基于随钻振动信号与深度学习的岩性智能预测方法

岩性智能预测在地质钻探中具有重要意义,可以提高勘探、开采效率和成果质量。基于钻进过程中钻头破碎岩石产生的振动信号,提出一种岩性随钻智能预测方法。选取7类尺寸相同的不同岩性的岩石,并设计微钻实验方案,对岩石施加不同钻速、转速以采集多钻进条件下的随钻三轴振动信号,对信号进行预处理滤除干扰信息,通过短时傅里叶变换生成表征信号时频域特征的时频图像,再利用多种数据增强方法增加图像数量并建立为数据库,以增强模型鲁棒性和泛化能力。改进深度学习中VGG11(Visual Geometry Group)卷积神经网络算法,将数据库划分为训练集∶测试集=8∶2,对训练集图像的有效信息进行特征提取、学习、迭代训练以获得岩性智能预测模型,并不断调整模型的3个超参数(学习率、批处理大小、迭代次数),拟合测试集和训练集损失函数曲线以提高模型预测精度。最后用测试集对模型进行多指标评估。结果表明:基于随钻振动数据训练得到的岩性智能预测模型泛化能力强,具有高预测精度,岩性整体预测准确率达到96.85%。重点讨论了数据集数量对岩性预测准确率的影响;不同的钻进条件会引起随钻振动信号产生一定规律性的变化,岩石性质会使得振动信号在三轴方向上有所变化;X、Y、Z轴信号表征着钻进过程中钻头破碎岩石的不同过程。提出的岩性实时智能预测方法为钻探工程现场中岩性预测提供了一定的依据和借鉴。

复杂山区水平绳索取心定向钻进聚合醇绿色防塌冲洗液研究

在西部艰险山区相关隧道及地下工程的勘察施工中,与传统垂直孔相比,水平定向绳索取心钻进勘察效率更高。在地质条件复杂、生态环境脆弱区,钻进过程中易出现塌孔、漏失等问题,要求所用冲洗液在保证流变性能的同时需具备抑制性强、无毒无害、绿色环保等特点。针对绳索取心水平定向钻进冲洗液性能问题,选择环保易降解、抑制性强的聚合物多元醇为主要研究对象,选择环保纤维素及纳米SiO_(2),以提升其自身流变性能。所研制的聚合醇防塌冲洗液体系:2%PVA+0.5‰甲基纤维素MC-9+0.5‰纤维素羟烷基醚LE-5+0.1%SiO_(2)+0.3‰淀粉类降滤失剂DD-1+0.2%有机硅消泡剂DS-957+0.8%KCl,由环保型材料构成,流变性能良好,防塌抑制能力也可达到定向取心钻进工程要求,为解决水平绳索取心定向钻进中的冲洗液工艺技术难题提供了新思路,对类似工程具有借鉴意义与参考价值。

含煤地层植物胶冲洗液改性及机理研究

为改善植物胶资源日益枯竭对含煤地层等复杂地层冲洗液应用带来的不利影响,对瓜尔胶进行复配−交联改性研究。以黄原胶为复配增效剂,有机硼为交联改性剂,并辅以交联控制剂、无机处理剂,研发一种新型植物胶冲洗液(GXB),并对其进行一系列的性能评价。评价结果表明,GXB性能优良,能够满足含煤地层等复杂地层的钻进需求。采用红外光谱分析、黏度分析、核磁共振分析相结合的方法对其复配−交联改性机理进行分析。结果表明:(1)复配增效过程存在2种作用机制:首先瓜尔胶中无半乳糖分布的区域可与黄原胶分子产生氢键或范德华力嵌合形成三维网状结构以增黏;同时在瓜尔胶作用下黄原胶易发生自缔合以提升体系结构黏度。(2)有机硼中的硼酸根离子主要通过络合半乳糖上的羟基以发生交联反应,体系黏度得到进一步提升,其过程可分为起始期、过渡期、上升期、稳定期4个阶段,各阶段交联反应的快慢主要受有机配位体释放硼酸根离子的速度影响。研究成果为解决含煤地层垮塌难题提供新的解决方案,同时对植物胶冲洗液的改性研究具有一定的参考价值。

全地层自适应绳索取心钻具割心机构优化

我国资源勘探逐渐向深层勘探发展,由于我国地域辽阔,遇到的地层具有相当的复杂性和多样性,给深部资源勘查工作带来较大困难。绳索取心因其“四高、三低、两好”的优点成为目前深部资源勘查工作常用的取心方法之一,但依然存在复杂地层岩心采取率低、内管打捞失败等缺点。为了提高绳索取心钻具在复杂地层的岩心采取率,对S75型钻具的割心机构进行了结构性优化,针对基础设计采用ABAQUS进行动态模拟仿真。结果表明,改进后的钻具尺寸合理,结构紧凑,可以实现采用一套钻具完成复杂地层的取心工作,具有全地层自适应能力,不需在钻遇松散软、硬脆碎地层时更换钻具,有效提高内管打捞成功率。