一种基于数字岩体的钻井井漏预测方法技术领域
本发明属于油气井钻井风险预测技术领域，尤其涉及一种基于数字岩体的钻
井井漏预测方法。
背景技术
井漏是深井超深井钻井工程中最普遍的复杂性事件之一。为了避免发生井漏
和保护油气层，必须提前预测全井各层段发生井漏风险的可能性，提前进行钻井
方案的优化或采取预防措施，在施工过程中密切关注高风险井段，或及时识别即
将发生的井漏风险，有的放矢，确保钻井安全。
为解决上述难题，国内外专家学者已开展了一些研究，现有漏失的预测识别
方法，或是通过传感器观察现场现象，或是在井漏发生之后根据井漏的各种特性
来确定，或是对引起井漏发生的地质特征进行模糊评价宏观得到某地区的潜在井
漏风险，或是利用待预测井的部分参数同邻井井漏的一些“特征值”相匹配的方
法来预测井漏。
然而，大多数现有技术是事后判断的方法，虽然可以控制风险，挽回部分损
失，但是这样不可避免地导致钻井液漏失和油气层污染。而事先预测的方法没有
考虑具体的钻井工程设计信息与地质情况之间的相互作用关系，因此无法针对具
体的井采取针对性措施来进行优化的预防。
发明内容
本发明所要解决的技术问题之一是需要提供一种基于数字岩体的钻井井漏
预测方法，该方法能够结合地质参数信息和工程参数信息对钻井全井段潜在井漏
风险进行预测。
为了解决上述技术问题，本申请的实施例提供了一种基于数字岩体的钻井井
漏预测方法，该方法包括：采集当前井的井眼轨道数据，以获取井眼轨道每一位
置处的坐标；根据井眼轨道中每一位置处的坐标，从当前井的数字岩体中获取每
一位置处的地质参数信息；根据井眼轨道中每一位置处的坐标，获取每一位置处
的工程参数信息；根据每一位置处的地质参数信息和工程参数信息获取该位置处
的钻井井漏风险值。
优选地，在从当前井的数字岩体中获取每一位置处的地质参数信息的步骤
中，包括：从当前井的数字岩体中提取每一位置处的地质参数的数值；根据数字
岩体的数据来源和构建过程，获取每一位置处的地质参数的可信度值，其中，所
述地质参数包括如下：溶洞信息、断层信息、裂缝信息、岩石类型、渗透率、地
层孔隙压力当量密度和地层破裂压力当量密度。
优选地，在获取每一位置处的工程参数信息的步骤中，包括：从钻井工程设
计方案或随钻采集的数据中提取每一位置处的工程参数的数值；根据数据来源确
定每种工程参数的可信度，其中，所述工程参数包括如下：钻井液密度、钻井液
塑性粘度、排量、钻速、岩屑尺寸、岩屑、井眼直径、钻具内径、钻具外径、水
眼直径和激动压力系数或者激动压力当量密度；基于提取的每一位置处的工程参
数信息计算得到每一位置处的当量循环密度信息。
优选地，在计算得到每一位置处的压力当量循环密度信息的步骤中，包括：
根据每一位置处的工程参数信息，选择相应算法来计算每一位置处的压力当量循
环密度；根据计算压力当量循环密度所采用的算法和参与计算的参数得到压力当
量循环密度的可信度。
优选地，在根据计算压力当量循环密度所采用的算法和参与计算的参数得到
压力当量循环密度ECD的可信度的步骤中，进一步包括：假设参与计算的有n
个参数E1…En，计算每个参数对于ECD计算的独立可信度CF(Ei)＝
CF(E)[i]*CF(ECD算法)，CF(ECD算法)表示计算ECD的算法的可信度，CF(E)[i]
表示参数Ei的可信度；计算E1和E2的综合可信度CF(E1E2)＝CF(E1)+CF(E2)-
CF(E1)*CF(E2)，然后将CF(E1E2)作为独立可信度，将其与CF(E3)进行计算得到
CF(E1E2E3)，依次迭代计算直至最后一个参数En，进而得到最终的综合可信度
CF(ECD)，将其作为压力当量循环密度ECD的可信度。
优选地，在根据每一位置处的地质参数信息和工程参数信息获取该位置处的
钻井井漏风险值的步骤中，包括：根据每一位置处的地质参数信息和工程参数信
息判断是否满足预设条件：若满足，则根据预设条件确定初始风险值，并计算该
初始风险值的可信度，基于初始风险值及其可信度得到最终风险值；若不满足预
设条件，则确定最终风险值为0。
优选地，所述预设条件包括以下至少之一：存在溶洞或存在断层；压力当量
循环密度与激动压力系数或者激动压力当量密度之和大于地层破裂压力当量密
度；裂缝为非常发育，且压力当量循环密度与激动压力系数或者激动压力当量密
度之和大于地层孔隙压力当量密度；裂缝为一般发育，且压力当量循环密度与激
动压力系数或者激动压力当量密度之和大于地层孔隙压力当量密度；岩石类型为
砂岩、砾岩或砂砾岩，且渗透率大于一定值，压力当量循环密度与激动压力系数
或者激动压力当量密度之和大于地层孔隙压力当量密度；岩石类型为砂岩、砾岩
或砂砾岩，且压力当量循环密度与激动压力系数或者激动压力当量密度之和大于
地层孔隙压力当量密度；岩石类型为砂岩、砾岩或砂砾岩，且压力当量循环密度
大于等于地层孔隙压力当量密度；压力当量循环密度与激动压力系数或者激动压
力当量密度之和大于地层孔隙压力当量密度；压力当量循环密度大于地层孔隙压
力当量密度。
优选地，根据所满足的预设条件中各参数的可信度来计算初始风险值的可信
度。
优选地，还包括：基于地质参数信息、工程参数信息和钻井井漏风险值，以
同一个井深为基准以曲线形式来显示井漏风险预测剖面。
优选地，还包括：在一位置处的钻井井漏风险值大于等于设定门限时，对该
位置处的工程参数信息进行调整，以使该位置处的钻井井漏风险值小于设定门
限。
与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有
益效果。
本发明的基于数字岩体的钻井井漏预测方法，能够基于相关地质参数和钻
井工程参数，对钻井全井段进行井漏风险预测，得到既体现井漏严重度又体现发
生概率的量化风险级别，既可以用来进行钻井设计方案的评价和优化，又能在钻
井施工过程中及时识别井漏苗头，从而最大限度避免井漏的发生。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明
书中变得显而易见，或者通过实施本发明的技术方案而了解。本发明的目的和其
他优点可通过在说明书、权利要求书以及附图中所特别指出的结构和/或流程来实
现和获得。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说
明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释
本申请的技术方案，但并不构成对本申请技术方案的限制。
图1为本发明实施例一的基于数字岩体的钻井井漏预测方法的流程示意图。
图2为本发明一个例子的基于数字岩体的钻井井漏预测方法的流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何
应用技术手段来解决技术问题，并达成相应技术效果的实现过程能充分理解并据
以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结
合，所形成的技术方案均在本发明的保护范围之内。
另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机
系统中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以
以不同于此处的顺序执行所示出或描述的步骤。
(实施例一)
图1为本发明实施例的基于数字岩体的钻井井漏预测方法的流程示意图，下
面参考图1来详细说明本方法的各个步骤。
在步骤S110中，采集当前井的井眼轨道数据，以获取井眼轨道每一位置处
的坐标。
井眼轨道数据包括井深、井斜角、方位角等信息。一般，最好每隔较小间隔
取一点，在本例中每隔1米取1个点，依次采集每个点的数据，然后将每个点的
数据通过计算转换为笛卡尔坐标值X、Y、Z，最终得到一个有关当前井的井眼轨
道的坐标序列。
在步骤S120中，根据井眼轨道中每一位置处的坐标，从当前井的数字岩体
中获取每一位置处的地质参数信息(包括地质参数值及其可信度值)。
需要说明的是，数字岩体是指系列三维网格数据体，每个网格节点都有坐标
值且附有岩体的属性值(如溶洞、裂缝、孔隙度、孔隙压力等等)。一般，基于
已有的地质构造模型，就能够构建出用于钻井的数字岩体。而且，从数字岩体中
获取沿井眼轨迹的各种工程地质参数，能够精细优化钻井施工方案，提高预测钻
井井漏的精度。
具体地，在从当前井的数字岩体中获取每一位置处的地质参数信息的步骤
中，包括：从当前井的数字岩体中提取每一位置处的地质参数的数值，根据数字
岩体的数据来源和构建过程，获取每一位置处的地质参数的可信度值。其中，地
质参数包括如下：溶洞信息、断层信息、裂缝信息、岩石类型、渗透率、地层孔
隙压力当量密度和地层破裂压力当量密度等。
在步骤S130中，根据井眼轨道中每一位置处的坐标，获取每一位置处的工
程参数信息(包括工程参数值及其可信度值)。
具体地，需要执行以下步骤：从钻井工程设计方案或随钻采集的数据中提取
每一位置处的工程参数，根据数据来源确定每种工程参数的可信度。其中，工程
参数包括如下：钻井液密度、钻井液塑性粘度、排量、钻速、岩屑尺寸、岩屑、
井眼直径、钻具内径、钻具外径、水眼直径和设定的激动压力系数或者计算获得
的激动压力当量密度等。然后，根据提取的每一位置处的工程参数信息，计算得
到每一位置处的压力当量循环密度(也为一个工程参数)信息。
在计算得到每一位置处的压力当量循环密度信息的步骤中，具体地，根据每
一位置处的工程参数信息，选择相应算法来计算每一位置处的压力当量循环密
度，然后根据计算压力当量循环密度所采用的算法和参与计算的参数得到压力当
量循环密度的可信度。
在根据计算压力当量循环密度所采用的算法和用到的参数得到压力当量循
环密度ECD的可信度的步骤中，进一步包括：假设参与计算的有n个参数E1…
En，则先计算每个参数对于ECD计算的独立可信度CF(Ei)＝CF(E)[i]*CF(ECD算
法)，CF(ECD算法)表示计算ECD的算法的可信度，CF(E)[i]表示参数Ei的可信
度。然后计算E1和E2的综合可信度CF(E1E2)＝CF(E1)+CF(E2)-CF(E1)*CF(E2)，
然后将CF(E1E2)作为独立可信度用类似的方法与CF(E3)计算得到CF(E1E2E3)，
即CF(E1E2E3)＝CF(E1E2)+CF(E3)-CF(E1E2)*CF(E3)，……依次迭代计算直至
最后一个参数En的位置，得到最终的综合可信度CF(ECD)，将其作为压力当量
循环密度ECD的可信度。
需要说明的是，现有的方法均假设所使用的数据的可信度是100％准确，所
使用的计算和判断方法也是100％可靠，然而在实际工作中这些数据和方法非理
想化，相比现有技术，本发明考虑了数据和计算方法的可靠度，进一步提高了预
测钻井井漏的精确度。
在步骤S140中，根据井眼轨道的每一位置处的地质参数信息和工程参数信
息获取该位置处的钻井井漏风险值。
具体地，根据每一位置处的地质参数信息和工程参数信息判断是否满足预设
条件，若满足，则根据预设条件确定初始风险值，计算该初始风险值的可信度，
基于初始风险值及其可信度得到最终风险值。若不满足预设条件，则确定最终风
险值为0。在本例中，根据所满足的预设条件中各参数的可信度来计算初始风险
值的可信度。
进一步，上述预设条件可以包括以下至少之一：(1)存在溶洞或存在断层；
(2)压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层破
裂压力当量密度；(3)裂缝为非常发育，且压力当量循环密度与激动压力系数
或者激动压力当量密度之和大于地层孔隙压力当量密度；(4)裂缝为一般发育，
且压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层孔隙
压力当量密度；(5)岩石类型为砂岩、砾岩或砂砾岩，且渗透率大于一定值，
压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地层孔隙压
力当量密度；(6)岩石类型为砂岩、砾岩或砂砾岩，且压力当量循环密度与激
动压力系数或者激动压力当量密度之和大于地层孔隙压力当量密度；(7)岩石
类型为砂岩、砾岩或砂砾岩，且压力当量循环密度大于等于地层孔隙压力当量密
度；(8)压力当量循环密度与激动压力系数或者激动压力当量密度之和大于地
层孔隙压力当量密度；(9)压力当量循环密度大于地层孔隙压力当量密度。
由于本发明在确定风险值时不仅考虑了初始风险值，还考虑初始风险值的可
信度，因此所得到的钻井井漏风险值的精确度较高。虽然现有技术中事后判断的
方法可以尽量控制风险，挽回部分损失，但这样不可避免地导致钻井液漏失和油
气层污染，而且如果采取措施不及时，容易使事态恶化，酿成事故。而本发明在
设计初期就能够较准确地预测井漏发生的风险，能够及早地避免风险的发生。
另外，如图1所示，该方法还可以包括步骤S150。
在步骤S150中，基于地质参数信息、工程参数信息和钻井井漏风险值，以
同一个井深轴为基准以曲线形式来显示井漏风险预测剖面。在该井漏风险预测剖
面图中可以显示出该井的井眼轨道的地质参数曲线、工程参数曲线和风险级别曲
线。如果设置了报警门限，那么该井漏风险预测剖面还可以显示出风险报警提示
信息。
在一位置处的钻井井漏风险值大于等于设定门限时，对该位置处的工程参数
信息进行调整，以使该位置处的钻井井漏风险值小于设定门限。
通过该步骤能够辅助技术人员全面查看全井段的地质、工程情况以及对应
的风险级别，尤其是风险级别高的井段，通过进一步分析原因，制定改进或应对
措施，能够控制风险的发生。
图2为本发明一个例子的基于数字岩体的钻井井漏预测方法的流程示意图。
该例是对钻井设计方案进行井漏风险预测的，下面参考图2来详细说明获取钻井
井漏风险值的方法。
在步骤1中，从0m开始，以井深1m为间隔，从井眼设计轨道数据中提取
每个点的坐标值(井深、北坐标、东坐标)，得到一坐标数组T[N][3](假设一共
有N个坐标点)。
在步骤2中，依据步骤1得到的坐标数组，从数字岩体中抽取每个坐标点的
地质参数数据，形成地质参数数组G[N][I](I＝7)，其中i从0到6分别代表溶洞(有
或无)、断层(有或无)、裂缝(非常发育、一般发育、无)、岩石类型、渗透
率K、地层孔隙压力当量密度rp、地层破裂压力当量密度rf。同时，根据数字岩
体的初始数据来源和构建过程，给定每个深度每个属性的可信度CF(G)[n][i]，得
到可信度数组CF(G)[N][I](I＝7)。
需要说明的是，数字岩体主要是基于邻井的历史数据来构建的，因此邻井数
量、邻井与本井的平均距离、邻井数据准确度都将影响数字岩体的可信度。
一般，可根据专家经验和一定规则来设定三者的独立可信度：①构建数字岩
体的邻井数据准确度的可信度(由专家综合考虑这些邻井各项数据的原始准确
度、计算方法的成熟度而给定)，比如该区块渗透率K的可信度定义为CF(K0)。
②邻井数量可信度CF(W)可根据经验划定隶属度，如W<3则设CF(W)＝0.4，3≤
W＜10则设CF(W)＝0.5，10≤W＜20则设CF(W)＝0.6，20≤W＜50则设
CF(W)＝0.7，50≤W＜200则设CF(W)＝0.8，200≤W＜800则设CF(W)＝0.9，W>800
则设CF(W)＝1。③平均距离可信度CF(D)可根据经验划定隶属度，如D<100m
则设CF(D)＝1，100≤D＜2000则设CF(D)＝0.9，2000≤D＜5000则设CF(D)＝0.8，
5000≤D＜10000则设CF(D)＝0.7，10000≤D＜20000则设CF(D)＝0.6，20000≤D
＜50000则设CF(D)＝0.5，50000≤D＜100000则设CF(D)＝0.4…，最后计算三者
的几何平均值(或加权几何平均值)得到该点的可信度CF(K)。不同的隶属区间
划分会影响CF(K)值的大小，但不会影响其相对变化规律，因此不会影响其工程
应用价值。
在步骤3中，依据步骤1得到的坐标数组，从钻井工程设计方案中或者随钻
采集的数据中提取每个坐标点的工程参数，形成工程参数数组E[N][I](I＝11)，其
中i从0到10分别代表钻井液密度、钻井液塑性粘度、设计排量、设计钻速、岩
屑尺寸、岩屑、井眼直径、钻具内径、钻具外径、水眼直径，设定的激动压力系
数Sg。根据数据来源情况给定每种工程参数的可信度值CF(E)[i]。
如果这些数据来自于工程设计，因此认为所有参数完全可信，设定每个参数
的可信度值CF(E)[i]＝1；如果来自于随钻，可根据现场采集数据的可靠度重新设
定某些参数的CF(E)[i]的值。
需要说明的是，对于一口井的设计或实钻来说，数据来源方式相同，因此对
于同一个参数在不同深度的可信度没有差别，因此这里忽略数组中的[N]，即任何
深度点都用CF(E0)[I]这一组可信度。
在步骤4中，基于步骤3中的数据，利用SY/T 6613-2005标准提供的算法(也
可采用其他类似算法)，计算出每个坐标点的压力当量循环密度(即ECD)，用
rc表示，形成ECD数组rc[N]。
如果采用的是行业标准算法，则认为该算法很可信，可设定该算法的可信度
(即规则强度)CF(ECD算法)＝0.98；如果利用其他算法，可根据对该算法的认可
度给定相应的CF值，CF∈[0，1]。
针对此算法用到的每个工程参数，按照如下方法计算最终ECD的可信度：
假设参与计算的有n个参数E1…En，则先计算每个参数对于ECD计算的独
立可信度CF(Ei)＝CF(E)[i]*CF(ECD算法)，CF(ECD算法)表示计算ECD的算法
的可信度，CF(E)[i]表示参数Ei的可信度。然后计算E1和E2的综合可信度
CF(E1E2)＝CF(E1)+CF(E2)-CF(E1)*CF(E2)，然后将CF(E1E2)作为独立可信度用
类似的方法与CF(E3)计算得到CF(E1E2E3)，依次迭代计算直至最后一个参数位
置，得到最终的总和可信度CF(ECD)。相比其他方法，利用上述方法计算到的可
信度精度较高。
在步骤5中，启动井漏风险的预测，令n＝0。
在步骤6中，依据n值，分别从地质参数数组G[N][I]提取数据G[n]，从ECD
数组rc[N]中提取rc[n]，从地质参数可信度数组CF(G)[N][I]中提取数组CF(G)[n]，
从工程参数数组E[N][I]中提取数组E[n]。
在步骤7中，若(溶洞＝有)或(断层＝有)，则初始风险值R0＝5，然后基
于溶洞和断层的可信度(即CF(溶洞)和CF(断层))计算出R0的可信度CF(R0)，
最终风险值R＝R0*CF(R0)，然后执行步骤17。其中，CF(R0)＝max(CF(溶洞),CF(断
层))。
在步骤8中，若rc+Sg>rf，则R0＝5，然后基于rc、Sg、rf的可信度计算出R0
的可信度CF(R0)，最终风险值R＝R0*CF(R0)，然后执行步骤17。由于此处Sg
为设计值，因此不涉及到其可信度的问题，则CF(R0)＝CF(rc)+CF(rf)-CF(rc)*
CF(rf)。在其他例子中，若为实钻的下钻过程，则Sg为实际计算的激动压力当量
密度，此时需按照步骤4来的迭代计算rc、Sg、rf这三个因素的综合可信度。
在步骤9中，若(裂缝＝非常发育)且(rc+Sg>rp)，则R0＝5，然后基于裂缝、
rc、Sg、rf的可信度计算出R0的可信度CF(R0)，最终风险值R＝R0*CF(R0)，然
后执行步骤17。这里R0的可信度可按照步骤4的方法来迭代计算裂缝、rc、rf
这三个因素的综合可信度。在实钻过程的下钻状态下，用激动压力当量密度替代
Sg，此时考虑其可信度，R0的可信度可按照步骤4的方法来迭代计算裂缝、rc、
Sg、rf这四个因素的综合可信度。
在步骤10中，若(裂缝＝一般发育)且(rc+Sg>rp)，则R0＝4，然后基于裂
缝、rc、Sg、rf的可信度计算出R0的可信度CF(R0)，最终风险值R＝R0*CF(R0)，
然后执行步骤17。R0的可信度CF(R0)的具体计算方法可与步骤9相同。
在步骤11中，若(岩石类型＝砂岩或砾岩或砂砾岩)且(K>14μm2)且
(rc+Sg>rp)，则R0＝4，然后基于岩石类型、K、rc、Sg、rf的可信度计算出R0
的可信度CF(R0)，最终风险值R＝R0*CF(R0)，然后执行步骤17。R0的可信度
CF(R0)的具体计算方法可与步骤10类似。
通过该步骤可以看出，本例不仅考虑了缝洞性漏失，而且还可以对渗透性漏
失进行识别。
在步骤12中，若(岩石类型＝砂岩或砾岩或砂砾岩)且(rc+Sg>rp)，则R0＝3，
然后基于岩石类型、rc、Sg、rf的可信度计算出R0的可信度CF(R0)，最终风险值
R＝R0*CF(R0)，然后执行步骤17。R0的可信度CF(R0)的具体计算方法可与步骤
10类似。
在步骤13中，若(岩石类型＝砂岩或砾岩或砂砾岩)且rc≥rp，则R0＝2，然
后基于岩石类型、rc、rf的可信度计算出R0的可信度CF(R0)，最终风险值R＝R0*
CF(R0)，然后执行步骤17。这里R0的可信度可按照步骤4的方法来迭代计算岩
石类型、rc、rf这三个因素的综合可信度。
在步骤14中，若rc+Sg>rp，则R0＝2，然后基于rc、Sg、rf的可信度计算出
R0的可信度CF(R0)，最终风险值R＝R0*CF(R0)；执行步骤17。由于此处Sg为
设计值，因此不涉及到其可信度的问题，则CF(R0)＝CF(rc)+CF(rf)-CF(rc)*CF(rf)。
若为实钻的下钻过程，则Sg为实际计算的激动压力当量密度，此时需按照步骤4
来的迭代计算rc、Sg、rf这三个因素的综合可信度。
在步骤15中，若rc>rp，则R0＝1，然后基于rc、rf的可信度计算出R0的可信
度CF(R0)，最终风险值R＝R0*CF(R0)，然后执行步骤17。其中，
CF(R0)＝max(CF(rc),CF(rf))。
在步骤16中，如果上述条件都不满足，则R＝0。
在步骤17中，令R[n]＝R。
在步骤18中，若n<N，则n＝n+1，返回执行步骤6～17，否则结束。
除了利用上述迭代方法来计算R0的可信度CF(R0)，还可以利用各因素的可
信度的几何平均值来得到R0的可信度CF(R0)，在此不作限定。
需要说明的是，若是用于随钻，工程参数是实钻数据而非设计数据，部分地
质参数信息也会通过测量和计算进行更新。在实钻过程中，处于“下钻”状态时，
上述Sg统一用实际计算的激动压力当量密度替代。
本发明适用于钻井工程设计人员、现场技术人员、后方决策专家和生产管理
人员进行全井段的潜在井漏风险预测，并在实钻过程中实时监测风险苗头，从而
降低施工风险。
示例1
在YB***井钻井设计阶段，按照常规的设计流程，将井眼轨道、井身结构、
钻具组合、钻头、水力参数设计完成(井深0m～6756m)。从这个设计方案中提
取本方法所需的工程参数集，同时从该井所在YB区块的数字岩体中，抽取该井
眼轨道所穿过的岩体属性值，即地质参数集。上述工程参数集和地质参数集分别
以相同的井深间隔抽取，比如1m。然后利用本发明所述的方法判别得到井眼轨
道上每个点的风险级别，发现在4801m至5112m井段井漏风险级别R>4，设计
人员认为这种潜在风险太高，于是通过仔细研究，多次调整相关设计参数，每次
重新进行风险预测，直至风险值R<3，达到设计预期，才最终定稿。
本例考虑了具体的钻井工程设计信息与地质情况之间的相互作用关系，因此
可以针对具体的井采取针对性措施进行优化和预防。
示例2
在SB***井钻井施工过程中，利用实时测量的井眼轨迹信息和录井信息，实
时得到工程参数集，并实时计算ECD以及激动压力；从该井所在区块的数字岩
体中，抽取该实钻井眼轨迹所穿过或正在穿过的岩体属性值，同时利用实时测量
的工程参数计算地层孔隙压力以修正原数字岩体抽取的地层压力值。然后利用本
发明所述的方法判别得到井眼轨迹最前端或钻头所在位置或整个井段的井漏风
险级别。某日，在接单根下钻过程中，现场人员设置好下钻速度，开始下钻，通
过本方法判断，显示当前井底位置(5263.2m)的井漏风险值R＝4.6，表示风险很
高，技术人员认为可能因下钻过快引起压力波动所致，立即放慢下钻速度，更新
数据重新判别，风险级别降至3以下，有效避免了恶性事件发生。
本发明设计了一种基于数字岩体的钻井井漏预测方法，从数字岩体中抽取
的地质参数，与钻井工程参数耦合分析，在钻前进行全井段或局部井段的潜在井
漏风险预测，随钻过程中对井漏风险的苗头进行实时识别预警，能辅助钻井设计
人员和施工技术人员控制钻井风险。
本发明可用于钻井设计阶段对全井进行井漏预测，进而优化设计，并提出
应对风险的预案；在施工过程中，对钻前预测的风险进行自动实时修正并预警，
能最大程度控制井漏的发生或在第一时间发现风险并采取有效处理措施，将损失
降至最低。
虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明技术
方案而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人
员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上
进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所
界定的范围为准。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是
可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取
存储介质中，该程序在执行时，包括该实施例中方法的步骤，所述的存储介质，
如：ROM/RAM、磁碟、光盘等。