基于随钻测井数据预测破裂压力

破裂压力是判断岩石是否起裂的重要依据,而现有的随钻测井资料仅能解释地应力、弹性模量等参数,缺乏对破裂压力的解释。为了准确预测破裂压力并降低施工压力和风险,基于准格尔盆地MH区块的流体扫描成像(flow scanner image,FSI)测试的产出剖面测井资料,区分泡酸与不泡酸两种方式,分别建立广义回归神经网络(generalized regression neural network,GRNN)模型,对该区块油井开发进行破裂压力预测,并运用交叉验证方法得出光滑因子,通过与真实破裂压力值对比验证模型的准确性,并与反向传播(back propagation,BP)神经网络和Hubbert-Willis(H-W)模型的预测结果进行对比分析,再基于此预测给出泡酸建议。结果表明:GRNN模型预测结果与实际破裂压力更接近,且均方根误差为4.54%,平均百分比误差为0.03%,均优于BP神经网络和H-W模型。GRNN模型不受地质条件影响且预测精度高,操作简便,可用于该地区破裂压力预测,也可作为后续井FSI测试的替代,不但可以为同类地区的施工提供借鉴,而且可以为同地区开发资源节约成本。

北安河地铁上盖项目绿色建造施工管理策划与实施

地铁16号线北安河车辆段综合利用项目是地铁上盖区装配式建筑群体项目。地铁上盖区的综合开发运用,改变了建筑业对土地的运用理念,对“节地”有前瞻性,装配式工程的推动,对地铁上盖住宅工程有促进意义。促使将大面积地铁上盖场地有效利用,项目具有较好的绿色建造设计理念。前期即对项目进行周全的绿色建造施工策划,并在施工过程中做好绿色建造施工的管理,全面提高该项目的绿色建造水平。

BIM技术在地铁16号线北安河车辆段综合利用项目的应用

地铁16号线北安河车辆段综合利用项目是在地铁停车库与检修库区上盖大面积综合开发,存在诸多施工技术难点与施工组织管理难点。施工总承包单位充分利用BIM工具的参数化、可视化、前置模拟等技术优势,助力轨道交通一体化工程的建设。该工程BIM技术应用可为类似工程提供案例借鉴。