重复压裂应力场变化规律研究与应用

0
rij= (x-a1)/(a2-a1) 1
x<=a1 a1<x<a2 x>=a2
程序是用Matlab语言编写的，其程序框图如下：
二 重复压裂选井选层研究
录入样本训练集
数据归一化 权值赋初值
计算隐层，输出各节点输出值
计算期望值与实际输出值的误差E
误差值满足要求？
否
是
根据误差调节输出层权值
将训练好的权值保存起来
一前言
1.2国内外研究现状
国内刘洪博士在Siebrits和Elbel研究的基础上，通过无因次量来 确定应力改变的区域并认为应力改变的区域就是重复压裂裂缝转向 前的最大距离，然后利用压剪情况下裂缝扩展的最大拉应力原理来 确定重复压裂新裂缝转向后扩展的轨迹。
二 重复压裂选井选层研究
ຫໍສະໝຸດ Baidu选井选层一直是水力压裂设计人员关心的首要问题，选井选层的
三 **井应力场分布
3.1人工裂缝诱导应力模型
该物理模型的边界条件为： 处
处
三 **井应力场分布
3.1人工裂缝诱导应力模型
成功与否直接关系到压裂施工效果的好坏，而影响选井选层的因素 很多，影响关系又极其复杂，而且不能用规则的公式或方程来描述｡
人工神经网络方法是解决复杂的非线性映射问题的有效方法，表
现出了极大的灵活性和自适应性。因此，可以运用人工神经网络方 法，优选施工井层｡
二 重复压裂选井选层研究
2.1网络模型的建立
① 收敛速度慢 ② 存在所谓“局部最小值”问题
因此，需要对BP算法进行改进
BP算法的改进主要有两种途径，一种是采用启发式学习方法， 另一种则是采用更有效的优化算法。 本文采用了动量法、学习率自适应法和L－M法3种算法来改进BP算法
。
二 重复压裂选井选层研究
2.1网络模型的建立
网络模型程序实现的基本思路是首先选取录入样本， 即确定输入参数。(渗透率、孔隙度、厚度、压力、加砂……) 本文选用常用的最大最小法对数据进行预处理，方法如下：
一前言
1.2国内外研究现状
50年代，重复压裂技术最早出现在美国，国内60年代起也开始 进行重复压裂。到80年代，重复压裂技术取得了重大突破。 初次裂缝对应力场的影响。Dowell公司根据试验和模拟地应力 研究认为，地层中存在的支撑裂缝将改变井眼附近应力分布。 Bruno和Nakagawa用实验证明，孔隙压力的改变也会影响新 裂缝的重新定向。 邻井裂缝对应力场的影响。1987年美国能源部在多井试验中进 行改变应力的压裂试验，首先证明了地应力场受邻井裂缝影响。
人工神经网络的出现已有近60年的历史，在这半个世纪里， 多种网络模型得到了发展：
➢感知器 ➢线性网络 ➢BP网络 ➢自组织网络 ➢反馈网络
➢ 这些网络模型主要用来解决下列几类问题： 模式信息处理和模式识别 最优化问题 信息的智能化处理
本文选择具有模式识别功能和解决最优化问题的BP网络模型 和自组织网络。
二 重复压裂选井选层研究
2.1网络模型的建立
误差逆传播网络简称BP（Back Propagation）网络。典型的BP网络是 三层、前馈阶层网络，即：输入层、隐含层和输出层。各层之间全连接。 如图所示，三层BP网络结构。
二 重复压裂选井选层研究
2.1网络模型的建立
对于BP网络，其收敛过程存在着2个很大的缺陷：
网络训练过程图
二 重复压裂选井选层研究
2.2重复压裂选井研究
图中红色的圆圈 “O”表示权值矢 量，蓝色的“+”表 示输入矢量，O” “将“+”包住，表 明该网络经过训 练之后，已经完 全掌握“输入”和“ 权值矢量”之间的 关系”。
网络训练结果图
二 重复压裂选井选层研究
上图表明神经网络模型 已经训练好，精度符合 要求，可以应用该神经 网络模型开展研究工作 。应用训练好的神经网 络模型，对数据进行仿 真计算
2.3重复压裂裂缝参数优化
缝高优化结果
二 重复压裂选井选层研究
2.3重复压裂裂缝参数优化
铺砂浓度优化结果
二 重复压裂选井选层研究
2.3重复压裂裂缝参数优化
砂量优化结果
二 重复压裂选井选层研究
2.3重复压裂裂缝参数优化
最终的优化结果
三 **井应力场分布
从力学的观点看，裂缝总是产生于强度最 弱、抗力最小的地方，在地层中裂缝的出现 也是如此。因此，水力压裂的裂缝方向取决 于地层应力状态，即人工裂缝总是垂直于最 小主应力。
因此，垂直裂缝井重复压裂前储层中的应 力分布和水平主应力方向，控制着重复压裂 裂缝的起裂方位和延伸方向。
岩石单元体上的主 应力与裂缝方位
三 **井应力场分布
3.1人工裂缝诱导应力模型
重复压裂前井的状况可以简化为下图所示的物理模型：一平板中央 有一长为2a的穿透板厚直线状裂纹（可以当作短半轴0的椭圆的极 限情形）。
误差反向传递，调节隐层权值
结束
二 重复压裂选井选层研究
2.2重复压裂选井研究
选取33口油井进行重复压裂选井研究，基本数据如下（部分）
二 重复压裂选井选层研究
2.2重复压裂选井研究
对油井数据进行归一化处理 ，见下表（部分井）
二 重复压裂选井选层研究
神经网络仿真过程：设 置神经元数量N=45，训 练函数采用trainlm，训 练最大次数为1000步， 训练精度为1×10-7，如 图所示，经过26步训练 后达到了训练精度。
仿真结果
二 重复压裂选井选层研究
2.2重复压裂选井研究
48口井以增产倍数为目标排序，结果如下（部分）
重复压裂井选井计算结果
二 重复压裂选井选层研究
2.3重复压裂裂缝参数优化
以**为例 ，优化结果如下
支撑缝长优化结果
二 重复压裂选井选层研究
2.3重复压裂裂缝参数优化
缝宽优化结果
二 重复压裂选井选层研究
重复压裂应力场变化规律研 究与应用
主要内容
一、前言 二、重复压裂选井选层研究 三、应力场分布 四、重压新裂缝延伸轨迹预测
一前言
1.1问题的提出
水力压裂技术作为油藏的主导改造工艺在投产、增产、开发过程 中发挥着巨大的作用，该区块大部分油井投产时都实施了水力压裂 改造，并取得了较好的增产效果。然而随着开发时间的延长，大部 分井层人工裂缝已闭合，压裂增产效果变差。 可以采用改向重复压裂技术。改向重复压裂技术可以在地层中压 出与原裂缝方向不同的裂缝，从而能够在油气层中打开新的油气流 通道，更大范围地沟通老裂缝未动用的油气层。