一种基于组构特征的页岩应力-应变曲线预测方法技术

本发明专利技术涉及一种基于组构特征的页岩应力

【技术实现步骤摘要】
一种基于组构特征的页岩应力
‑
应变曲线预测方法


[0001]本专利技术涉及页岩地层钻完井工程领域，具体涉及一种基于组构特征的页岩应力
‑
应变曲线预测方法。

技术介绍

[0002]实现碳达峰、碳中和是我国未来能源行业发展的主要目标。天然气作为典型的清洁能源，对实现我国碳达峰、碳中和具有重要意义。其中，页岩气在我国储量丰富，具有巨大的开发潜能。在页岩气的勘探开发过程中，面临的主要技术问题为：1)钻井过程中，井壁稳定性差，井壁垮塌掉块严重，制约了安全高效钻井；2)页岩气具有超低渗超低孔特点，需要开展大规模水力压裂，形成有效缝网，进而实现页岩气的经济高效开采。页岩地层井壁稳定性与水力压裂研究均与页岩的力学特征密切相关。页岩岩石力学特征的表现形式为应力
‑
应变关系，是其力学特征的基础，明确页岩应力
‑
应变特征对页岩地层井壁稳定性与水力压裂研究均有重要意义。
[0003]现有页岩应力
‑
应变曲线的表征方法主要结合岩石单/三轴实验与岩石本构理论，形成相应的应力
‑
应变曲线预测方法。基于现有岩石力学理论，岩石力学特征与其岩石组成与结构特征密切相关，大量研究也证实了这点。但针对页岩应力
‑
应变曲线，尚未形成考虑岩石组成与结构的定量表征方法。

技术实现思路

[0004]本申请为了解决上述技术问题提供一种基于组构特征的页岩应力
‑
应变曲线预测方法。
[0005]本申请通过下述技术方案实现：
[0006]一种基于组构特征的页岩应力
‑
应变曲线预测方法，包括以下步骤：S1，制取页岩岩心样品，统计样品层理角度、层理密度，测量页岩岩心样品孔隙度，采用单轴力学实验测量岩心样品的应力
‑
应变曲线，提取应力
‑
应变曲线参数；S2，将步骤S1中的岩心样品破坏后磨成粉末，采用X
‑
衍射仪确定矿物组成与黏土组成；S3，采用神经网络算法构建岩石结构参数(层理角度、层理密度、页岩孔隙度)、岩石组成参数(矿物组成、黏土组成)与应力
‑
应变曲线参数之间的定量关系，进而建立基于组构特征的页岩应力
‑
应变曲线预测方法。
[0007]进一步的，所述步骤S1中的岩心样品为圆柱形。
[0008]优选地，所述岩心样品的直径为25mm，高度为50mm。
[0009]进一步的，所述步骤S1中岩心样品孔隙度的测量方法为气测法，根据气测法原理，页岩孔隙度的计算公式为：
[0010][0011]式中，V
f
为岩样体积，V
s
为页岩骨架体积，为岩样孔隙度。
[0012]进一步的，所述步骤S1中应力
‑
应变曲线的参数包括弹性末端应力或者塑性开端
应力、弹性末端应变或者塑性开端应变、峰值应力、峰值应变、残余强度位置应力以及残余强度位置应变。
[0013]优选地，所述步骤S2中破坏岩心样品采用单轴破坏形式。
[0014]进一步的，所述步骤S2中的矿物组成包括黏土、石英、正长石、斜长石、方解石、白云石、黄铁矿；黏土组成包括伊利石、蒙脱石、伊蒙混层、高岭石、绿泥石。
[0015]优选地，所述步骤S3中的神经网络算法为BP神经网络算法。
[0016]进一步的，BP神经网络算法分为输入层、隐含层、输出层，从输入层节点到隐含层节点的关系式为：
[0017][0018]式中，Z为隐含层，Z
i
(i＝1,2,3
…
8)为隐含层节点，x为输入层，x
i
(i＝1,2,3
…
14)为输入层节点，w
o
为输入层与隐含层之间的权重系数，f为激活函数，通常选用sigmod函数，如下所示：
[0019][0020]基于隐含层节点分布，按照同样的方法，得到隐含层到输出层的关系式如下：
[0021][0022]式中，Y为输出层，y
i
(i＝1,2,3
…
6)为输出层节点，w1为输出层与隐含层之间的权重系数，w
yi
‑
zi
为输出层节点y
i
与隐含层z
i
之间的权重系数；
[0023]BP神经网络算法中的误差函数定义为：
[0024][0025]式中，C
i
(i＝1,2,3
…
6)为输出层节点与实测值误差，ry
i
为输出层的实测值，基于该误差，通过多次正向运算(从输入层到输出层)与反向运算(从输出层到输入层)，不断修
正权重系数(w
o
和w1)，从而获得误差最小条件下的权重系数。
[0026]优选地，BP神经网络算法的计算过程中，采用500次最大学习次数，精度为0.001。
[0027]与现有技术相比，本申请具有以下有益效果：
[0028]本专利技术考虑了页岩组成、结构特征对应力
‑
应变曲线特征的影响，进而实现了基于组构特征的页岩应力
‑
应变曲线的定量表征方法，通过对比预测应力
‑
应变曲线与实测应力
‑
应变曲线，结果表明二者具有相似变化趋势。
附图说明
[0029]此处所说明的附图用来提供对本申请实施方式的进一步理解，构成本申请的一部分，并不构成对本专利技术实施方式的限定。
[0030]图1是本专利技术的流程框图；
[0031]图2是页岩岩心样品层理角度与层理密度示意图；
[0032]图3是页岩岩心样品应力
‑
应变曲线参数示意图；
[0033]图4是基于BP神经网络算法的计算与学习示意图；
[0034]图5是页岩岩心样品的预测应力
‑
应变曲线和实测应力
‑
应变曲线对比图。
具体实施方式
[0035]为使本申请的目的、技术方案和有益效果更加清楚，下面将结合实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述。显然，所描述的实施方式是本专利技术一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本专利技术实施方式的组件可以以各种不同的配置来布置和设计。
[0036]实施例一
[0037]如图1所示，一种基于组构特征的页岩应力
‑
应变曲线预测方法，包括以下步骤：
[0038]S1，采用野外页岩露头，通过小型钻机，制取12块页岩标准圆柱岩心样品，岩心样品的直径为25mm，高度为50mm。
[0039]①
统计样品层理角度、层理密度，层理角度为层理面与水平面的夹角，层理发育密度是岩心单位长度上发育的层理条数(图2)，统计结果见表1。然后，基于气测法测量页岩岩心样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于组构特征的页岩应力
‑
应变曲线预测方法，其特征在于：包括以下步骤：S1，制取页岩岩心样品，统计样品层理角度、层理密度，测量页岩岩心样品孔隙度；采用单轴力学实验测量岩心样品的应力
‑
应变曲线，提取应力
‑
应变曲线参数；S2，将步骤S1中的岩心样品破坏后磨成粉末，采用X
‑
衍射仪确定矿物组成与黏土组成；S3，采用神经网络算法构建岩石结构、组成参数与应力
‑
应变曲线参数之间的定量关系，建立基于组构特征的页岩应力
‑
应变曲线预测方法。2.根据权利要求1所述的基于组构特征的页岩应力
‑
应变曲线预测方法，其特征在于：所述步骤S1中的岩心样品为圆柱形。3.根据权利要求2所述的基于组构特征的页岩应力
‑
应变曲线预测方法，其特征在于：所述岩心样品的直径为25mm，高度为50mm。4.根据权利要求1～3中任一项所述的基于组构特征的页岩应力
‑
应变曲线预测方法，其特征在于：所述步骤S1中岩心样品孔隙度的测量方法为气测法，根据气测法原理，页岩孔隙度的计算公式为：式中，V
f
为岩样体积，V
s
为页岩骨架体积，为岩样孔隙度。5.根据权利要求1所述的基于组构特征的页岩应力
‑
应变曲线预测方法，其特征在于：所述步骤S1中应力
‑
应变曲线的参数包括弹性末端应力或者塑性开端应力、弹性末端应变或者塑性开端应变、峰值应力、峰值应变、残余强度位置应力以及残余强度位置应变。6.根据权利要求1所述的基于组构特征的页岩应力
‑
应变曲线预测方法，其特征在于：所述步骤S2中破坏岩心样品采用单轴破坏形式。7.根据权利要求1或6所述的基于组构特征的页岩应力
‑
应变曲线预测方法，其特征在于：所述步骤...

【专利技术属性】
技术研发人员：丁乙，刘向君，梁利喜，熊健，侯连浪，余小龙，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：