摘要

本研究系统总结了超声波固井质量评价技术的最新进展，并提出了一套用于改善套管井信号处理工作流程的统一框架（UESTC），解决了仪器偏心、低密度水泥识别以及弱信号提取等核心技术难题。科研人员通过数值模拟、等比例物理实验与现场应用，进一步验证了上述技术进展，对于推动机器学习算法泛化能力以及实现井筒完整性实时诊断的具有重要意义。

研究内容

保障井筒完整性，是实现油气安全开采、储气库、地热能源开发以及碳封存的基本前提。水泥胶结是维护井筒完整性的核心所在，其作用在于地层的有效分割和防止层间流体窜流。为此，一支来自中国的科研团队全面研究了基于超声波测量的水泥胶结质量评价方法。

“超声波测井技术已成为评估套管外水泥胶结质量的强有力的无损检测手段之一，它能够高分辨率地呈现套管 — 水泥环，水泥环 — 地层这两个界面的胶结情况。” 该研究的第一作者、电子科技大学教授王华介绍道，“在过去十年间，超声脉冲回波法与斜入射法这两项技术推动了水泥胶结质量定量评估的发展。”

超声波测井技术的最新进展包括：

• 基于变分自动编码器的波形自动质量控制技术、同步反演钻井液与水泥环声波阻抗的技术；

• 基于相移插值法与频率 - 波数变换法的套管反射波压制技术、仪器偏心状态下的测井仪轨迹与井眼参数联合反演技术、基于变分模态分解法的 A0 与 S0 模态分离技术；

• 基于机器学习的TIE反射波初至时间拾取与波形增强技术；

• 水泥环 — 地层界面的精准成像技术。

“上述技术已通过数值模拟、等比例物理实验及现场案例研究等方法进行了验证，证实它们可在各类井眼环境与井况条件下保持稳定性能。” 该研究合著者、西安石油大学副教授李萌介绍道， “机器学习技术进一步提升了检测的可靠性与自动化水平，尤其适用于复杂波场或低信噪比的应用场景。”

本综述通过将物理建模与数据驱动相结合，提出了一条更可靠、更具可扩展性且更智能的超声波水泥胶结质量的评价路径 —— 这是能源转型应用中满足日趋严苛的井筒完整性要求(如碳捕获与碳封存)的关键一步。

文章信息

Hua Wang, et al., Recent advances and challenges of cement bond evaluation based on ultrasonic measurements in cased holes, Artificial Intelligence in Geosciences, Volume 7, Issue 1, 2026, Pages 1-45, 

https://doi.org/10.1016/j.aiig.2025.100170.

关于期刊

Artificial Intelligence in Geosciences (AIIG)是一份涵盖人工智能和地球科学各个领域的开放获取型期刊。

AIIG自创刊以来，专注于地学人工智能的所有主题，如应用于地球科学的机器人和传感器、处理地球科学数据的机器学习算法、大数据处理背景下的云计算和高性能计算等。期刊创刊的目标是为正在转入大数据世界的地球科学家、分析与地球相关数据的数据科学家提供一个国际化、跨学科的交流论坛，在这里可以共享和讨论与人工智能及其在地球科学中的应用有关的最前沿观点及解决方案。

目前已被ESCI、DOAJ、Scopus、EBSCOhost、GeoRef、Ei Compendex 和GEOBASE等数据库收录。