tizzaТрудноизвлекаемые запасыHard-to-recover reservesВысшая школа нефти550.8.013tizza-30Research ArticleСтатьиВероятностный прогноз давления пескопроявления по результатам одномерного геомеханического моделированияProbabilistic forecast of sand pressure based on the results of one-dimensional geomechanical modelingНовиковаЕ. В.NovikovaE. V.helenvn97@gmail.comСобаевА. Г.SobaevA. G.sobaev.a.g@mail.ruВороновИ. А.VoronovI. A.ivanvoronov1996@yandex.ruИнститут физики Земли им. О.Ю. Шмидта РАНРоссияSchmidt Institute of Physics of the EarthRussian Federation202630062026122329Copyright © Новикова Е.В., Собаев А.Г., Воронов И.А., 20262026Новикова Е.В., Собаев А.Г., Воронов И.А.Novikova E.V., Sobaev A.G., Voronov I.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://xn--g1abxh.xn----8sbeg1c7ah8a.xn--p1ai/jour/article/view/30

В работе представлено исследование влияния неопределенности исходных данных о геомеханических и прочностных свойствах породы, а также горизонтальных пластовых напряжениях на результаты численных оценок депрессии начала пескопроявления.

Для решения задачи строилась модель горного массива в околоскважинном пространстве на основе данных геофизических исследований скважин и лабораторных исследований керна. Она представляла собой слоистую многофациальную линейно-упругую среду. При восстановлении профиля вертикального напряжения использовалась гипотеза о субвертикальности одной из главных осей тензора напряжений. При оценке профилей горизонтальных напряжений использовалась методика, основанная на реконструкции пространственного распределения напряжений в слоистой среде по данным точечных измерений, а именно данных гидроразрыва пласта.

Выполнялось варьирование неопределенности во входных данных упругих и прочностных свойств среды и горизонтальных пластовых напряжений. Указанные параметры изменялись случайным образом в рамках диапазона неопределенности, соответствующего фактическому разбросу свойств пород, относящихся к одной геомеханической фации. В рамках простейшей модели оценки давления начала пескопроявления это давление определялось для различных реализаций комбинаций исходных параметров методом Монте-Карло.

Использованный статистический подход позволял определить функцию плотности вероятности начала пескопроявления при заданной дисперсии определенного параметра. Отмечено, что прогноз критического значения давления наиболее чувствителен к величине максимального горизонтального напряжения.

Результаты применения описанного подхода сделали возможным корректный учет неопределенности исходных данных для построения геомеханических моделей. На примере задачи пескопроявления оценена реальная неоднозначность определения давления начала необратимого разрушения пород околоскважинной зоны из-за разработки месторождений углеводородов.

The paper presents a study on the influence of uncertainty in the initial data on geomechanical and strength properties of rock, as well as the horizontal reservoir stress, on the results of numerical estimation of the wellbore pressure required to prevent sand production. A model of the near-well rock mass is constructed from geophysical well logging data and laboratory core studies to solve this problem. The rock mass is considered a layered, multifacial, linear elastic medium. The hypothesis of subvertical principal stress was used for stress reconstruction. A method based on point measurements, specifically hydraulic fracturing data, is used to analyze horizontal stress profiles and reconstruct the stress distribution in a layered medium.

The uncertainty in the input data for the elastic and strength properties of the medium and the horizontal reservoir stresses is varied. These parameters are randomized within the range of uncertainty corresponding to the actual variation in the properties of rocks belonging to a specific geomechanical facies. The pressure allowing sand production is determined for various combinations of initial parameters using the Monte Carlo method within the framework of a simple model. The statistical approach makes it possible to determine the probability density function for sand production pressure with a given value of a certain parameter. Note that the prediction of the critical pressure is mostly sensitive to the magnitude of maximum horizontal stress.

The results of applying this approach allow us to accurately account for uncertainties in the initial data used to create geomechanical models. Using the example of the sand problem, we estimate the real ambiguity in determining the pressure at which irreversible rock destruction begins in the borehole surrounding rock masses during hydrocarbon deposit development.

геомеханиканеопределенностьпескопроявлениеметод Монте-Карлоgeomechanicsuncertaintyingress of sandMonte Carlo methodReferencesДубиня Н.В., Галыбин А.Н. (2018). О распределении напряжений в слоистом массиве горных пород. Физика Земли, 6, с. 106–116.Dubinya, N.V., & Galybin, A.N. (2018). On stress distribution in a layered rock mass. Izvestiya, Physics of the Solid Earth, (6), 106–116.Дубиня Н.В., Зиганшин Э.Р., Новикова Е.В. (2024). Статистический анализ результатов реконструкции напряженного состояния по данным о проводимости естественных трещин. Процессы в геосредах, 41(3), с. 2636–2648.Dubinya, N.V., Ziganshin, E.R., & Novikova, E.V. (2024). Statistical analysis of in-situ stress reconstruction results based on natural fracture conductivity data. Processes in Geosystems, 41(3), 2636–2648.Зиганшин Э.Р., Дубиня Н.В., Новикова Е.В., Воронов И.А. (2024). Оценка современного напряженно-деформированного состояния массива карбонатных горных пород на нефтяном месторождении. Russian Journal of Earth Sciences, 24(5), с. 1–20.Ziganshin, E.R., Dubinya, N.V., Novikova, E.V., & Voronov, I.A. (2024). Assessment of the present-day stress-strain state of a carbonate rock mass at an oil field. Russian Journal of Earth Sciences, 24(5), 1–20.Карев В.И., Коваленко Ю.Ф., Устинов К.Б. (2018). Моделирование геомеханических процессов в окрестности нефтяных и газовых скважин. М.: Институт проблем механики им. А.Ю. Ишлинского РАН, 528 с.Karev, V.I., Kovalenko, Yu.F., & Ustinov, K.B. (2018). Modeling of geomechanical processes in the near-wellbore zone of oil and gas wells. Moscow: Ishlinsky Institute for Problems in Mechanics, Russian Academy of Sciences, 528 pp.Andersen O., Kelley M., Smith V., Raziperchikolaee S. (2022). Automatic Calibration of a Geomechanical Model from Sparse Data for Estimating Stress in Deep Geological Formations. SPE Journal, Vol. 27(2), P. 1140–1159. https://doi.org/10.2118/204006-PA.Andersen, O., Kelley, M., Smith, V., & Raziperchikolaee, S. (2022). Automatic calibration of a geomechanical model from sparse data for estimating stress in deep geological formations. SPE Journal, 27(2), 1140–1159. https://doi.org/10.2118/204006-PALjunggren C., Chang Y., Janson T., Christiansson R. (2003). An overview of rock stress measurement methods. International Journal of Rock Mechanics and Mining Sciences, V. 40(7), P. 975–989.Ljunggren, C., Chang, Y., Janson, T., & Christiansson, R. (2003). An overview of rock stress measurement methods. International Journal of Rock Mechanics and Mining Sciences, 40(7), 975–989.Muhammad M., Rasol A. A. A. (2025). Advances and challenges of sand production and control in oilfields: A review. Results in Engineering, Vol. 26. https://doi.org/10.1016/j.rineng.2025.104596.Muhammad, M., & Rasol, A.A.A. (2025). Advances and challenges of sand production and control in oilfields: A review. Results in Engineering, 26, 104596. https://doi.org/10.1016/j.rineng.2025.104596Rahmati H., Jafarpour M., Azadbakht S., Nouri A., Vaziri H., Chan D., Xiao Y. (2013). Review of Sand Production Prediction Models. Journal of Petroleum Engineering, 16 p.Rahmati, H., Jafarpour, M., Azadbakht, S., Nouri, A., Vaziri, H., Chan, D., & Xiao, Y. (2013). Review of sand production prediction models. Journal of Petroleum Engineering, 2013, 16 pp.Ray P. L., Tipton J. R., Cheng S., Francom D. (2024). Wellbore Stability Uncertainty Quantification Using a Bayesian Machine Learning Framework. SPE Annual Technical Conference and Exhibition, New Orleans, Louisiana, USA. SPE-220771-MS. https://doi.org/10.2118/220771-MS.Ray, P.L., Tipton, J.R., Cheng, S., & Francom, D. (2024). Wellbore stability uncertainty quantification using a Bayesian machine learning framework. SPE Annual Technical Conference and Exhibition, New Orleans, Louisiana, USA. SPE-220771-MS. https://doi.org/10.2118/220771-MSSong I., Chang C. (2017). In situ stress conditions at IODP Site C0002 reflecting the tectonic evolution of the sedimentary system near the seaward edge of the Kumano basin offshore from SW Japan. Journal of Geophysical Research: Solid Earth, V. 122, 20 p.Song, I., & Chang, C. (2017). In situ stress conditions at IODP Site C0002 reflecting the tectonic evolution of the sedimentary system near the seaward edge of the Kumano basin offshore from SW Japan. Journal of Geophysical Research: Solid Earth, 122, 20 pp.Zheng D., Zhang B., Chalaturnyk R. (2024). Quantifying Uncertainty of In-Situ Horizontal Stress and Geotechnical Parameters Using a Bayesian Inference Approach for Pressuremeter Tests. Canadian Geotechnical Journal, Vol. 62, P. 1–23. https://doi.org/10.1139/cgj-2023-0686.Zheng, D., Zhang, B., & Chalaturnyk, R. (2024). Quantifying uncertainty of in-situ horizontal stress and geotechnical parameters using a Bayesian inference approach for pressuremeter tests. Canadian Geotechnical Journal, 62, 1–23. https://doi.org/10.1139/cgj-2023-0686Zoback M.D. (2007). Reservoir Geomechanics. Cambridge: Cambridge University Press, P. 505.Zoback, M.D. (2007). Reservoir geomechanics. Cambridge: Cambridge University Press, 505 pp.

The authors declare that there are no conflicts of interest present.