Вероятностный прогноз давления пескопроявления по результатам одномерного геомеханического моделирования

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.

1. Дубиня Н.В., Галыбин А.Н. (2018). О распределении напряжений в слоистом массиве горных пород. Физика Земли, 6, с. 106–116.

2. 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.

3. 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.

4. 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.

5. 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.

6. Ljunggren 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.

7. 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.

8. 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, 16 p.

9. 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.

10. 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, V. 122, 20 p.

11. 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.

12. Zoback M.D. (2007). Reservoir Geomechanics. Cambridge: Cambridge University Press, P. 505.