惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Attack and Defense Labs
Attack and Defense Labs
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
T
Threatpost
Project Zero
Project Zero
Know Your Adversary
Know Your Adversary
T
The Exploit Database - CXSecurity.com
P
Palo Alto Networks Blog
T
Tenable Blog
Scott Helme
Scott Helme
T
Tor Project blog
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
NISL@THU
NISL@THU
Cisco Talos Blog
Cisco Talos Blog
Security Latest
Security Latest
Simon Willison's Weblog
Simon Willison's Weblog
S
Securelist
Help Net Security
Help Net Security
Google DeepMind News
Google DeepMind News
Cloudbric
Cloudbric
C
Check Point Blog
Jina AI
Jina AI
Webroot Blog
Webroot Blog
量子位
博客园 - 三生石上(FineUI控件)
小众软件
小众软件
P
Privacy & Cybersecurity Law Blog
罗磊的独立博客
H
Heimdal Security Blog
C
CXSECURITY Database RSS Feed - CXSecurity.com
人人都是产品经理
人人都是产品经理
N
News and Events Feed by Topic
www.infosecurity-magazine.com
www.infosecurity-magazine.com
宝玉的分享
宝玉的分享
Hacker News - Newest:
Hacker News - Newest: "LLM"
L
LINUX DO - 热门话题
The GitHub Blog
The GitHub Blog
T
Troy Hunt's Blog
PCI Perspectives
PCI Perspectives
Vercel News
Vercel News
N
News | PayPal Newsroom
A
Arctic Wolf
T
The Blog of Author Tim Ferriss
博客园 - 司徒正美
博客园 - 叶小钗
Y
Y Combinator Blog
V
V2EX
美团技术团队
O
OpenAI News
Microsoft Security Blog
Microsoft Security Blog
AWS News Blog
AWS News Blog

SEISAMUSE

关于认知 | Jun Xie Paper Reading (63) | Jun Xie Paper Reading (62) | Jun Xie 关于论文 | Jun Xie Paper Reading (61) | Jun Xie Light lie (1) | Jun Xie 视频笔记:提前退休不是躺平,而是提高选择权 | Jun Xie 用 Cloudflare Tunnel 在家连回办公室 Fedora Paper Reading (60) | Jun Xie 用Cloudflare Tunnel继续继续搬paper-hot | Jun Xie 用Cloudflare Tunnel把FreshRSS搬回办公室电脑 | Jun Xie Paper Reading (59) | Jun Xie Paper Reading (58) | Jun Xie Paper Reading (57) | Jun Xie 近期我对博客做了什么 | Jun Xie Paper Reading (56) | Jun Xie 2026 06 14 Certificated | Jun Xie Paper Reading (55) | Jun Xie 关于Codex (2) | Jun Xie 关于Codex Skills | Jun Xie 关于人性(2) | Jun Xie 关于人性(3) | Jun Xie 关于反演 | Jun Xie 关于Codex (1) | Jun Xie 关于人性(1) | Jun Xie Fish Guard | Jun Xie 在家怎么连服务器 | Jun Xie Paper Reading (54) | Jun Xie Paper Hot deployment | Jun Xie Paper Reading (53) | Jun Xie 吃瓜子 | Jun Xie Paper Reading (52) | Jun Xie 新的网站 | Jun Xie Paper Reading (51) | Jun Xie Welcome to SEISAMUSE | Jun Xie Welcome to SEISAMUSE | Jun Xie 文献阅读(50) | Jun Xie 文献阅读(49) | Jun Xie 用AI做网页 | Jun Xie 自动监控地震数据下载脚本 | Jun Xie 文献阅读(48) | Jun Xie 用AI做APP | Jun Xie 文献阅读(47) | Jun Xie 文献阅读(45) | Jun Xie 文献阅读(46) | Jun Xie 文献阅读(44) | Jun Xie 文献阅读(42) | Jun Xie 文献阅读(43) | Jun Xie gmt特殊字符 | Jun Xie 文献阅读(38) | Jun Xie 文献阅读(39) | Jun Xie 文献阅读(41) | Jun Xie 文献阅读(40) | Jun Xie 文献阅读(37) | Jun Xie 文献阅读(35) | Jun Xie 文献阅读(32) | Jun Xie 文献阅读(33) | Jun Xie 文献阅读(30) | Jun Xie 文献阅读(34) | Jun Xie 文献阅读(31) | Jun Xie Mac中安装FreshRSS | Jun Xie hexo插入图片 | Jun Xie gmt画震源球 | Jun Xie gmt的投影方式 | Jun Xie 震源机制解反演 | Jun Xie 地震学相关程序 | Jun Xie 计算背景噪声中噪声源背方位角 | Jun Xie 文献阅读(29) | Jun Xie
文献阅读(36) | Jun Xie
2025-12-10 · via SEISAMUSE

  Lellouch et al. (2019), The Leading Edge

引文信息

Lellouch, A., Horne, S., Meadows, M. A., Farris, S., Nemeth, T., & Biondi, B. (2019). DAS observations and modeling of perforation-induced guided waves in a shale reservoir. The Leading Edge, 38(11), 858–864. https://doi.org/10.1190/tle38110858.1

一作与通讯作者信息

  • 第一作者 & 通讯作者:Ariel Lellouch
    单位:Stanford University, Department of Geophysics, Stanford, California, USA
    邮箱:ariellel@stanford.edu

一作近三年三篇代表性著作

  1. Lellouch, A., Biondi, B., et al. (2022). Microseismic analysis over a single horizontal DAS fiber using guided waves. Geophysics, 87(3), KS83–KS95.
    → 建立单水平光纤导波反演储层参数理论框架。

  2. Lellouch, A., Lindsey, N. J., Ellsworth, W. L., & Biondi, B. L. (2020). Comparison between DAS and geophones for downhole microseismic monitoring. Seismological Research Letters, 91(6), 3256–3268.
    → 系统量化 DAS 与检波器在微地震监测中的信噪比与频带差异。

  3. Lellouch, A., & Reshef, M. (2019). Velocity analysis and subsurface source location improvement using moveout-corrected gathers. Geophysics, 84(3), KS119–KS131.
    → 提出 DAS 微地震走时曲率校正定位法,定位精度提升 >20 %。


摘要

射孔弹可在井中分布式声波传感(DAS)阵列中被清晰记录。本文证明:射孔诱发的导波能在低速度、强各向异性页岩储层中传播。这些导波频率高达 700 Hz,具频散性(低频快于高频),可同时以 P、S 形式存在,且群速度 > 相速度。DAS 的高时空分辨率使其在极短波长下仍无混叠记录。当井筒穿出页岩时,导波立即消失。合成模拟在声学与弹性简单速度模型中均能预测导波存在。我们进一步记录到来自约 270 m 偏移井的射孔信号,发现 S 导波在穿越早期压裂区时发生显著扰动——表现为走时、振幅与散射事件的变化,解释为含液裂缝的时空综合效应。导波具备超高分辨率储层成像潜力,应与常规 DAS 阵列及最新 DAS 导波反演技术联合使用。


相关研究的重要性

  1. 页岩储层需要米级分辨率刻画
    水平井段长达公里级,裂缝间距 5–15 m,常规 VSP/微地震定位精度 30–50 m,无法满足“分段-分簇”优化需求。

  2. 射孔弹 = 可控井下“点震源”
    每段 5–6 弹,能量高于微地震 2–3 数量级,频率 100–700 Hz,可提供厘米-米级波长,是天然“高分辨率源”。

  3. DAS 导波尚未被系统利用
    业界多将射孔信号仅用于走时标定,大量频散、散射信息被丢弃;若能像地表“面波”一样反演,将新增一条低成本高分辨率成像路径。


前人研究及不足

研究 内容 不足
Buchanan (1976) 煤层导波理论 仅层状半空间解析解,未考虑页岩强各向异性、未结合 DAS
Krohn (1992) 跨井导波实验 检波器间距 3 m,空间混叠严重,无法观测 >200 Hz 频散
Maxwell (2014) 射孔走时标定微地震速度 仅用初至走时,丢弃频散与散射信息
Hogarth et al. (2017) 射孔 VSP 速度更新 聚焦一次波,未识别导波模式
Karrenbach et al. (2019) DAS 射孔记录 仅展示原始道集,未分析频散、未建模扰动机理

本文数据

数据 说明
现场 DAS 射孔记录 Chevron 页岩区块,水平段 >1.5 km,水泥后光纤,1 m 道距,10 m gauge,2 kHz 采样
自激自收 31 段 × 5–6 弹,弹距 10–12 m,全井段覆盖
跨井记录 偏移距 ≈270 m 平行井,同弹型,记录 >600 m 传播距离
测井辅助 声波时差、密度、快/慢横波,确认 15 m 厚页岩 VTI 各向异性

本文方法

  1. 频散分析
    f-k 变换 → 识别 0.1–0.7 kHz 导波,提取相速度、群速度,确认低频快于高频(负群散)

  2. 合成验证

  3. 声学有限差分 → 重现 P 导波频散、 gauge-length 频率缺口
  4. 弹性有限差分 → 再现 P&S 多阶导波、头波,无可见转换波(超临界角抑制)

  5. 跨井扰动对比

  6. 共接收段分析(200 m 窗)→ 同一阵列记录不同偏移射孔
  7. 定义“未扰动区”(H>90 m)与“已压裂区”(H<0 m)
  8. 观测 S 导波走时、振幅、散射事件变化,P 波几乎不变

本文结果

  1. 首次现场记录 700 Hz P 导波 & 600 Hz S 导波
    相速度 > 群速度 10–15 %,负群散典型波导特征

  2. 井出页岩即消失
    水平段与弯曲段对比:一旦井轨迹离开页岩(Vp>5.5 km/s),导波能量骤降 20 dB,证实“页岩波导”机制

  3. S 导波对压裂区敏感,P 波不敏感

  4. 已压裂区 S 导波走时延迟 2–3 ms,振幅衰减 30 %,出现反向散射
  5. P 导波走时/振幅几乎无变化,与理论(S 对裂缝/流体更敏感)一致

  6. 给出分辨率极限
    5 m 空间波长(S@600 Hz)→ 横向分辨率可达 2–3 m,优于常规微地震定位(30–50 m)


创新点与贡献

创新 贡献
首次系统展示页岩射孔诱发 P&S 高阶导波现场证据 频率上限 700 Hz,空间采样 1 m 无混叠,填补“超高频导波”记录空白
建立“射孔导波”频散-扰动-压裂”解释链 将以往被丢弃的频散/散射信息转化为“裂缝是否含液”诊断工具
提出 gauge-length 频率缺口机制 10 m gauge 导致 150–200 Hz 凹陷,指导未来 DAS 采集参数设计(建议 ≤3 m)
给出跨井 S 导波扰动量化指标 走时延迟 2–3 ms、振幅衰减 30 %,可作为“压裂体积”高分辨率约束

不足与未来方向

不足 说明
尚未反演裂缝参数 目前仅定性“扰动存在”,下一步需 Full-Waveform Inversion 估计裂缝密度、开度、流体饱和度
仅 1D 速度模型 水平层状假设忽略横向速度变化,需 2D/3D 各向异性模型提升频散拟合精度
未考虑时间依赖性 射孔间隔 6–8 h,裂缝可能部分闭合,需建立“扰动-时间”衰减模型
未自动化导波拾取 频散曲线仍靠人工圈定,后续将开发机器学习自动识别多阶导波与散射
缺乏定量不确定性 未给出走时/振幅误差棒,后续将引入贝叶斯反演提供置信区间