Processing math: 25%

鱼骨刺柔性管在碳酸盐岩缝洞型油藏应用的数值模拟研究

李晓益, 艾爽, 程光明, 张杰, 吴俊霞

李晓益, 艾爽, 程光明, 张杰, 吴俊霞. 鱼骨刺柔性管在碳酸盐岩缝洞型油藏应用的数值模拟研究[J]. 石油钻探技术, 2017, 45(3): 102-106. DOI: 10.11911/syztjs.201703018
引用本文: 李晓益, 艾爽, 程光明, 张杰, 吴俊霞. 鱼骨刺柔性管在碳酸盐岩缝洞型油藏应用的数值模拟研究[J]. 石油钻探技术, 2017, 45(3): 102-106. DOI: 10.11911/syztjs.201703018
LI Xiaoyi, AI Shuang, CHENG Guangming, ZHANG Jie, WU Junxia. Numerical Simulation of Fishbone Flexible Pipes in Fractured Vuggy Carbonate Reservoirs[J]. Petroleum Drilling Techniques, 2017, 45(3): 102-106. DOI: 10.11911/syztjs.201703018
Citation: LI Xiaoyi, AI Shuang, CHENG Guangming, ZHANG Jie, WU Junxia. Numerical Simulation of Fishbone Flexible Pipes in Fractured Vuggy Carbonate Reservoirs[J]. Petroleum Drilling Techniques, 2017, 45(3): 102-106. DOI: 10.11911/syztjs.201703018

鱼骨刺柔性管在碳酸盐岩缝洞型油藏应用的数值模拟研究

基金项目: 

中国石化科技攻关项目"自适应调流控水完井技术推广及工业化应用"(编号:P16117)资助。

详细信息
    作者简介:

    李晓益(1984—),男,湖南南县人,2006年毕业于长江大学石油工程专业,2009年获中国石油大学(北京)油气井工程专业硕士学位,2012年获中国石油大学(北京)油气井工程专业博士学位,工程师,主要从事油气井流体力学与工程、现代完井工程方面的研究。

  • 中图分类号: TE319

Numerical Simulation of Fishbone Flexible Pipes in Fractured Vuggy Carbonate Reservoirs

  • 摘要: 塔河油田碳酸盐岩缝洞型油藏水平井酸压投产时,存在笼统酸压效果不理想,分段酸压难度大、工具选择困难、裂缝走向难控制等问题,为此,采用数值模拟方法分析了碳酸盐岩缝洞型油藏水平井采用鱼骨刺柔性管完井时的增产效果及经济性。结果表明:鱼骨刺柔性管未连通有效缝洞体时,单井产油量随着鱼骨刺柔性管装置数量增加而增加,但是平均单套装置的增油量呈现先增加后减小的趋势,连通缝洞体概率较低的井建议采用6~10套鱼骨刺柔性管装置进行完井作业;连通单个有效缝洞体时,产油量随缝洞体的体积增大而增加;连通多个缝洞体且缝洞体总体积相同时,累计产油量随着连通缝洞体的数量增加而增大;连通1个以上缝洞体即可取得较好的经济效益。研究结果表明,塔河油田碳酸盐岩缝洞型油藏水平井可以采用鱼骨刺柔性管完井。
    Abstract: The development of fractured vuggy carbonate reservoirs in Tahe Oilfield through horizontal wells with acid fracturing typically perform poorly after normal acid fracturing,and with difficulty after the application of staged acid fracturing,even with proper tools selection and fracture orientation control.Under such circumstances,numerical simulations were performed to determine the technical feasibility and economic performance of of horizontal wells with flexible fishbone pipes in completion in fractured vuggy carbonate reservoirs.Simulation results showed that production from individual well may increase with the quantity of flexible fishbone pipes when they failed to establish communication among effective fractures and vugs.In addition,production enhancement from each individual set of pipes would increase primarily followed by production decline.For wells with poor communication among fractures,6-10 sets of flexible fishbone pipes can be placed during well completion; For wells with communication among fractures or vugs,oil production would increase and the increase was determined by fractures or vug volume.In general,satisfactory economic performances might be reached as long as fractures or vugs establish communication with flexible fishbone pipes.Research results showed that flexible fishbone pipes completion techniques could be deployed for horizontal wells of fractured vuggy carbonate reservoirs in Tahe Oilfield.It may provide necessary guidance for pilot tests in the application of flexible fishbone pipes in completion operations.
  • 提高钻井时效是降本增效的重要手段,但目前通常对钻井时效进行事后人工分析,具有主观性和滞后性。随着机器学习和大数据技术的迅速发展,国内外很多学者开展了大数据和人工智能方法在石油工程中的应用研究,A. M. Alsalama等人[1]提出了一个包含所需数据挖掘和分析工具的集成系统,大大缩短了传统方法进行预警的时间;K. Balaji等人[2]从基础、理论和应用方面总结了数据驱动方法在石油天然气工程中的发展;刘刚[3]建立了基于多源信息的SVM自适应钻井井下故障预警模型;袁野[4]提出了基于SVM的井眼轨迹智能预测方法,建立了井眼的三维可视图,可以有效地控制井眼轨迹;孙万海[5]提出了一种基于PSO-SVM的钻井故障智能预警系统,提高了钻井质量;王江萍等人[6]提出应用神经网络技术对井漏、井塌、井涌及井喷等井下故障进行诊断。可见,目前国内外主要是运用大数据和机器学习对钻井故障进行预测及预防或研究相关理论问题,对工况识别的研究较少,且存在数据量小和缺乏现场实例验证等问题。YIN Qishuai等人[7]提出了一种基于程序的工况识别方法,很好地消除了人员对钻井工况识别的影响,但该方法基于编程语言,没有考虑前后数据之间的联系和钻井数据可能存在波动等问题。为此,笔者提出了一种普遍适用的纯数据驱动方法,利用支持向量机(support vector machine,SVM)识别钻井工况,减少不可见非生产时间,提高钻井作业效率;采用训练–测试的方式,训练数据为综合录井提供的实时数据,解决了传统方法对人员依赖大的缺点;在钻井工况识别中应用机器学习与数据驱动方法,同时允许数据存在一定的波动,克服了编程语言识别带来的问题。

    支持向量机是一种监督式学习模型,可以用于模式识别、分类和回归问题的分析。该模型是基于统计学习理论和结构风险最小化原则建立的,主要思想是建立一个线性分离超平面,将非线性输入映射到高维特征空间中,使正例和反例之间的隔离边缘被最大化[815]。支持向量机的原理如图1所示。图1中,x1x2代表输入参数特征,w为核函数,b为偏置,l2代表数据分类的最佳方案。模型的输入为钻头位置、大钩载荷、机械钻速、钻压、大钩载荷、转速、扭矩、出口排量和立管压力等9种参数,输出包括倒划眼、接立柱、下套管、下钻及旋转钻进5种正常工况和钻塞等复杂工况。根据9种输入参数的特征,采用SVM将它们分为6种输出结果。

    图  1  支持向量机原理示意
    Figure  1.  Principle schematic diagram of support vector machine

    针对非线性分类问题,B. E. Boser等人[16]提出了将核技巧应用于最大边界超平面,从而创建非线性分类器的方法。经过不断发展,应用于SVM的核函数主要包括以下几种类型[17]

    线性核函数:

    k(xi,xj)=(xixj) (1)

    多项式核函数:

    k(xi,xj)=(xixj+1)d (2)

    径向基核函数:

    k(xi,xj)=exp(γ (3)

    两层感知器核函数:

    k( {{{{x}}_i},{{{x}}_j}} ) = {\rm{tanh}}( {\kappa {{{x}}_i} \cdot {{{x}}_j} + c} ) (4)

    式中:{{{x}}_i},{{{x}}_j}为空间中的2个向量;k为核函数;d,{\gamma },{\kappa },c为系数。

    通过核函数处理,将非线性问题转化为线性问题,如图2所示。

    图  2  核函数作用示意
    Figure  2.  Functional schematic diagram of the kernel function

    笔者在研究中,利用SVM进行6个钻井工况的识别,识别结构如图3所示。收集现场22种钻井工况的录井数据,选择具有代表性的倒划眼、接立柱、下套管、下钻及旋转钻进等5种正常工况和钻塞等复杂工况共6种工况进行分析。结合研究中数据的使用情况,选取的参数包括钻头位置、大钩载荷、机械钻速、钻压、大钩高度、转速、扭矩、出口排量和立管压力。

    图  3  支持向量机的识别结构示意
    Figure  3.  Recognition structure of support vector machine

    为了提高工况识别的准确率,首先对数据进行[0,1]归一化处理,然后优选SVM核函数类型,并进行交叉验证,优化模型。

    应用SVM时,关键是选择核函数,不同的核函数适用于不同的问题,对准确率有很大的影响。采用不同的核函数,对不同工况进行归一化处理,输出的结果如图4图7所示。

    图  4  线性核函数的识别结果
    Figure  4.  Identification results of linear kernel function
    图  5  多项式核函数的识别结果
    Figure  5.  Identification results of polynomial kernel function
    图  6  径向基核函数的识别结果
    Figure  6.  Identification results of radial basis kernel functions
    图  7  两层感知器核函数的识别结果
    Figure  7.  Identification results of kernel functions by two-layer perceptron

    4种核函数的识别准确率和计算时间的对比情况见表1

    表  1  不同核函数计算结果对比
    Table  1.  Comparisons of calculation results with different kernel functions
    核函数样本
    数量
    准确识别
    数量
    准确
    率,%
    计算用时/s
    线性核函数60056894.670.511 966
    多项式核函数60056494.000.670 709
    径向基核函数60058196.830.581 977
    两层感知器核函数60024240.332.917 935
    下载: 导出CSV 
    | 显示表格

    表1可知,两层感知器核函数的识别准确率最低,且耗费时间最长;径向基核函数的识别准确率较高。

    利用SVM进行钻井工况识别时,得到的模型需要具有高的准确率和鲁棒性,采用交叉验证的方法,将原始数据分成K组,随机选取一组子集做验证集,其余K–1组子集做训练集,得到K个模型,最后选择准确率最高模型的性能指标[16]作为最终SVM的参数。

    通过交叉验证可以选出最佳的惩罚函数c和核函数参数g,交叉验证的结果如图8所示(图8中,不同等高线表示cg不同取值对应的准确率)。

    图  8  交叉验证结果
    Figure  8.  Cross validation results

    图8可知,c > {2^{ - 1.5}}{2^{ - 1}} < g < {2^2}时,准确率可达到97%以上,此时选取c最小的那组数据(这是因为,c值过高会出现过学习现象,即训练集的准确率满足一定的要求,但测试集准确率很低),即c=0.353 6,g=1.534 0(见图8中点A)。准确识别钻井工况后,就可以对钻井作业进行事后分析,识别不可见非生产时间,提高钻井效率,从而提高钻井的安全性和经济性。

    选取4口井进行模型验证,以其中2口井的录井数据为训练集,其他2口井的录井数据为测试集,训练集和测试集SVM的识别结果如图9所示。从图9可以看出,训练集的识别准确率高于测试集,测试集中接立柱和旋转钻进的识别准确率最高,达到了97%,工况识别准确率总体达到95%以上,说明该方法在新样本中有很好的泛化性。

    图  9  最终的工况识别结果
    Figure  9.  Final identification results of working condition

    海上导管架平台因作业空间受限,通常在一个导管架平台上布置数十口井,这种井槽集中在一个区域的布井方式,形成了“批钻(一次性完成同一开次钻井作业)”作业模式。由于这些井的地层情况、钻井设计方案、钻井设备、施工队伍相似,所以在“批钻”模式下,同一井段的时效具有可比性。因此,采用基于支持向量机的钻井工况实时智能识别方法,进行工况识别、时效分析和时效辅助决策,实现提质增效。以南海某平台批钻作业为例,首先对一口井的三开录井数据进行学习,训练得到工况识别模型;然后根据其余14口已钻井的三开录井数据识别接立柱工况和分析钻井时效,从而指导待钻井的施工,提高接立柱的效率。具体应用步骤如下:

    1)工况识别。利用B1井的三开录井数据,训练得到最优模型,然后使用该模型对其余14口已钻井的三开工况进行识别,并统计接立柱作业时间。

    2)时效分析。为了得到三开中接立柱的平均时间,统计了前15口已钻井的三开接立柱时间(见图10)。由图10可知,10%的接立柱作业可在1.3 min内完成,50%的接立柱作业可在2.1 min内完成,90%的接立柱作业可在4.9 min内完成,接立柱作业的平均完成时间为2.5 min。

    图  10  接立柱做作业完成时间分布
    Figure  10.  Completion time distribution to pick up stands

    3)辅助决策。按照三开接立柱顺序分为4个阶段,第1阶段为第1—12根立柱,第2阶段为第13—24根立柱,第3阶段为第25—36根立柱,第4阶段为第37至最后所有的立柱,前15口井三开4个阶段的平均接立柱时间为2.5 min。

    将得到的模型应用到新井中,实时判断得到第1—12根立柱的平均作业时间为2.7 min,大于前15口井的时间2.5 min,此时实时监测中心向平台发送“作业效率有待提高”的指令,指导下一阶段(第13—24根立柱)作业,并以此类推,完成全井段的时效分析,保证作业效率(见表2)。

    表  2  不同层位接立柱时间统计
    Table  2.  Time statistics for making up a stand of drill pip
    立柱序号前期平均接
    立柱时间/min
    SVM实时判断新井接
    立柱时间/min
    现场决策
    1—122.52.7有待提高
    13—242.6有待提高
    25—362.4有所提高
    37至最后2.2显著提高
    下载: 导出CSV 
    | 显示表格

    4)现场施工应用。将该方法应用到6口新钻井的钻井施工中(包含上面提到的新钻井),各井三开接立柱作业的平均完成时间的变化如图11所示。由图11可以看出,每口新钻井的平均接立柱时间稳步下降,效率稳步提高,实现了提质增效。

    图  11  接立柱作业平均完成时间的变化情况
    Figure  11.  Average completion time variation to pick up stands

    1)将机器学习的SVM方法应用于石油工程的钻井工况识别中,以提高钻井效率。

    2)提出一种纯数据驱动的方法,并充分利用油田现场数据,减少了传统方法对人员经验的依赖,提高了识别准确率,缩短了工况识别所需时间。

    3)利用SVM对6种钻井工况进行识别,通过优选核函数类型、进行交叉验证,逐步优化智能识别模型,不断提高模型识别的准确率,最终将识别准确率提高到了95%。

  • [1] 侯绪田,莫跃龙.塔河油田深井碳酸盐岩储层欠平衡钻井技术难点与对策[J].石油钻探技术,2005,33(5):77-79. HOU Xutian,MO Yuelong.Challenges and solutions of underbalanced drilling in carbonate reservoirs in Tahe Oilfield[J].Petroleum Drilling Techniques,2005,33(5):77-79.
    [2] 吕海涛,丁勇,耿锋.塔里木盆地奥陶系油气成藏规律与勘探方向[J].石油与天然气地质,2014,35(6):798-805. LYU Haitao,DING Yong,GENG Feng.Hydrocarbon accumulation patterns and favorable exploration areas of the Ordovician in Tarim Basin[J].Oil Gas Geology,2014,35(6):798-805.
    [3] 李红凯,康志江.碳酸盐岩缝洞型油藏溶蚀孔洞分类建模[J].特种油气藏,2015,22(5):50-54. LI Hongkai,KANG Zhijiang.Differential modeling of dissolved vugs in carbonate fracture and vug reservoirs[J].Special Oil Gas Reservoirs,2015,22(5):50-54.
    [4] 符幸子,徐守余,王淑萍,等.塔河油田六区碳酸盐岩溶洞型储集体三维地质建模[J].断块油气田,2015,22(4):419-424. FU Xingzi,XU Shouyu,WANG Shuping,et al.3D geological modeling of paleo-karst cave carbonate reservoir in Block 6,Tahe Oilfield[J].Fault-Block Oil Gas Field,2015,22(4):419-424.
    [5] 李弘,窦之林,王世星,等.碳酸盐岩缝洞型储层"弱反射"特征的地震多属性识别[J].石油物探,2014,53(6):713-719. LI Hong,DOU Zhilin,WANG Shixing,et al.Seismic multi-attributes recognition for carbonate fractured-vuggy reservoirs with "weak reflection" characteristics[J].Geophysical Prospecting for Petroleum,2014,53(6):713-719.
    [6] 贾光亮,张飞洲,梁护站.塔河油田超大规模复合酸压技术[J].石油钻探技术,2011,39(6):78-81. JIA Guangliang,ZHANG Feizhou,LIANG Huzhan.Application and analysis of large scale composite acid fracturing technology in Tahe Oilfield[J].Petroleum Drilling Techniques,2011,39(6):78-81.
    [7] 张雄,耿宇迪,焦克波,等.塔河油田碳酸盐岩油藏水平井暂堵分段酸压技术[J].石油钻探技术,2016,44(4):82-87. ZHANG Xiong,GENG Yudi,JIAO Kebo,et al.Thetechnology of multi-stage acid fracturing in horizontal well for carbonate reservoir by temporary plugging ways in the Tahe Oilfield[J].Petroleum Drilling Techniques,2016,44(4):82-87.
    [8] 肖晖,郭建春,曾俊.缝洞型碳酸盐岩储层水平井分段酸压技术研究[J].断块油气田,2011,18(1):119-122. XIAO Hui,GUO Jianchun,ZENG Jun.Technical study on staged acid fracturing of horizontal well in fractured-cavernous carbonate reservoir[J].Fault-Block Oil Gas Field,2011,18(1):119-122.
    [9] 王洋,袁清芸,李立.塔河油田碳酸盐岩储层自生酸深穿透酸压技术[J].石油钻探技术,2016,44(5):90-93. WANG Yang,YUAN Qingyun,LI Li.Deep penetrating acid fracturing involving self-generated acid in carbonate reservoirs of the Tahe Oilfield[J].Petroleum Drilling Techniques,2016,44(5):90-93.
    [10]

    RICE K,JORGENSEN T,WATERS J.First installation of efficient and accurate multilaterals stimulation technology in carbonate reservoir[J].Acta Physiologiae Plantarum,2014,36(1):21-27.

    [11]

    JORGENSEN T.Liner-based stimulation technology without fracturing proven in field[J].Journal of Petroleum Technology,2014,66(7):28-31.

    [12] 王振铎,王晓泉.超深低渗透底水油藏压裂增注油藏模拟研究[J].石油勘探与开发,1999,26(3):76-79. WANG Zhenduo,WANG Xiaoquan.Reservoir simulation for hydraulic fracturing in low permeability ultra-deep reservoir with bottom water[J].Petroleum Exploration and Development,1999,26(3):76-79.
    [13] 吴忠宝,南北杰,王改娥.低渗透油藏大型整体压裂数值模拟:以鄂尔多斯盆地靖安油田五里湾一区为例[J].油气地质与采收率,2006,13(6):101-104. WU Zhongbao,NAN Beijie,WANG Gaie.Numerical simulation of large-scale integral fracturing in low-permeability oil reservoirs:taking No.1 Wuliwan Block in Jing’an Oilfield,Ordos Basin as an example[J].Petroleum Geology and Recovery Efficiency,2006,13(6):101-104.
    [14] 曹阳,陈琛,史雪枝,等.川西致密气藏裸眼水平井分段压裂技术[J].石油钻探技术,2012,40(3):13-17. CAO Yang,CHEN Chen,Shi Xuezhi,et al.Multi-stage fracturing techniques for open hole horizontal wells in Western Sichuan tight gas reservoirs[J].Petroleum Drilling Techniques,2012,40(3):13-17.
    [15] 柳明,张士诚,王雷.一种模拟人工裂缝与水平井筒夹角的新方法[J].西南石油大学学报(自然科学版),2011,33(6):89-93. LIU Ming,ZHANG Shicheng,WANG Lei.A new method to simulate the angle between artificial fracture and horizontal well[J].Journal of Southwest Petroleum University(Science Technology Edition),2011,33(6):89-93.
  • 期刊类型引用(25)

    1. 胡宏涛,管震,张宝权,赖刚,邹卓峰,曾杰. 基于实时数据的钻井KPI自动分析研究. 中国设备工程. 2024(24): 76-79 . 百度学术
    2. 付群超,曾烃详,陈沛,钟鹏,王瑞科,杜坤. 基于随机森林回归模型的钻井作业周期预测. 录井工程. 2024(04): 39-47 . 百度学术
    3. 王学强,樊建春,杨哲,罗双平,徐志凯,蔡正伟,熊毅. 树增强型贝叶斯模型提升溢流预警时间提前量. 石油钻采工艺. 2024(04): 413-428 . 百度学术
    4. 晏琰,段慕白,黄浩. 基于趋势线法的钻井风险预警技术研究. 钻采工艺. 2023(02): 170-174 . 百度学术
    5. 何淼,陈欢,张党生,许明标,陈鑫. 基于深度自编码器的钻井工况智能识别研究. 长江大学学报(自然科学版). 2023(03): 84-93 . 百度学术
    6. 梅舜豪. 基于人工智能的钻井工程异常预警系统研究及应用. 石油化工自动化. 2023(04): 59-63 . 百度学术
    7. 张菲菲,崔亚辉,于琛,张同颖,陈俊,颜寒. 基于机器学习的钻井工况识别技术现状及发展. 长江大学学报(自然科学版). 2023(04): 53-65+143 . 百度学术
    8. 张禾,池紫欣. 基于BSMOTE-SVM算法的溢流风险评价. 控制工程. 2023(12): 2173-2178 . 百度学术
    9. 夏文鹤,赵宗旭,李皋,李永杰,李宬晓,陈向东. 基于非线性分类网络的气体钻井风险智能识别方法. 信息与控制. 2023(04): 455-465 . 百度学术
    10. 毛光黔,宋先知,丁燕,崔猛,刘雨龙,祝兆鹏. 基于梯度提升决策树算法的钻井工况识别方法. 石油钻采工艺. 2023(05): 532-539 . 百度学术
    11. 王海涛,王建华,邱晨,毛金涛,李辉. 基于双向长短期记忆循环神经网络和条件随机场的钻井工况识别方法. 石油钻采工艺. 2023(05): 540-547+554 . 百度学术
    12. Wen-He Xia,Zong-Xu Zhao,Cheng-Xiao Li,Gao Li,Yong-Jie Li,Xing Ding,Xiang-Dong Chen. Intelligent risk identification of gas drilling based on nonlinear classification network. Petroleum Science. 2023(05): 3074-3084 . 必应学术
    13. Ying Qiao,Hong-Min Xu,Wen-Jun Zhou,Bo Peng,Bin Hu,Xiao Guo. A BiGRU joint optimized attention network for recognition of drilling conditions. Petroleum Science. 2023(06): 3624-3637 . 必应学术
    14. 韩玉娇. 基于AdaBoost机器学习算法的大牛地气田储层流体智能识别. 石油钻探技术. 2022(01): 112-118 . 本站查看
    15. 胡万俊,夏文鹤,李永杰,蒋俊,李皋,陈一健. 气体钻井随钻安全风险智能识别方法. 石油勘探与开发. 2022(02): 377-384 . 百度学术
    16. 刘胜娃,曹湘华. 基于决策树的钻井工况智能识别方法. 新型工业化. 2022(01): 28-30 . 百度学术
    17. HU Wanjun,XIA Wenhe,LI Yongjie,JIANG Jun,LI Gao,CHEN Yijian. An intelligent identification method of safety risk while drilling in gas drilling. Petroleum Exploration and Development. 2022(02): 428-437 . 必应学术
    18. 王钰豪,郝家胜,张帆,魏强,彭知南,段慕白. 钻井溢流风险的自适应LSTM预警方法. 控制理论与应用. 2022(03): 441-448 . 百度学术
    19. 殷启帅,杨进,曹博涵,龙洋,陈柯锦,范梓伊,贺馨悦. 基于长短期记忆神经网络的深水钻井工况实时智能判别模型. 石油钻采工艺. 2022(01): 97-104 . 百度学术
    20. 胡志强,杨进,王磊,侯绪田,张桢翔,姜萌磊. 钻井工况智能识别与时效分析技术. 石油钻采工艺. 2022(02): 241-246 . 百度学术
    21. 赵春兰,屈瑶,王兵,范翔宇,赵鹏斐,李屹,何婷. 一种基于2D-CNN深度学习的钻井事故等级预测新方法. 天然气工业. 2022(12): 95-105 . 百度学术
    22. 夏田,郭建斌,赵一号. 基于改进支持向量机的选区激光熔化参数优化的研究. 热加工工艺. 2021(04): 29-31+37 . 百度学术
    23. 庞淼,雷银,卢杭,黄琦,何仕鹏. 降低钻井溢流智能化预警误报率的方法探索. 石油工业技术监督. 2021(10): 44-49 . 百度学术
    24. 柳海啸,刘芳,代文星,冯一,巩永刚,李明明. 基于大数据分析技术的钻井提效实践. 石油钻采工艺. 2021(04): 436-441 . 百度学术
    25. 刘兆年,赵颖,孙挺. 渤海区域基于数据驱动的钻井提速. 西南石油大学学报(自然科学版). 2020(06): 35-41 . 百度学术

    其他类型引用(15)

计量
  • 文章访问数:  5654
  • HTML全文浏览量:  98
  • PDF下载量:  5236
  • 被引次数: 40
出版历程
  • 收稿日期:  2016-05-29
  • 修回日期:  2017-03-07
  • 刊出日期:  2017-07-05

目录

/

返回文章
返回