括:
数据勘探采集模块,用于获取岩体不同里程的钻进参数;
理论推导模块,用于获取钻进参数与中间变量的关系模型,所述中间变量用于解释和评价地质情况;
理论分析模块,用于分析岩体不同里程的岩石饱和抗压强度,得到所述中间变量与所述岩石饱和抗压强度的关系;
随钻勘探模块,用于随钻获取岩体不同里程的岩石完整性程度,并以所述岩石完整性程度与所述钻进参数修正所述中间变量;
软计算模块,用于利用软计算获取所述钻进参数、修正后的中间变量与所述岩石饱和抗压强度、所述岩石完整性程度的对应关系,所述软计算模块与所述理论分析模块、所述随钻勘探模块连接;
预测模块,用于以任一位置的钻进参数和中间变量,通过所述对应关系获取对应的所述岩石饱和抗压强度、所述岩石完整性程度;所述预测模块与所述软计算模块连接。
优选地,所述随钻勘探模块包括:
获取子模块,用于获取各个里程的所述岩石对应的岩石完整性程度和对应的所述钻进参数的对应关系;
验证子模块,用于验证所述中间变量与所述岩石完整性程度的关联关系,通过所述关联关系对所述中间变量进行修正。
本发明提供的方法能够将获取到的钻进参数转换为与地质密切相关的中间变量,并通过实验室的理论分析和实际测量,得到与中间变量的关系,并按照不同里程进行标记,形成多组由钻进参数到岩石饱和抗压强度、岩石完整性程度的映射关系,方便在实际测量到新的钻进参数后,利用上述对应关系,得到钻进参数对应的岩石饱和抗压强度、岩石完整性程度,以便获得岩体实际的情况。
本申请通过采集样本数据、理论分析,并形成相应的对应关系,从而方便通过任意钻进数据时,预测得到对应的岩体信息,使得预测过程简便,能够反复应用于多个岩体的预测,且具有普遍的适用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请所提供的一种岩石钻进响应的预测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的核心是提供一种岩石钻进响应的预测方法和预测***,该方法和***能够实现对岩石特性的较为准确的预测,且操作更简便,易于实现。
本申请提供了一种岩石钻进响应的预测方法,用于实现对岩体钻进的实际情况的预测过程,可以实现由一般岩体到待测量岩体的预测,该方法具体包括以下步骤:
步骤S1、获取岩体不同里程的钻进参数,并获取钻进参数与中间变量的关系模型,中间变量为通过组合钻进参数得到的无量纲化的新参数,用于解释和评价地质情况。
步骤S2、分析岩体不同里程的岩石饱和抗压强度,得到中间变量与岩石饱和抗压强度的关系。
步骤S3、随钻获取岩体不同里程的岩石完整性程度,并以岩石完整性程度与钻进参数修正中间变量。
步骤S4、利用软计算获取钻进参数、修正后的中间变量与岩石饱和抗压强度、岩石完整性程度的对应关系;以任一位置的钻进参数和中间变量,通过对应关系获取对应的岩石饱和抗压强度、岩石完整性程度。
获取操作指的是实时识别技术,即传感器技术,对岩体的数据进行采集,并可以进一步地进行传输和存储。具体参数组成可以参考现有技术。
钻进参数中可能包括给进推进压力波动的参数,利用步骤S1获取的钻进参数进行地质评价时,在地质条件较差的破碎带、裂隙发育区、断层发育区中通常给进(推进)压力波动较大。故需借助组合了钻进参数得出的无量纲中间变量可推测出破碎带所在的位置,侧面反映地质情况。
获取钻进参数与中间变量的关系模型,通常可以为获取二者之间的数学关系。
步骤S2中,分析岩体不同里程的岩石饱和抗压强度之前需要获取该部分岩体,分析指的是通过实验室分析得到高精度的分析数据,并得到岩石饱和抗压强度,进而结合岩石所在的不同里程,得到岩石饱和抗压强度与上述中间变量的关系。其中,岩石饱和抗压强度也称为岩石单轴饱和抗压强度。
步骤S3中,随钻获取指的是通过随钻得到的岩石样本直接获得岩石完整性程度,因为有确定的岩石完整性程度和相应的钻进参数、里程等,可以直接对中间变量进行修正,得到更加准确的、能够符合实际情况的中间变量。
至此,不同的里程下的钻进参数、中间变量、对应的岩石饱和抗压强度、岩石完整性程度均形成了多组数据,其中的对应关系也是确定的。因此可以将它们的对应关系利用软计算方法形成一个***的关系模型,类似于映射的对照表,以便当获取到新的钻进参数、中间变量时,能够通过上述关系模型得到对应的岩石饱和抗压强度、岩石完整性程度。
本申请所采用的方法能够将获取到的钻进参数转换为与地质密切相关的中间变量,并通过实验室的理论分析和实际测量,得到中间变量与的关系,并按照不同里程进行标记,从而形成多组由钻进参数到岩石饱和抗压强度、岩石完整性程度的映射关系,方便在实际测量到新的钻进参数后,利用上述对应关系,得到钻进参数对应的岩石饱和抗压强度、岩石完整性程度,以便获得岩体实际的情况。本申请通过采集样本数据、理论分析,并形成相应的对应关系,从而方便通过任意钻进数据时,预测得到对应的岩体信息,使得预测过程简便,能够反复应用于多个岩体的预测,且具有普遍的适用性。
在上述实施例的基础之上,步骤S1中,获取钻进参数与中间变量的关系模型的方法,具体包括以下步骤:
步骤S11、理论推导得到钻进参数与中间变量的数学模型;
其中,钻进参数包含给进速度、打击压力、推进压力、回转压力、水压力和水流量;中间变量至少包括钻进能量、归一化钻速比、弹性波反射系数中的一种。
需要说明的是,钻进参数与中间变量之间的关系可以为数学公式、数学模型或者映射关系等。
钻进参数除了给进速度、打击压力、推进压力、回转压力、水压力和水流量以外,还可以包括其他针对岩石的可测量得到的各种特征参数。而中间变量是为了通过组合钻进参数后进行无量纲化,从而更好地解释和评价地质情况的参数,也即当将钻进参数以数学变化等方式改变为有中间变量表示时,上述推进压力和回转压力即可以不参与考虑。
中间变量包括钻进能量、归一化钻速比和弹性波反射系数等,但并不局限于这三个参数。中间变量可以在钻进参数的基础之上主要用于反映岩性、结构面和软弱夹层的特征。
上述将钻进参数转化为中间变量的方式,需要结合钻机工作原理、岩石破碎学、声学、冲击动力学等常识性指示。实际操作中,本领域技术人员可以分析钻机的工作原理、钻头破碎岩石过程、钻进过程声学响应以及钻杆应力波产生及传播过程,从而建立钻进过程参数与中间变量之间的数学模型。
在上述实施例的基础之上,步骤S2中,分析岩体不同里程的岩石饱和抗压强度的方法,具体包括以下步骤:
步骤S21、钻孔取芯得到岩体,并对岩体进行分析,将不同里程的岩体,按照岩石饱和抗压强度划分并标记;
岩石饱和抗压强度包括坚硬岩、较硬岩、较软岩、软岩和极软岩。
具体地,实际操作时,可以通过钻孔取芯,直接获取地下岩土体样本,并通过实验室分析得到高精度的数据,过程中可以获取最为准确的地层信息,并需要将样本按照不同里程进行标记。也就是对于不同里程的岩体按照岩体的岩石饱和抗压强度进行标签分类,饱和抗压强度将岩石分为坚硬岩、较硬岩、较软岩、软岩和极软岩。
步骤S21中,通过取样的方式实现实验室分析得到不同里程下岩石的软硬划分,实际是得到了取样样本中的软硬程度的常规分类,用于结合不同里程下的钻进参数,得到由钻进参数到不同里程、以便于在预测阶段,通过钻进参数得到岩石饱和抗压强度的标记。
在上述实施例的基础之上,步骤S3中,随钻获取岩体不同里程的岩石完整性程度的方法,具体包括以下步骤:
步骤S31、随钻岩体,获取岩体断裂情况,并将不同里程的岩体,按照岩石完整性程度划分并标记;
岩石完整性程度包括完整岩石、较完整岩石、较破碎岩石、破碎岩石和极破碎岩石。
岩石完整性程度是评价岩体质量的重要指标。上述步骤中,根据岩体完整性程度将岩石分为完整、较完整、较破碎、破碎和极破碎岩石,并将样本标记为对应的标签,以岩体内钻取的里程进行标记。
可选地,步骤S31中随钻岩体的同时通过钻孔摄像和物理勘探方式实时获取岩体断裂情况。
本实施例中,提出了借助钻孔摄像、地球物理勘探的方式,可以实时获取实际岩体断裂情况,但实际操作过程中,并不局限于上述情况。
在上述实施例的基础之上,步骤S3中,以岩石完整性程度与钻进参数修正中间变量的方法,具体包括以下步骤:
步骤S32、以钻进过程中各个里程的岩石对应的岩石完整性程度和对应的钻进参数的对应关系,验证中间变量与岩石完整性程度的关联关系,通过关联关系对中间变量进行修正。
将随钻获取的岩石完整性程度结合随钻测量获取的钻进参数,从而验证中间变量与岩石实际情况之间的关联关系,并可以对中间变量加以修正,指的是通过调整中间变量,提高基于中间变量的岩体辨别力。
在上述实施例的基础之上,步骤S4中,软计算获取钻进参数、修正后的中间变量与岩石饱和抗压强度、岩石完整性程度的对应关系的方法,具体包括以下步骤:
步骤S41、以钻进参数、修正后的中间变量作为输入数据,以对应的岩石饱和抗压强度、岩石完整性程度作为输出数据,利用软计算进行模型训练,建立由钻进参数到岩石饱和抗压强度、岩石完整性程度的预测模型;软计算包括基于交叉验证最小二乘支持向量法、非线性多元回归分析、人工神经网络、自适应性神经模糊推理***中的至少一者;
步骤S4中,以任一位置的钻进参数和中间变量,通过对应关系获取对应的岩石饱和抗压强度、岩石完整性程度的方法,具体包括以下步骤:
步骤S42、向估算模型中输入任一位置的钻进参数和中间变量,获取由估算模型得到的岩石饱和抗压强度、岩石完整性程度。
其中,步骤S41中以已知的数据进行参数的映射,在人工神经网络中就是对已有数据进行学习。具体为,形成一个黑盒模型,以钻进参数、修正后的中间变量作为输入数据,以对应的岩石饱和抗压强度、岩石完整性程度作为输出数据,多组完整的对应关系形成估算的模型,即由已知的钻进参数、修正后的中间变量到岩石饱和抗压强度、岩石完整性程度的对应关系,对多组数据进行学习,存储建立的映射关系,并用于预测过程。
神经网络的学习过程是现有技术中常见的方式,本实施例中是利用该方法实现由钻进参数到岩体实际情况的对应关系。
需要说明的是,上述对应关系为一个或一组钻进参数对应到岩石完整性的5个特征中的一个,即完整岩石、较完整岩石、较破碎岩石、破碎岩石和极破碎岩石中的一个,同时钻进参数还能对应到岩石饱和抗压强度中的坚硬岩、较硬岩、较软岩、软岩和极软岩的5个特征,例如一个钻进参数能够对应到破碎岩石和较硬岩。
步骤S42即为进行预测的过程,通过输入钻进参数直接得到映射的岩石饱和抗压强度、岩石完整性程度,该步骤依赖于步骤S41中得到的对应关系。
在上述实施例的基础之上,步骤S41中,以钻进参数、修正后的中间变量作为输入数据,以对应的岩石饱和抗压强度、岩石完整性程度作为输出数据,进行模型训练之前具体包括以下步骤:
步骤S40、将已有的对应关系样本数据中的80%作为模型训练集,将已有的对应关系数据中的20%作为模型测试集。
由于需要进行对应关系的学习,也需要进行测试,并可选的在测试后继续学习,所以样本不能仅用来进行学习,还要有部分样本进行测试。
本申请中提供的软计算方法是通过对不确定性、不精确及不完全真值的容错以取得低代价的解决方案。目前,常见的软计算方法模式包括使用基于交叉验证最小二乘支持向量机、非线性多元回归分析、人工神经网络以及自适应神经模糊推理***,突出其不要求明确的数学方程及导数表达式等优势。通常是通过对已知的输入数据和输出数据进行学习,或确定其匹配关系,从而建立起规律的对应关系,从而用于其他数据的预测。
以上提供的方法中,通过软计算建立从中间变量到岩石饱和抗压强度和岩石完整性程度的估算模型。其中,岩石参数样本数据包括钻进参数数据和修正后的中间变量作为输入数据,或者输入矩阵,并由岩石饱和抗压强度和岩石完整性程度构成输出数据,或者输出矩阵。
优选为,以样本容量的80%的样本数据用于模型训练,其余20%的数据用于模型测试。在训练过程中,通过不断积累的样本更新模型中的超参数,通过形成的黑箱式结构建立钻进参数与岩石特性(岩石饱和抗压强度、岩石完整性程度)之间的关系,充分利用钻机在钻进中的有效实测数据的价值,便捷地获取钻进地层的岩石特性,从而有效减少钻孔取芯以及室内物理力学试验工作量。
上述各个实施例中提供了多种理论分析、实际检测的方法,并不限于传统方法中单一途径的获取岩体特性。本方法结合了随钻测量、钻孔取芯、钻孔摄像多种方式获取岩体数据,并将钻进参数衍生出钻进能量、归一化钻速比和弹性波反射系数等中间变量,从而采集大量的数据样本,为软计算建立的模型提供数据的特征输入和输出。
不同的测量和计算方式具有不同的效果和用途。其中,随钻测量可以实时快捷获取岩石的原位特性,钻孔取芯和钻孔摄像可以辅助获取岩石特性。另外,为了更好地解释和评价地质情况,本申请中还引入中间变量这一特征,通过中间变量推测出破碎带所在的位置,侧面反映地质情况。
软计算相比传统统计回归方法在解决小规模样本以及非线性预测问题中更具优势,在岩石特性估算中能够取得很好的效果。本方法丰富了岩石特性参数获取的间接方法,应用于硬岩和软岩的预测中,可推动钻孔过程检测技术以及随钻岩性识别技术在岩石工程中的应用。
除了上述各个实施例中提供的岩石钻进响应的预测方法,本发明还提供一种岩石钻进响应的预测***,用于实现上述方法,其中各个模块具体用于实现上述方法中的步骤,各个模块之间的连接关系以满足进行上述方法过程中所需要的数据传递为依据。
本申请提供的一种岩石钻进响应的预测***,该***主要包括:数据勘探采集模块、理论推导模块、理论分析模块、随钻勘探模块、软计算模块和预测模块。
其中,数据勘探采集模块用于获取岩体不同里程的钻进参数;
理论推导模块用于获取钻进参数与中间变量的关系模型,中间变量为更好地解释和评价地质情况的变量;
理论分析模块用于分析岩体不同里程的岩石饱和抗压强度,得到中间变量与岩石饱和抗压强度的关系;
随钻勘探模块,用于随钻获取岩体不同里程的岩石完整性程度,并以岩石完整性程度与钻进参数修正中间变量;
软计算模块,用于利用软计算获取钻进参数、修正后的中间变量与岩石饱和抗压强度、岩石完整性程度的对应关系,软计算模块与理论分析模块、随钻勘探模块连接;
预测模块,用于以任一位置的钻进参数和中间变量,通过对应关系获取对应的岩石饱和抗压强度、岩石完整性程度;预测模块与软计算模块连接。
需要说明的是,由于上述各个模块均为用于完成上述方法中的主要步骤,因此,各模块执行的内容不再进行具体的介绍,请参考上述方法的实施例中的说明。
在上述实施例的基础之上,随钻勘探模块包括:
获取子模块,用于获取各个里程的岩石对应的岩石完整性程度和对应的钻进参数的对应关系;
验证子模块,用于验证中间变量与岩石完整性程度的关联关系,通过关联关系对中间变量进行修正。
本申请所提供的方法和***中,通过将获得的钻进参数转换为与地质密切相关的钻进能量、归一化钻速比和弹性波反射系数等中间变量,以便作为软计算模型输入的特征项,并更好地解释和评价地质情况;
建立对应关系时,借助钻孔取芯获取岩石单轴饱和抗压强度,借助钻孔摄像和地球物理探测实时获取岩石完整性程度,通过软计算建立中间变量到岩石饱和抗压强度、岩石完整性程度的模型,从而实现在钻进过程中原位定量描述岩石特性;
将钻进参数与岩石特性通过软计算的方式建立响应关系,能够较为突出地解决其在小样本以及非线性预测问题中的预测优势;上述方法实现的过程,并不限于单一方法获得岩体特性,上述采集和推导的过程中,除了结合随钻测量、钻孔取芯、钻孔摄像多种方式以外,仍可以选用其他便于获得特征的方式,以间接获取岩体的数据。
除了上述各个实施例中所提供的方案,对于该方法和***中出现的其他操作,本申请文件中以简要描述说明,其均为现有技术中的常见手段或方法,其他各部分的结构请参考现有技术,本文不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
以上对本发明所提供的岩石钻进响应的预测方法和预测***进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种岩石钻进响应的预测方法,其特征在于,包括:
获取岩体不同里程的钻进参数,并获取钻进参数与中间变量的关系模型,所述中间变量为通过组合钻进参数得到的无量纲化的新参数,用于解释和评价地质情况;
分析岩体不同里程的岩石饱和抗压强度,得到所述中间变量与所述岩石饱和抗压强度的关系;
随钻获取岩体不同里程的岩石完整性程度,并以所述岩石完整性程度与所述钻进参数修正所述中间变量;
利用软计算获取所述钻进参数、修正后的中间变量与所述岩石饱和抗压强度、所述岩石完整性程度的对应关系;以任一位置的钻进参数和中间变量,通过所述对应关系获取对应的所述岩石饱和抗压强度、所述岩石完整性程度。
2.根据权利要求1所述的岩石钻进响应的预测方法,其特征在于,获取钻进参数与中间变量的关系模型包括:
理论推导得到所述钻进参数与所述中间变量的数学模型;
其中,所述钻进参数包含给进速度、打击压力、推进压力、回转压力、水压力和水流量;
所述中间变量至少包括钻进能量、归一化钻速比、弹性波反射系数中的一种。
3.根据权利要求1所述的岩石钻进响应的预测方法,其特征在于,分析岩体不同里程的岩石饱和抗压强度包括:
钻孔取芯得到岩体,并对所述岩体进行分析,将不同里程的所述岩体,按照所述岩石饱和抗压强度划分并标记;
所述岩石饱和抗压强度包括坚硬岩、较硬岩、较软岩、软岩和极软岩。
4.根据权利要求1所述的岩石钻进响应的预测方法,其特征在于,随钻获取岩体不同里程的岩石完整性程度,包括:
随钻所述岩体,获取所述岩体断裂情况,并将不同里程的所述岩体,按照岩石完整性程度划分并标记;
所述岩石完整性程度包括完整岩石、较完整岩石、较破碎岩石、破碎岩石和极破碎岩石。
5.根据权利要求4所述的岩石钻进响应的预测方法,其特征在于,随钻所述岩体的同时通过钻孔摄像和物理勘探方式实时获取岩体断裂情况。
6.根据权利要求1所述的岩石钻进响应的预测方法,其特征在于,以所述岩石完整性程度与所述钻进参数修正所述中间变量,包括:
以钻进过程中各个里程的所述岩石对应的岩石完整性程度和对应的所述钻进参数的对应关系,验证所述中间变量与所述岩石完整性程度的关联关系,通过所述关联关系对所述中间变量进行修正。
7.根据权利要求1至6任一项所述的岩石钻进响应的预测方法,其特征在于,所述软计算获取所述钻进参数、修正后的中间变量与所述岩石饱和抗压强度、所述岩石完整性程度的对应关系,包括:
以所述钻进参数、修正后的中间变量作为输入数据,以对应的所述岩石饱和抗压强度、所述岩石完整性程度作为输出数据,利用软计算进行模型训练,建立由所述钻进参数到所述岩石饱和抗压强度、所述岩石完整性程度的预测模型;所述软计算包括基于交叉验证最小二乘支持向量法、非线性多元回归分析、人工神经网络、自适应性神经模糊推理***中的至少一者;
以任一位置的钻进参数和中间变量,通过所述对应关系获取对应的所述岩石饱和抗压强度、所述岩石完整性程度,包括:
向所述估算模型中输入任一位置的钻进参数和中间变量,获取由估算模型得到的所述岩石饱和抗压强度、所述岩石完整性程度。
8.根据权利要求7所述的岩石钻进响应的预测方法,其特征在于,以所述钻进参数、修正后的中间变量作为输入数据,以对应的所述岩石饱和抗压强度、所述岩石完整性程度作为输出数据,进行模型训练之前还包括:
将已有对应关系的样本数据中的80%作为模型训练集,将已有的对应关系数据中的20%作为模型测试集。
9.一种岩石钻进响应的预测***,其特征在于,包括:
数据勘探采集模块,用于获取岩体不同里程的钻进参数;
理论推导模块,用于获取钻进参数与中间变量的关系模型,所述中间变量用于解释和评价地质情况;
理论分析模块,用于分析岩体不同里程的岩石饱和抗压强度,得到所述中间变量与所述岩石饱和抗压强度的关系;
随钻勘探模块,用于随钻获取岩体不同里程的岩石完整性程度,并以所述岩石完整性程度与所述钻进参数修正所述中间变量;
软计算模块,用于利用软计算获取所述钻进参数、修正后的中间变量与所述岩石饱和抗压强度、所述岩石完整性程度的对应关系,所述软计算模块与所述理论分析模块、所述随钻勘探模块连接;
预测模块,用于以任一位置的钻进参数和中间变量,通过所述对应关系获取对应的所述岩石饱和抗压强度、所述岩石完整性程度;所述预测模块与所述软计算模块连接。
10.根据权利要求9所述的岩石钻进响应的预测***,其特征在于,所述随钻勘探模块包括:
获取子模块,用于获取各个里程的所述岩石对应的岩石完整性程度和对应的所述钻进参数的对应关系;
验证子模块,用于验证所述中间变量与所述岩石完整性程度的关联关系,通过所述关联关系对所述中间变量进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010692453.0A CN111706322B (zh) | 2020-07-17 | 2020-07-17 | 一种岩石钻进响应的预测方法和预测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010692453.0A CN111706322B (zh) | 2020-07-17 | 2020-07-17 | 一种岩石钻进响应的预测方法和预测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111706322A true CN111706322A (zh) | 2020-09-25 |
CN111706322B CN111706322B (zh) | 2023-03-21 |
Family
ID=72546554
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010692453.0A Active CN111706322B (zh) | 2020-07-17 | 2020-07-17 | 一种岩石钻进响应的预测方法和预测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111706322B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113137226A (zh) * | 2021-04-29 | 2021-07-20 | 中国科学院武汉岩土力学研究所 | 便携式岩土体力学参数钻探测试***及设备 |
CN114486479A (zh) * | 2022-01-26 | 2022-05-13 | 中国铁建重工集团股份有限公司 | 一种混凝土强度检测装置及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5305836A (en) * | 1992-04-08 | 1994-04-26 | Baroid Technology, Inc. | System and method for controlling drill bit usage and well plan |
US6490527B1 (en) * | 1999-07-13 | 2002-12-03 | The United States Of America As Represented By The Department Of Health And Human Services | Method for characterization of rock strata in drilling operations |
JP2009161964A (ja) * | 2007-12-28 | 2009-07-23 | Ohbayashi Corp | 削孔速度比及び地山パラメータの相関関係算出方法及びそれを用いた切羽前方予測方法 |
CN105938611A (zh) * | 2016-07-06 | 2016-09-14 | 山东大学 | 一种基于随钻参数对地下工程围岩快速实时分级的方法 |
US20160305231A1 (en) * | 2015-04-14 | 2016-10-20 | Bp Corporation North America Inc. | System and Method for Drilling using Pore Pressure |
CN108519284A (zh) * | 2018-03-30 | 2018-09-11 | 山东大学 | 地下工程围岩数字钻探实时分级方法 |
CN108663269A (zh) * | 2018-03-30 | 2018-10-16 | 山东大学 | 基于等效岩体强度的地下工程围岩数字钻探分区方法 |
CN109725129A (zh) * | 2019-01-25 | 2019-05-07 | 黄河勘测规划设计有限公司 | Tbm隧洞岩体分级方法 |
CN110130883A (zh) * | 2019-04-01 | 2019-08-16 | 中国矿业大学 | 岩层参数的确定方法及装置 |
CN111291934A (zh) * | 2020-02-18 | 2020-06-16 | 山东科技大学 | 一种隧道施工过程中围岩实时分级预测及自检方法 |
-
2020
- 2020-07-17 CN CN202010692453.0A patent/CN111706322B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5305836A (en) * | 1992-04-08 | 1994-04-26 | Baroid Technology, Inc. | System and method for controlling drill bit usage and well plan |
US6490527B1 (en) * | 1999-07-13 | 2002-12-03 | The United States Of America As Represented By The Department Of Health And Human Services | Method for characterization of rock strata in drilling operations |
JP2009161964A (ja) * | 2007-12-28 | 2009-07-23 | Ohbayashi Corp | 削孔速度比及び地山パラメータの相関関係算出方法及びそれを用いた切羽前方予測方法 |
US20160305231A1 (en) * | 2015-04-14 | 2016-10-20 | Bp Corporation North America Inc. | System and Method for Drilling using Pore Pressure |
CN105938611A (zh) * | 2016-07-06 | 2016-09-14 | 山东大学 | 一种基于随钻参数对地下工程围岩快速实时分级的方法 |
CN108519284A (zh) * | 2018-03-30 | 2018-09-11 | 山东大学 | 地下工程围岩数字钻探实时分级方法 |
CN108663269A (zh) * | 2018-03-30 | 2018-10-16 | 山东大学 | 基于等效岩体强度的地下工程围岩数字钻探分区方法 |
CN109725129A (zh) * | 2019-01-25 | 2019-05-07 | 黄河勘测规划设计有限公司 | Tbm隧洞岩体分级方法 |
CN110130883A (zh) * | 2019-04-01 | 2019-08-16 | 中国矿业大学 | 岩层参数的确定方法及装置 |
CN111291934A (zh) * | 2020-02-18 | 2020-06-16 | 山东科技大学 | 一种隧道施工过程中围岩实时分级预测及自检方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113137226A (zh) * | 2021-04-29 | 2021-07-20 | 中国科学院武汉岩土力学研究所 | 便携式岩土体力学参数钻探测试***及设备 |
CN113137226B (zh) * | 2021-04-29 | 2023-10-13 | 中国科学院武汉岩土力学研究所 | 便携式岩土体力学参数钻探测试***及设备 |
CN114486479A (zh) * | 2022-01-26 | 2022-05-13 | 中国铁建重工集团股份有限公司 | 一种混凝土强度检测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111706322B (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | Regression analysis and ANN models to predict rock properties from sound levels produced during drilling | |
WO2020125682A1 (zh) | 一种应用随钻数据计算岩石强度的方法和*** | |
CN111706322B (zh) | 一种岩石钻进响应的预测方法和预测*** | |
CN106405640A (zh) | 基于深度信念神经网络的微震信号到时自动拾取方法 | |
CN110006568B (zh) | 一种利用岩芯获取三维地应力的方法及获取*** | |
WO2021147554A1 (zh) | 基于长石特征的隧洞内碎屑岩抗风化能力判别***与方法 | |
CN109740119B (zh) | 一种tbm掘进隧洞围岩单轴抗压强度快速估算方法 | |
CN104533400A (zh) | 一种重构测井曲线的方法 | |
CN104880217B (zh) | 一种基于测量值关联度的故障传感器信息重构方法 | |
CN111222683A (zh) | 一种基于pca-knn的tbm施工围岩综合分级预测方法 | |
CN112948932A (zh) | 一种基于TSP预报数据与XGBoost算法的围岩等级预测方法 | |
Gholamnejad et al. | Prediction of the deformation modulus of rock masses using Artificial Neural Networks and Regression methods | |
CN106525978A (zh) | 一种利用剪切模量变化计算软土结构性扰动度的方法 | |
CN110361264A (zh) | 预测泥质粉砂岩抗压强度的方法 | |
CN116291271A (zh) | 一种基于随钻测试的岩土体参数反演方法及*** | |
Fattahi et al. | Investigating correlation of physico-mechanical parameters and P-wave velocity of rocks: A comparative intelligent study | |
Khushaba et al. | A machine learning approach for material type logging and chemical assaying from autonomous measure-while-drilling (MWD) data | |
CN103306672A (zh) | 一种预测页岩地层不同钻进方向的研磨性的方法 | |
CN117350145A (zh) | 一种基于振动信号的岩石力学参数随钻预测方法 | |
Ghobadi et al. | Rock brittleness prediction using geomechanical properties of Hamekasi limestone: regression and artificial neural networks analysis | |
CN116721223A (zh) | 一种基于倾斜摄影和随钻测量技术的岩体稳定性分析方法 | |
Andersson et al. | Site investigations: Strategy for rock mechanics site descriptive model | |
CN116050008A (zh) | 岩体质量实时评价方法、装置、设备及可读存储介质 | |
Cetin et al. | Probabilistic assessment of standard penetration test hammer energy efficiency and rod length corrections | |
CN112064617B (zh) | 一种土石混合料地基质量检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |