（油气井工程专业论文）利用模糊神经网络进行固井质量的预测.pdf

独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取 得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论 文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中国 石油大学或其它教育机构的学位或证书而使用过的材料。与我一同工作 的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了 谢意。 签名：年月日 关于论文使用授权的说明 本人完全了解中国石油大学有关保留、使用学位论文的规定，即： 学校有权保留送交论文的复印件及电子版，允许论文被查阅和借阅；学 校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手 段保存论文。 ( 保密论文在解密后应遵守此规定) 学生签名： 导师签名： 芷 焦 月 月 日 日 中国石油大学( 华东) 硕士论文第l 章前言 第1 章前言 1 1 固井质量预测的目的和意义 固井的主要目的是封堵环形空间，阻止底层流体的流动，并达到地 层之间互相隔离的目的。固井时，必须用水泥浆将环行空间的钻屑及钻 井液全部替出，水泥浆必然经历水化作用，由液态变为固态，可以阻止 地层流体流动并且支撑套管。因此，一口井的成功开采与否很大程度上 取决于固井作业的质量。 固井作业是否能够得到较高的质量，其影响因素较多并且较为复杂， 特别是在深井或高温高压井，影响因素更多更复杂。通常为了获得良好 的固井质量，在施工时需要做大量的工作。甚至还会因为某种因素考虑 不周全，而导致固井失败，从而使先前的工作白费。 为了在固井前能够预知在所有因素的影响下，得到较好的固井质量， 避免造成较多的经济损失，需要预先确定在特定的条件下，预知固井的 质量这样的话，可以有效的保证在固井时能够得到较好的质量，为以后 的采油打下良好的基础。这在钻井行业中具有重要的意义。 1 2 固井质量预测所采用的方法 通常的固井方案主要是由设计者根据经验和计算进行设计，不能够 中国石油大学( 华东) 硕士论文 第1 章前言 预测设计实施以后的工程质量结果。同时，如果在设计中如果有问题也 不能在施工前得到及时改正。随着计算机技术的飞速发展，各种预测理 论不断完善，这也逐渐应用到了固井质量的预测之中。利用模糊逻辑规 则和人工神经网络相结合进行固井质量的预测是目前效果较好的预测方 法。 2 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 第2 章目前的研究及其方向 2 1 人工神经网络技术 人的思维有逻辑性和直观性两种不同的基本方式。逻辑性的思维是 指根据逻辑规则进行推理的过程：先将信息化成概念，并用符号表示， 然后根据符号运算，按串行模式进行逻辑推理。这一过程可以写成串行 的指令，让计算机来执行；直观性的思维是将分布式存储的信息并行协 作处理的过程。这种思维方式的特点在于信息处理是通过神经元之间同 时相互作用的动态过程来完成的。人工神经网络就是用来模拟人脑直观 性思维，它是一个非线性动力学系统，其特色在于信息的分布式存储和 并行协同处理。虽然单个神经元结构极其简单，功能有限，但大量神经 元构成的网络系统所能实现的行为却是极其丰富多彩的。另外，它还有 很强的容错性和鲁棒性，善于联系、综合和推广。下面就来介绍一下神 经网络的模型和常用的学习方法。 人工神经网络( h r t i f i c i a ln e u r a ln e t w o r k - - a n n ) ，又称联机制模 型( c o n n e c t i o n i s mm o d e l ) 或并行分布处理模型( p a r a l l e ld i s t r i b u t e d p r o c e s s i n gm o d e l ) ，是由大量简单元件广泛连接而成的，用以模拟人脑 行为的复杂网络系统。研究这种系统的根本和搜索的机制，为解决客观 世界中所存在的一些非常复杂的问题开辟了一条新途径。 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 人工神经网络采用物理上可实现的器件或现有的计算机，来模拟生 物神经网络的某些结构和功能。它有三个与用传统的方法进行信息处理 完全不同的特点： ( 1 ) 人工神经网络是自适应的和可以被训练的，它有自调整，即自 学习能力，如果最后输出不正确，系统可以调整权值，作用到每个输入 上去，以产生一个新的结果。如此反复，直到达到希望的输出。 ( 2 ) 人工神经网络结构决定了它是大规模并行机制，由于是由数据 驱动的，故其处理速度较传统方法要快得多。 ( 3 ) 人工神经网络具有很强的容错性，即局部的或部分的神经元损 坏后，不影响全局的活动。 由于以上三个特点，人工神经网络适用于处理实际中不确定性、不 精确性等引起的系统难以控制的问题以及映射输入、输出关系。 人工神经网络优于传统方法在于： ( i ) 实现了非线性关系的隐式表达，不需要建立复杂系统的显示关 系式。 ( 2 ) 容错性强，可以处理信息不完全的预测问题，而信息不完全的 情况在实际中经常遇到。 ( 3 ) 由于神经网络具有一致逼进效果，训练后的神经网络在样本与 非样本中都具有较好的效果。 ( 4 ) 由于大规模并行机制，故预测速度快。 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 ( 5 ) 动态自适应能力强，可适应外界新的学习样本。 1 9 8 6 年，学者r u m e l h a r t 、m c c e l l a n d 等人“1 提出了一种人工神经网 络的误差反向传播训练算法( b a c kp r o p a g a t i o n 。简称b p 算法) 。 b p 神经网络是单向传播的多层前向神经网络，网络除输入输出节点 之外，有一层或多层的隐藏节点，同层节点之间无任何连接。输入数据 从输入层节点依次经过各隐层节点，然后达到输出节点，从而得到输出 数据。由于同层节点间无任何耦合，故每层节点的输出只影响下一层节 点的输出，每个节点表示单个神经元，其对应的传递函数通常为s i g m o i d 型函数。之所以这样取一是因为对于多层的网络，这种函数所划分的区 域不是线性划分，而是由一个非线性的超平面组成的区域，它是比较柔 和、光滑的任意界面，因而网络的容错性较好；二是因为这种函数连续 可微，可以严格利用梯度下降法进行训练。 b p 网络主要用于： ( 1 ) 函数逼近：用输入矢量和相应输出矢量训练一个网络逼近一个 函数。 ( 2 ) 模式识别：用一个特定的输出矢量将它与输入矢量联系起来。 ( 3 ) 分类：把输入矢量以所定义的合适方式进行分类。 ( 4 ) 数据压缩：减少输出矢量维数以便于传输或存贮。 b p 网络的缺点和不足： 因为b p 网络采用的是沿梯度下降的搜索求解算法，这就不可避免地 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 出现了网络学习收敛速度慢，以及容易陷入局部最小等问题。 2 2 模糊系统 由于固井质量受到多种因素的影响，其在表现大体规律的同时，又 受到特定因素的影响，使问题的复杂性增加。 现时人们已经认识到，复杂的实际问题需要智能系统对各种不同来 源的知识、技术和方法进行组合，人们期望这些智能系统在特定领域拥 有像人类一样的专门知识，在变化的环境中能够调节自身将学习做得更 好，并对怎样做出决策和采取行动进行解释，设计这类智能系统的精髓 就是模糊一神经计算，其中神经元网络负责识别模式和按变化的环境进 行自适应调节，模糊推理系统包括对人类知识进行推理和决策。模糊一 神经计算是现代软件计算概念中的一种重要计算方法，它与人脑相对应， 具有在不确定及不精确环境中进行推理和学习的卓越能力。 2 3 模糊系统概述 计算机不能像人脑一样思维、推理、判断，只有当给定准确的信息 之后，计算机才能够做出相应的判断。但人脑却具有很高的模糊划分、 模糊判断和模糊推理的能力，即使在只有部分信息、甚至在得到的信息 不完全正确的情况下，也能够判断得出结论。而人们为了表达和传递知 识所采用的自然语言中也巧妙地渗透着模糊性，并能用最少的词汇表达 6 中国石油大学( 华东) 硕士论文 第2 章目前的研究及其方向 尽可能多的信息。计算机要模拟人的思维和判断过程，就必须将人类语 言中所具有的这种多义、不确定信息定量地表示出来，而模糊集就是用 来描述和刻画这些不确定信息的。模糊规则是指定义在模糊集上的规则， 常采用“i f - t h e n ”的形式，可用来表示专家的经验、知识等。由一组模 糊规则构成的模糊系统则可表示一个输入输出的映射关系。根据模糊系 统的存在定理，模糊系统可以近似任意连续函数。 模糊集：传统集合论只有o 和1 的界限。在这样的集合里，任一 元素属于某一集合的程度要么是0 ，要么是1 。例如，数“3 ”属于奇数 集，而不属于偶数集。因此传统集合中的对象是确定的，彼此是有区别 的，即集合的对象是“非此即彼”的二值逻辑关系。但现实生活中很多 现象是不满足这种二值性逻辑关系的。如人的语言就具有多义和不确定 的特点，特别是形容词，形容的对象往往不确定，描述的程度也模糊。 例如人们经常所说的“这个人的饭量比较大”，这个。大”与谁比，是与 某个人比，还是与人的平均量比，很难对此做出判断。而固井质量的测 定需要的同样是不定量的概念，因此有必要从量上表示质量“好的模糊 程度”。 模糊集合的概念是由美国著名学者z a d e h 教授“1 于1 9 6 5 年首先提出 的，其基本思想是把经典集合中的绝对隶属关系模糊化。 7 中国石油大学( 华东) 硕士论文 第2 章目前的研究及其方向 2 4 模糊神经网络 模糊神经网络在本质上就是将常规的神经网络( 如前馈神经网络， h o p f i e l d 神经网络) 赋予模糊输入信号和模糊权值，而模糊系统和神 经网络本身就有着以下的共同之处：第一，它们均可从给定的输入输出 信号( 数据) 中，建立系统的( 非线性) 输入输出关系，这一关系不像 传统的系统建模那样有一确定的数学描述的模型，因此它们被称为无模 型预报器；第二，从数据处理的形式上看，它们均采用并行处理的结构， 当输入信号进入模糊系统时，所有的模糊规则将依据条件部分的适用度 ( 即各输入变量对应条件部分各模糊集的隶属函数之积) 决定是否被激 发，并且由被激发的规则假设系统的输出。对神经网络而言，它本身就 是由并行结构的神经元构成。 模糊技术和神经网络技术的融合可有效地发挥各自的优势并弥补各 自的不足。模糊技术的特长在于逻辑推理能力，容易进行高阶的信息处 理，将模糊技术引入神经网络，可大大地拓宽神经网络处理的范围和能 力，使其不仅能处理精确信息，也能处理模糊信息或其它不准确性信息， 不仅能实现精确性联想及映射，还可实现不精确性联想及映射，特别是 模糊联想及模糊映射。神经网络在学习和自动模式识别方面有很强的优 势，采用神经网络技术来进行模糊信息处理，则使得模糊规则的自动提 取及隶属函数的自动生成有可能得以解决，使模糊系统成为一种自适应 模糊系统。模糊神经网络在本质上就是将常规神经网络赋予模糊输入信 r 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 号和模糊权值。 2 5 模糊神经网络算法的发展 模糊神经网络理论的发展主要体现在对其学习算法的研究上。目前 常见的算法有以下几种： 2 5 1 内部运算基于f 逻辑的模糊神经网络( f n n ) 这类模糊神经网络( f n n ) 模型，是f n n 研究中出现的最早的也是应 用最多的f n n 嘲，考虑模糊( f ) 神经元模型其 0 关系为： ) ，毒0 ，t w i ) ( 2 - 1 ) 其中丑 o ，1 o = 1 ，2 ，人，玎) 为输入信号，y e o ，1 为输出信号，s 为s 一模，t 为t 一模，对于这类f 神经元，m m g u p t a 与d h r a o 给出 了一种基于误差最小的学习方法，但由于信号的取值在 0 ，1 中，该方 法难以实现，且没有解决算法的收敛性，与( 2 - 1 ) 相应的前向f n n 模型如 下( p a 两层f n n ) 为例： y j2s 。( x f t wq ) ( 2 - 2 ) t 邙w i j 0 i ：j ，2 n ；j ：1 2 ，目i ) 为 肇接奄l x i ，y j e1 0 1 ( i = 1 ，z ，1 1 1j = l ，力，痂对于模型( 2 2 ) ，通常是将其作为 一种模糊联想记忆( f a m ) 的f n n 来研究，并且一般取s = v ( 取大) ，t = a ( 取 9 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 小) ，即i l l a x m i nf n n ，此时( 2 - 2 ) 变为： y j2 ：i 任， ，口j ( 2 3 ) 模型( 2 3 ) 的训练与f 关系方程有着密切的联系，所以对于( 2 - 3 ) 的学习算法的研究主要集中在两个方面： 第一是基于解f 关系方程的学习算法的研究，b k o s k o 率先利用f h e b b 法则对( 2 3 ) 的权进行学习，使这类网络呈现回想的特征。假设 有f 模式对( ( x + ，p ) ，七= 1 ，2 ，人，p ) ，x = a 霹l p - - ( y ：n 以) ， 则由fh e b b 法则，其f n n 的连接权可由下式决定： w ，= x pr x ：一y ：) ( 2 - 4 ) 然而利用( 2 4 ) 进行学习的最大缺陷是它并不能保证多个f 模式 ( ( x ，p ) ，k = l ，2 ，a ，p ) 能可靠的存储于由( 2 4 ) 所确定的连接权矩 阵中，但又不能让每个f 模式对使用一个f a i i 网络而单独编码，因为这 样做即耗费存储空间，又增加了硬件的复杂性，所以，利用f 关系方程 中极大解矩阵的方法给出f 模式对族( ( x k , y ) ，k = 1 ，2 ，a ，p ) 能够可 靠的编码到一个f a m 连接矩阵中的等价条件。这个方法推广了fh e b b 法 则，并且使得一个f 连接矩阵存储f 模式对的能力大大增强。通过在模 型( 2 4 ) 的输入层节点和输出层节点处分别引入阈值q ( f = 1 , 2 ，a ) 与 d ，= 0 , 2 ，人脚) ，得到下列的模型： 1 0 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 y ，= ，i ，g ，v d ( w ，v d ，) ( 2 5 ) 通过对阡的学习，使得网络的连接权矩阵的存储能力进一步加强， 从而使这一计算方法获得推广。 第二是迭代算法的研究，a b l a n c o 等在文献中利用g o d e l 蕴含逻 辑运算定义了光滑导数： 氅掣： 1 ，x ic ，氅当 1 垃卜( 2 - 6 ) 苏 l c x ) c 缸 【c x f 其中c 为常数，然后基于误差最小给出了关于连接权妒0 的算法： 刚川。w 州一南j q 1 其中，为迭代次数，玎为学习效率，f 为误差函数，偏导为光滑导数， a b l a n c o 等又把上述光滑导数方法同s a l t m u k a i d o n o 方法相结合，使 得在权学习过程中，尽量少出现权的改变而加快立了学习速度，学习精 度更高，而且概念更加明确，易于理解。 2 5 2 内部运算基于f 算术的前向f n n 这类f n n 的权的输入输出信号都是实数集r 上的f 集合，有以下几 种学习算法嘲： ( 1 ) fd e l t a 规则：这一方法是y h a y a s h i 提出的，考虑下面的f n n 模型： y ，：，r 芝i 谛，j ( 2 - s ) l i 中国石油大学( 华东) 硕j 二论文第2 章目前的研究及其方向 设6 = ( ，= 1 , 2 ，a ，m ) 为期望输出，定义误差函数为： 琶= 罨 6 i 一”( 2 - 9 ) 希望能使左= 万- 但不幸的是即使w = 1 ，2 ，a ，m , c g j = # ，由扩展原理置也 不是万，故y h a y a s h i 设计了一个算法的停止原则，对j = 1 , 2 ，a ，m 设 e 【d 】= b ，o j ： o - o j = l c j o ) ，若口= o ；f - 1 , 2 ，人，捍 ( 2 1 9 ) 0 否则 若c i 与c j 间无连接，则认为= 0 ，且假使对f - l ，2 ，a 月；= 0 。一个 f c m 可用其连接权矩阵表示出来，该矩阵的对角线元素为0 。 利用f c m 的合成能成功的解决人工智能领域中的知识合成问题，若 利用专家系统，这一问题显得很难处理，每位专家在某个方面的知识可 用一个f c m 来表示，同时得到连接权阵彬的合成，设有n 位专家的知识 用f c m 表达的连接权矩阵分别为彤，a ，则他们在该方面的知识的 合成即可表示为平权综合产生的矩阵： w = 嘶+ + a + 也可引入权因子 ( f = l ，2 ，a ，h ) ，则合成变为： w = 丑彤 ( 2 - 2 0 ) ( 2 - 2 1 ) 为了使合成后连接权矩阵的元素取值于( 0 ，1 ) ，则形中还要乘以 1 6 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 归一化因子 ? a = + 如+ 人+ 。f c m 视为一个带有反馈的f n n ，n 位专 家的知识可视为学习样本模式，从而可实现专家知识合成于连接权学习 两过程的一致，这在理论和实际应用中都有很重要的意义。 ( 2 ) 模糊自适应共振理论( f a r t ) 1 0 j 一般的神经网络在学习新的 模式时往往是利用已有的训练小时和变形，以及网络的可塑性( 能记录 新内容) 和稳定性( 不破坏成为已有记忆) 成为一对不可调和的矛盾。 由s g r o s s b e r g 与a c a r p e r n t e r 提出的a r t 神经网络很好的解决了这个 问题，之后，a c a r p e r n t e r 和s g r o s s b e r g 等又首先将a r t 网络应用于 f 集理论而提出了模糊共振理论，从而成功的解决了对于f 信息的存储 和记忆。 上述所采用的多中权重的计算方法都具有各自的优缺点，有的计算 速度快，有的适用范围广。虽然，目前f n n 的算法取得了一系列的成果， 但仍然面l 临着很多的问题。如利用f n n 来处理带有畸变的f 信息，如何 保持算法的稳定和优化? 如何处理在后续的计算中保证有效权重的值不 被破坏，实现有效权重的结果稳定? 这需要进一步的努力。 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 2 6 近年来模糊神经网络的应用 由于模糊神经网络本身所具有的优势，所以在近年来应用在多个方 面，并且都取得了较好的效果。 ( 1 ) 模糊理论已经被广泛的使用于系统工程的可靠性评价上1 。例 如，模糊故障数据分析理论和系统可靠性试验的模糊评价，采用模糊系 统配置神经网络的方法，是人工神经网络理论和模糊理论进行结合，有 效的应用于系统的工作可靠性分类分析。用神经网络引导数据，用模糊 系统表达规则和知识，逻辑神经网络和隶属函数具有嵌入的形式，层间 加入权值相连接，其结构如下所述： 该网络由五层构成，分别为： 输入层s ：由所有可利用的评价系统工作状态的信息构成。 模糊量词层p ：有所有该层输入的( 即输入层s 的输出) 模糊量词 组成，通常采用模糊隶属函数表达其属性。 模糊规则层r ：由所有与评价系统工作可靠度有关的模糊规则构成， 采用i f - t h e n 产生式规则执行逻辑操作。 工作可靠度分类评价层e ；由有关规则推理后项合成的模糊量词构 成，分级工作可靠度的评价类别。 决策层( 去模糊层) d ；是对系统工作可靠度的晟终评价，可以监控 系统的工作状态和作为决策预防维修的控制参数。 这种模型充分发挥了模糊神经网络的优势，在工作过程中体现了其 1 8 中国石油大学( 华东) 硕士论文第2 章目前的研究及其方向 巨大的使用价值。 ( 2 ) 方案的优选是多属性、多准则决策问题，它是从有限个待选方 案集中，经过综合权衡各个目标( 属性) 后，对方案集排序并选出最满 意的方案“。由于目标间的不可公度性与冲突性，一般要把各个目标特 征量化为隶属度( 或效用值) ，然后赋予各个目标相应的权重，再做综合 评价从而确定最满意的方案。 2 7 在石油工程领域中的应用 模糊神经网络在石油工程领域中已经开始崭露头角，主要体现在： ( 1 ) 油井的压裂效果预测：利用模糊神经网络进行压裂效果预测， 使用的是常见的t s 模糊神经网络“”，利用迭代自组织数据分析算法来 确定网络的模糊分割数然后用分类的结果来初始化隶属度函数的中心和 宽度，从而缩短了模糊神经网络的收敛过程，简化网络的设计，将混沌 机制通过非线性自反馈项引入t s 模型的b p 学习算法中，利用此项模型 可以有效的进行压裂效果的预测，该方法同样也可用于压裂选井选层、 优选压裂施工参数和方案优化设计方面。 ( 2 ) 模糊神经网络在岩性识别和牙轮钻进中的应用“：通过岩石的 破碎比功对岩石进行分类识别，基于模糊神经网络推理的岩石性质识别 方法能适应复杂多变的穿孔过程，为难以模型化的牙轮钻进自动控制以 及未来的智能钻机研究开辟了一条有效的途径。 1 9 中国石油大学( 华东) 硕上论文 第2 章目前的研究及其方向 利用神经网络驱动模糊推理方法，可以将两者所长较好的结合起来， 使的分析系统在岩性识别过程中，即可发挥推理功能，又具有很强的学 习能力。在应用中，达到了很好的效果。 中国石油大学( 华东) 硕士论文第3 章固井施工和影响同井质量的因素 第3 章固并施工和影响固井质量的因素 3 1 固井施工 固井就是从井口经过套管柱，将水泥浆注入井壁与套管之间的环空， 将套管柱和地层岩石固结起来的过程。 固井的主要目的就是封堵环形空间，阻止地层流体的流动，并达到 地层之间互相隔离的目的。固井时，必须用水泥浆将环形空间的钻屑及 钻井液全部替出。水泥浆必然经历水化作用，由液态变为固态，可以阻 止地层流体流动且支撑套管。因此，一口井的成功开采与否很大程度上 取决于固井作业的质量。 3 2 影响固井的因素 影响固井质量的因素多且杂，特别是深井、深井或高温高压井，影 响固井质量的因素更多、更复杂。 为了获得优质、完整的水泥环，获得优良的固井质量和层问封隔效 果，要求对这些影响固井质量的因素形成全面、系统、清晰的认识，以 便制定详细、周密的固井施工方案，使固井质量得以保证。也只有对这 些影响因素了解的足够详细，才能让所作的模型更加准确的进行质量的 预测。 影响固井质量的因素非常多，涉及到与固井作业相关的各个环节。 2 f 中国石油大学( 华东) 硕士论文第3 章固井施1 ：和影响同井质量的因素 同时，这些因素的作用机理、作用方式、作用时间都有所不同，且各因 素之间相互影响、相互制约，既可单独作用，也可联合作用影响固井质 量。为了不陷入这些纷繁芜杂的因素的泥潭里，我们只能找到影响固井 质量的主要因素进行讨论。 在固井施工过程中，按时间的先后顺序分为两个过程，注水泥与替 泥浆过程和候凝过程“”。 在注水泥与替泥浆过程中，是否获得较高固井质量，主要看水泥浆 是否把钻井液顶替干净。固井施工的主要目的就是要对管外地层彻底进 行永久性封固。为了满足这一需要，就必须彻底驱除环空内的钻井液和 冲洗液，使环空内充满水泥浆。如果顶替泥浆不彻底，将会在封固井段 形成连续的钻井液窜槽，从而使产层问窜通。 而在候凝过程中，主要看是否发生窜流和水泥浆的凝固质量。水泥 浆被顶替到预定环空位置后，从停止流动到凝固成固体可分为四个阶段， 即水泥浆液相、水泥浆胶凝( 固相基质和孔隙内流体形成两相物) 、泥凝 固( 水泥颗粒凝固终止，形成固体) 、水泥硬化。开始水泥浆能够完全传 递液体压力，随后水泥浆胶凝、失水和体积收缩而产生水泥浆失重现象， 使浆柱压力低于油、气、水层的压力，地层中的油、气、水就可能窜入 环空内，继而或是发生层间互窜或是沿环空窜至井口。在有高压油、气、 水层或层间压差大的井内，这种窜的可能性更大。 同时，候凝过程水泥浆的凝结性能也将对最终的固井质量起到重要 中国石油大学( 华东) 硕士论文第3 章固井施工和影响固井质量的因素 影响，如水泥浆的凝结时间、凝结后的强度等。 通过以上的分析可以知道决定固井质量的主要因素是由固井作业的 两个过程决定的两个因素： ( 1 ) 顶替效率 高的顶替效率是形成优质、完整的水泥环，获得优良固井质量和层 间封隔效果的重要前提条件。 ( 2 ) 候凝效果 在候凝过程中压稳地层流体、防止地层流体侵入环空干扰水泥浆凝 结；保证水泥浆有稳定的性质，以防水化缺陷，且在水泥与地层：套管 界面胶结良好，并及时有较高的强度。这样可以获得完整、优质的水泥 环。 只要保证高的顶替效率，良好的候凝效果，就可以获得优良的固井 质量，和较高固井优质率。 3 2 1 影响顶替效率的因素 ( 1 ) 接触时间 素流接触时间是环空的某个特定点在顶替过程中与达到紊流的水 泥浆( 或隔离液) 接触的时间的总和。增加水泥浆与隔离液通过某位置 的紊流接触时间，对提高偏心环空的顶替效率有明显的作用。 ( 2 ) 套管居中 中国石油大学( 华东) 硕士论文第3 章固井施工和影响固井质量的冈索 合理安放扶正器使套管居中，是消除偏心环空窄间隙处滞留钻井液， 提高水泥浆顶替效率的重要措施。 ( 3 ) 顶替流态 顶替流态是一个重要参数。环空流体的流动有三种流态，塞流、层 流和紊流。当流态为塞流时，由于剪切速率很小，各液层间流速变化不 大，可以获得较高的顶替效率：随压力梯度的增大，由于塞流流核缩小， 且形成速度梯度区，变为层流流态；当压力梯度进一步增大，可以获得 紊流流态，紊流流态可以在短时问内获得很高的顶替效率。在一般的注 水泥作业中，要实现塞流顶替比较困难，常用的是层流顶替和紊流顶替。 ( 4 ) 顶替参数( 流速、排量) 在现场固井施工中，受到机泵条件、管线条件及井况等因素的影响， 注替排量不可能无限加大。尽量提高顶替流速，可以达到紊流顶替，但 增加并非无限。 ( 5 ) 钻井液性能 钻井液的触变性可提高顶替效率。它对水泥浆顶替效率有明显的影 响，特别在低速下尤为突出。随着返回速度的增加，钻井液结构破坏， 静切力减弱，附着在井壁的滞留钻井液易被驱替带走。 另外，在保证井下安全前提下尽量降低钻井液的塑性粘度、动切力 和静切力对提高顶替效率有重要作用。 ( 6 ) 水泥浆与钻井液密度差 中国石油火学( 华东) 硕士论文 第3 章固井施工和影响同井质量的因素 钻井液的有效被顶替与水泥浆的密度差有相应的影响。称为浮力效 应。增大两种流体的密度差，对提高水泥浆顶替效率有较好的作用，这 种作用，对紊流流动尤为明显。 两种流体的密度差增加，除了浮力作用使液体交接面有稳定的水平 分界面外，还改变了液体流动的相互关系，增加了水泥浆的压力梯度和 减小了钻井液的阻力梯度。对层流流动，后一种作用并不明显。 ( 7 ) 环空间隙 根据尺寸的大小，环空可分为大间隙、正常间隙和小间隙。大间隙 影响水泥浆和钻井液的顶替流速、流体流态，从而影响顶替效率；、小间 隙影响顶替流态、顶替流速，以及平衡注水泥设计。 然而，并非问隙越大越好，间隙太大，消耗太多的水泥浆，提高固 井作业成本。 ( 8 ) 隔离液使用情况 隔离液是一种控制粘度、密度和胶凝强度的液体，在水泥浆和钻井 液间起隔离和缓冲的作用，在注水泥过程中具有冲洗井壁、管壁和稀释 钻井液的作用，有助于提高顶替效率。特别是紊流隔离液的使用。 此外还有一些其他的因素例如：活动套管、辅助工具附件等，这些 主要的作用是能够获得更好的顶替效率，或者在固定因素难以满足固井 质量要求时来提高顶替效率。 中国石油大学( 华东) 硕士论文第3 章固井施工和影响同井质量的冈素 3 2 2 影响候凝效果的因素 在候凝过程中，引起固井质量降低的主要原因是水泥浆在凝结过程 中“失重”而导致地层流体窜流，在水泥环中形成窜槽，降低整体顶替 效率。一般情况下，候凝效果怎样，主要看是否发生窜流。另外，水泥 浆体系不稳定，水泥与地层、套管界面胶结不良也极大影响固井质量。 所以，影响候凝效果的因素主要有两个： ( 1 ) 地层气窜严重度 气窜严重程度的增加，水泥的候凝效果就会极差。 ( 2 ) 水泥浆凝固质量 现代钻井工程的工作对象都是深井、超深井，由于井深变化幅度大， 井底温度以及压力都有大范围的变化。封填的井段从地面到6 0 0 0 m 深度， 水泥浆要适应大幅度温度条件的变化需要，尤其是一种类型级别的水泥， 既满足高温又要适应低温。而注水泥时水泥浆所受的环境压力的变化， 亦在常压至l o o m p a 的大范围内变化。所以，水泥浆体系需要良好的综合 性能，才能满足各个方面的要求。影响水泥浆凝固质量的因素主要有以 下几个方面“”： a 凝固强度 水泥浆固化后需要满足一定的抗压强度，即水泥石必须具有一定强 度以支撑套管轴向载荷，承受钻进与射孔等作用的震击，承受压裂作用 等。 2 6 中国石油大学( 华东) 硕士论文 第3 章固井施工和影响同井质量的因素 b 水泥浆自由水“” 水泥浆自由水即水泥浆的游离水，a p i 标准对基本水泥规定小于 3 5 0 ，而在某些特殊井，如大斜度井或水平井注水泥，应将自由水降 至0 ，以免形成上部水槽造成油气水窜。 c 水泥浆失水 水泥浆失水分为两个阶段，注水泥顶替过程的动态失水和候凝阶段 的静失水。 d 水泥浆稠化时间 稠化时间的控制是注水泥施工顺利进行的保障，因此，它是与注水 泥施工时间是密切联系的。 e 水泥浆防窜能力和抗高温特性 水泥浆防窜能力和抗高温特性对提高水泥浆的候凝效果非常重要， 特别是在特殊的井况下，如高温高压井，水泥浆需要有这些特性，才能 保证凝固质量。提高水泥浆的防窜能力和抗高温特性，可以通过加入水 泥浆添加剂，防窜剂和抗高温剂来获得。 3 3 固井质量的评价方式 3 3 1 衡量固井质量的基本标准 ( 1 ) 依照地质及工程设计要求，套管的下入深度、水泥浆返高和管 内水泥塞高度符合要求； 中国石油大学( 华东) 硕士论文第3 章固井施1 = 和影响同井质量的因素 ( 2 ) 注水泥井段环形空间全部为水泥浆充满，不存在残留现象； ( 3 ) 水泥石与套管和地层间有足够胶结强度，能经受高压酸化压裂 及下井管柱的冲击： ( 4 ) 水泥凝固后管外不冒油、气、水，环空内各种压力体系不能互 窜： ( 5 ) 水泥石能经受油、气、水长期的腐蚀。 3 3 2 固井质量的评价方式 声波测井是目前广泛的用于评价固井施工质量的有效方法。通过寻 求固井施工后，给定时间内仪器的监测信号与固井质量之间的关系来评 价固井质量。 水泥胶结测井已广泛用于检查固井质量，并总结出一套解释方法， 利用相对幅度来检查固井质量“。 相对幅度= 目的井段曲线幅度泥浆井段曲线幅度x 1 0 0 n , 6 相对幅度越大，说明固井质量越差，一般规定如下三个质量段： 胶结良好相对幅度小于2 0 0 5 。 胶结中等一相对幅度介于2 0 4 0 之间。 胶结不良相对幅度大于4 0 。 中国石油大学( 华东) 硕士论文第5 章模糊神经网络模型 第4 章模糊神经网络参数分析 4 1 利用模糊神经网络进行固井质量评价的因素分析 4 1 1 确定模糊神经网络的模型 模糊神经网络有多种类型，与一般神经网络相类似，通常我们将最 基本的神经网络划分为前向型神经网络和反馈型神经网络两大类。 我们的研究采用的是前向型神经网络。即是利用前向的b p 网络，其 规则利用的是模糊规则处理。 模糊神经网络的模型： 如图4 1 所示。这一网络系统的主要是由输入层、模糊化层、模糊 推理层和去模糊化层组成。 模糊推理层联系着模糊推理的前提与结论，精确的说是模糊推理的 前提变量的基本模糊状态，其网络参数即模糊推理过程中前提变量的基 本模糊状态和结论变量的基本模糊状态之间的模糊关系，它们是由具体 问题所决定的。 去模糊化层是将推理结论变量的分布型基本模糊状态转化成为确定 状态的网络层，其目的是给出确定的输出以让系统去执行。 中国石油大学( 华东) 硕士论文 第5 章模糊神经网络模型 删 怕n 图4 - 1 网络模型图 图中网络的主要部分的( i ) ( i i ) 层对应于模糊控制规则的前 提“i f p a r t ”部分，( i i i ) 层对应模糊推理层，每个节点的输出表示一 条规则的触发强度，运行的是模糊a n d 操作，( i v ) 层对应规则的结论 “t h e n p a r t ”。 4 1 2 网络输入参数的分析 根据影响固井质量的因素来确定输入的参数，主要的参数有： 4 1 2 1 难度系数的确定 难度系数反映非主要因素影响固井质量的程度。它包括的内容有广 中国石油大学( 华东) 硕士论文第5 章模糊神经网络模型 义和狭义之分，广义上内容包括除主要因素以外的一切因素：而狭义上 的内容是目前我们可以确定其具体情况的因素，主要有六个“：井眼条 件( 井径、井斜) 、封固段长、套管类型、井况( 如深井、超深井) 、温度、 复杂井况( 如低密度、高密度) 。 根据固井经验，这些非主要因素对常规井的固井质量影响不大，因 此，规定常规井的难度系数为1 ，其意义为这些因素在常规井的固井中不 影响获得好的固井质量，这样，可知难度系数取值范围为在o 至l j l 之间， 反映它们对固井质量的影响程度。这些因素的难度系数取值如下： ( 1 ) 常规井的难度系数：c d = l ( 2 ) 随井径交化率难度系数的取值 表4 - 1 井径变化率与难度系数 l 井径变化率( ) 1 5 l难度系数c d 10 9 50 9 ( 3 ) 一次封固段长与难度系数 表4 - 2 一次封固段长度与难度系数 一次封固段长度 1 0 0 0 ( m ) 难度系数c d o 9 510 9 5 ( 4 ) 不同套管类型的难度系数取值 中国石油大学( 华东) 硕士论文第5 章模糊神经网络模型 表4 3 套管类型与难度系数 i套管类型常规套管尾管 l难度系数c d lo 9 5 l ( 5 ) 不同井况的难度系数 表4 - 4 井况与难度系数 井况常规井深井超深井 难度系数c d 110 8 ( 6 ) 不同温度井与难度系数 表4 - 5 不同温度井况与难度系数 温度井况常规井超低温( 1 5 0 0 c ) l 难度系数c d 1o 8 5 0 7 ( 7 ) 不同水泥浆密度与难度系数 表4 - 6 水泥浆密度与难度系数 l 密度状况常规井低密度高密度 l 难度系数c d 10 8 5o 9 以上给出了影响固井质量的因素各自难度系数c d 的确定方法，而计 算固井质量需要的是总的难度系数，因此，需要一个计算模型把它们组 合起来。为了体现全部因