ヤング率とポアソン比を正確に決定して砂生産評価を向上させる

油井における砂の問題が重大な理由

油井やガス井が流体とともに砂を産出し始めると、小さな粒子が産業用の紙やすりのように振る舞います。鋼管を侵食し、バルブやセパレータを詰まらせ、予期せぬ停止を引き起こし、安全上のリスクを生じさせることさえあります。本稿では、岩石の基本特性である「どれだけ硬いか（剛性）」と「横方向にどれだけ変形しやすいか（ポアソン比）」の測定を改善することで、いつどこで砂が剥がれるかを予測する能力が飛躍的に向上し、業界が高額なトラブルを避けられる可能性について検討します。

崩れる岩石の背後にある物理

地下深くでは、貯留層の岩石は上部の層の巨大な重さによって押しつぶされる一方、油やガス、水が井戸に向かって引き寄せられる力も受けています。岩石がまとまっているか粒が剥がれるかは、剛性（ヤング率）と応力下でどのように膨らむか（ポアソン比）に強く依存します。技術者は一般に、岩心での全面的な試験が高価で時間がかかるため、音速や密度ログからこれらの特性を間接的に推定します。しかし、こうした間接推定には動的値と静的値の二種類があり、砂の予測には貯留層の挙動を反映する静的値が必要です。著者らが投げかける問いは単純だが重要です：多数の公表式や機械学習モデルのうち、実際の現場で信頼できる静的特性を与えるのはどれか？

代表的な予測法を実地で検証する

研究チームは、静的ヤング率と静的ポアソン比が実験室で測定された100個の砂岩サンプルのデータセットを作成しました。次に既存の経験式や機械学習モデルの幅広い手法を使い、岩石密度や縦波・横波の伝播時間など標準的なウェルログ入力からこれら二つの特性を再推定しました。推定された特性を基に、砂生産予測で広く使われる三つの手法—Sand Production Index（B）、せん断剛性と全体圧縮性の比（G/Cb）、およびSchlumberger Sand Index（S/I）—に入力しました。各手法の砂あり/砂なしの判定を、実測データに基づく判定と比較することで、誤差が予測手法自体から来るのか、それとも入力された岩石特性の品質から来るのかを評価しました。

多くの中で際立っていた一つのモデル

直接比較の結果、明確な傾向が浮かび上がりました。ヤング率やポアソン比についての従来式の多くは、実験室測定値とほとんど相関しないか、場合によっては逆の傾向を示しました。これらの不適切な推定値を三つの砂予測法に入力すると結果は一貫性を欠き、あるモデルは存在しない砂リスクを示し、別のモデルは明らかに砂が発生しやすい区間を見逃しました。これに対して、ヤング率に対するガウス過程回帰モデルと、ポアソン比に対するゲート付き再帰ユニット（GRU）に基づく深層学習モデル（いずれも同じ研究グループの以前の研究で開発）は、実測データをほぼ完全に追跡しました。決定係数はほぼ1に近く、誤差は極めて小さいことが統計的に示されました。これらの高精度な入力を用いると、B、G/Cb、S/Iの三つの砂予測法はいずれも実験室ベンチマークとよく一致する砂あり/砂なしの判定を示しました。

岩種の描き分けがより鮮明に

砂の予測に加え、技術者は剛性に基づいて貯留層の岩石を「ゆるい」「弱くセメント化」「良く固結」の区分に、ポアソン比に基づいて「軟らかい」「中程度」「硬い」に分類します。これらのカテゴリは、グラベルパックの設置やより堅牢なサンドスクリーンの選定などの判断に影響します。研究は、多くの従来モデルが多数のサンプルを誤った岩種クラスに割り当てており、その結果、砂対策の過剰設計や設計不足を招く可能性があることを示しました。機械学習モデルは再び優れており、測定値に基づく岩種分類を大部分のサンプルで再現しました。つまり、これらのモデルは砂が発生しやすい場所を示すだけでなく、貯留層の機械的特性の全体像をより信頼できる形で提供できることを意味します。

実際の井戸にとっての意味

専門外の方への要点は、砂予測ツールに投入する「材料」の質がツール自体と同じくらい重要だということです。岩石の剛性や変形性に関する較正が不十分な式を使うと、貯留層が実際よりも安全に見えたり、逆にリスクが高く見えたりして、高額で時には不必要な対策につながります。多数のモデルを実測値に対して厳密にベンチマークすることで、著者らは慎重に訓練された少数の機械学習手法が、砂の出現時期や岩石の種類を予測する能力を大幅に向上させるのに十分な精度で岩石特性を推定できることを示しました。実務的には、これは操業者が井戸設計や砂対策の選定を行い、目に見えない粒子が数百万ドル規模のプロジェクトを停止させるリスクを低減するための、より信頼できる根拠を提供します。

引用: Alakbari, F.S., Mahmood, S.M., Abdelnaby, M.M. et al. Enhancing sand production assessment through accurate determination of Young’s modulus and Poisson’s ratio. Sci Rep 16, 6826 (2026). https://doi.org/10.1038/s41598-026-36761-2

キーワード: 砂生産, 貯留層地盤力学, ヤング率, ポアソン比, 機械学習モデル