人工智能软件为你大幅节省测井时间

Qdrill利用人工智能和大数据，凭借其强大的处理能力，帮助作业者降低测井成本，提高作业效率。

来自 | E&P

编译 | 大安 葡萄

................................................................................................

复杂结构井越来越多，使得测井和随钻测量技术变得越来越具有挑战性。为此，Quantico Energy Solutions研发出一种替代水平井随钻测量或过钻柱测井工具的高效低成本测井技术。该公司推出的QDrill是一款人工智能软件系统，能够测量出油藏的岩石物理性质，包括随钻测量和电缆测井相关数据。在输入参数方面，软件算法运用了包括国内和国外许多盆地的伽马射线测井数据和钻井动态数据（包括机械钻速、钻压和扭矩等），软件中涵盖了几百口井的测井和钻井数据，如此大的测井和地层参数数据库使得该系统能够给出油藏的岩石物理性质，而无需进行昂贵的测井作业。

有一家钻井队伍正在美国的大陆中部地区钻一口水平井，目的层为常规碎屑层状砂岩油藏，通过附近垂直井和水平井钻井数据实施盲测技术，测试人工智能模型的准确性。

试验结果意义重大，利用软件提供的每日测井数据帮助钻井队在完成两口水平井作业中提高了作业效率。测井数据为钻井地质导向提供准确的目标层相关数据，同时，在完井/射孔布置阶段，各个射孔簇之间最小水平应力均匀分布。除此之外，测井数据还能辅助钻井方案决策过程。例如，在接近目标垂深时，起出磨钝钻头后，通过Quantico测井数据发现有利孔隙度参数后，使作业者确信需要重新下入钻头继续钻进，直至达到目标垂深。由于作业过程中并没有使用随钻测量工具，因此作业者将非生产时间缩短，且不用下入随钻测量工具，使得钻井成本降低。

石油圈原创，石油圈公众号：oilsns

精确度和重复性

Quantico数据库中包括了数百口常规和非常规油藏水平井的相关测井数据，这些数据表明用于密度测试的过钻柱测井工具的重复性是2%到3%，而声波测井重复性是5%到6%。正如作业者进行的盲测试验，人工智能模型能够为此类地层提供正确的测井参数。

为了确定人工智能测井数据库的准确性和重复性，采用了静态和适应性模型，这两种模型的测试结果有一定差别，这也恰好表明了测井数据的变化性。静态模型利用软件专有数据库和作业者作业前采集的本地数据，本地数据采用真实测井工具测得，适应性模型将这些本地数据添加到人工智能模型的训练集中。

应用静态模型和适应性模型测得的体积密度相比真实测井工具测得数据只有微小差别，其密度误差几何中心的偏离程度从0.017g/cm3到-0.003 g/cm3不等，该误差比密度测井工具测量误差要小得多，此外有井眼冲蚀测井时，QDrill测井工具会有更出色的性能表现，因为冲蚀会对测井工具极板贴井壁造成不利影响。

由密度误差（从0.017g/cm3到-0.003 g/cm3不等）引起的孔隙度误差范围窗口为0.012，完全在可接受范围内。

石油圈原创，石油圈公众号：oilsns

图1 静态和适应性模型预测的体积密度结果与测井工具测量结果对比图。

价值

Quantico工具系统为作业者提供了重要的水平井地层参数，如果采用常规测井方法获取这些参数，作业费用会很高。假设一口水平井测井作业费为15万美元，那么通过QDrill工具将会节省超过80%的作业费。

此外，当评价常规测井工具测量数据的质量时，该工具系统可用于规划常规测井工艺数据采集方案，在此次项目中，通过实施三口井常规测井，作业费为45万元，仅证实了人工智能测井数据比常规测井数据的准确度更高了。三口井的盲测试验证明了该工具系统的有效性。该工具会告诉作业者何时需要采用常规测井工艺进行数据采集，以及能够节省多少作业费。

人工智能测井工具系统每天为作业者提供测井数据，辅助地质导向、钻井和完井作业。

在美国陆地和深海的几家主要作业者都验证了该工具系统的可靠性。利用人工智能专有数据库，QDrill提供了一套具有革命性的测井工艺，通过它仅需较少的作业费就能深刻认识油藏特征，而且避免了常规测井作业时的入井工具风险。

石油圈原创，石油圈公众号：oilsns

您也有让人挠头的难题需要解决，或是优质技术想要找应用市场吗？如果有的话，欢迎联系小编微信或邮箱，也许能找到一剂良药。

石油圈原创，石油圈公众号：oilsns

.................................................

End

.................................................

欢迎添加石油圈老孟