洞穴完井工艺在寿阳地区煤层气钻井中的应用

洞穴完井工艺包括钻井、完井、排水采气等工序,为提高煤层渗透率,最大限度的保证煤层气解析与运移,洞穴完井一般要求有效井径3-4m,及一定范围的破碎带。远东能源公司为开采寿阳地区15#煤层中的煤层气,部署了4口生产井．其井身设计为三开结构。钻井主要设备为T685WS顶驱车载钻机及多台不同型号的空压机,采用潜孔锤冲击钻进．以空气、空气泡沫为冲洗介质,钻进至15#目标煤层底板以下46m处完钻,然后利用可伸缩式扩孔器进行扩孔。在扩孔至距三开井底8～10m时．开始采用空气和清水憋压,通过瞬间释放压力,使煤层坍塌,如此反复,至造穴直径达到要求。由于严格按照技术标准及操作流程作业,采取的技术措施合理,4口井均已顺利投入生产,增产效果显著。可见该种洞穴完井技术的应用,不仅可以保护煤层原生结构及环境,并且还能减少煤层气射孔、压裂等环节的费用．对于煤层气井施工具有重要的经济意义。     

煤层气固井声幅测井方法探讨

影响煤层气固井声幅测井的因素较多,如地层软硬变化大、套管内径或壁厚不均、仪器不居中、发射能量不足、接收灵敏度不够等,这些因素的存在将会导致首波丢失、时差曲线产生周波跳跃或波动现象。为提高煤层气固井声幅测井质量,要尽量保证所用仪器外径接近套管内径,以减少无效传播和能量损失,另外需提高仪器的发射能量及接收灵敏度;在自由套管和声波强吸收地层,必须保证自由套管首波不限幅、声波强吸收地层首波不丢失。在现场解释时,一般以＂自由套管＂处的偏转幅度值A为标准,将固井声幅曲线幅度的20%A和40%A作为分界点,评价固井效果。     

浅谈测井方法在工程勘察中的应用

地球物理测井应用于工程勘察中,能够较好地解决用钻探不易解决的问题,如有效判别薄夹层、寻找井旁隐伏断裂破碎带、判断孔内土层稳定性以及测定土层的速度等。其中自然伽马测井曲线在判定含砾粘土夹层及软弱薄粘土夹层等方面具有较高的准确性;声波、井径、自然γ、视电阻率等测井方法可有效查找井旁隐伏断裂破碎带,特别是声波测井曲线异常更为明显;另外跨孔实测剪切波速还可进行地基土加固效果检验。     

三维地震属性参数在煤层厚度预测中的应用

依托“西部煤炭资源高精度三维地震勘探技术”项目工程,对晋城某矿南翼大巷东南区5m×5m×1ms的三维地震数据体,采用三维地震属性参数预测煤层厚度及其变化规律：沿3煤层、15煤层10ms时窗提取地震属性42种,根据钻孔资料,计算出煤厚与地震属性相关系数;从中优选出相关系数大于0．35的地震属性,其中3煤层9个、15煤层10个;然后进行地震属性互相关分析,优选出与3煤、15煤层厚度相关系数较大的4种属性,建立预测煤厚的BP神经网络模型,分别选取3煤层12个、15煤层4个实测数据作为学习训练和测试样本,以钻孔地震属性作为学习样本,对网络进行训练,最终获得全区煤层厚度。经与预留钻孔成果资料对比,预测精度较高,结果可用。     

VPN技术在煤炭地质档案网络服务中的应用

网络服务是煤炭地质档案业务发展的必由之路,为了解决在公共网络传输过程中的安全问题,本文介绍了一种虚拟专用网络技术,通过分析其应用于煤炭地质档案网络服务中的优势,为行业内外部的信息共享提供了一个新的思路。     

南京市首级高程控制网的建立及跨江水准的研究

本文首先介绍了南京市首级高程控制网的概况,接着重点讨论了跨江水准测量方法的选择,并全面分析了测距三角高程法影响精度的三个因素,结合南京市首级高程控制网全面介绍了数据处理的有关问题。     

数值模拟技术在海坨子油田开发调整研究中的应用

讨论分析数值模拟技术在海坨子油田开发调整研究中的思路和方法,采用美国Landmark公司VIP2003．4版本数值模拟软件包进行模拟研究,通过参数准备,静、动态拟合,模拟出海坨子油田海S9—11井组1—9砂组各小层剩余储量大小及不同阶段流体饱和度分布,结合可视化技术形象描述了海坨子油田剩余油变化规律及潜力区,在此基础上预测不同井网加密方式开发指标,并优选出最佳方案,为海坨子油田下步开发调整提供了重要依据,取得了较好的效果。     

北京及邻区微震活动的初步分析

通过对北京遥测地震台网近年来记录到的北京及邻区地震的震中分布,地震活动频度及能量释放强度的分析,得到本区地震活动在时间分布上具有“聚堆性”。在年发震频度,地震强度和能释放方面均具有双峰值特征,并且具有较好的一致性和同步性,在空间分布上具有条带特征,且形成北东～南西和北西～南东的两条相互交汇的条带。又通过统计分析得到本区发震概率最大的时间段是每年的１０月前后,而地震主要发生在北西～南东带上。     

Automatic classification of volcanic earthquakes by using Multi-Layered neural networks

The application of neural networks as classifiers of seismic events is described with the aim of developing an automatic system for the classification of explosion quakes at the Stromboli volcano. The architecture of the network that we trained to identify four different classes of shocks was a Multi-Layer Perceptron, using the Back Error Propagation algorithm. Five different approaches for representing the information embedded in the seismograms, both in the time and in the frequency domain, were considered, and the results compared. The direct use of the time series of the shocks was not satisfactory. The auto-correlation function worked well, but in some cases it was misleading. A better performance was obtained with a frequency domain representation. Finally, the use of the envelope function did not work well. Combining parameters such as the auto-correlation and envelope functions can improve one source of error, but it may introduce new ones. The performance obtained highlights the importance of the data attributes used for the training of the network. Topologies with eight neurons in a single hidden layer gave, on average, the best results among the considered neural network structures. The overall results provide a large number of events (89% with the best performance) correctly classified, indicating that this automatic technique is reliable, and encouraging further applications in the field of volcanic seismology.     

人工神经网络在白云岩类型识别中的应用

利用地球化学数据,运用人工神经网络方法对美国密苏里州东南Ｂｏｎｎｅｔｅｒｒｅ组（寒武纪）滨海相的白云岩进行了分类、识别,判别率达１００％,结果表明,该方法性能良好,可望成为岩石分类、判别的有效手段。