神经网络在低渗透油田试井解释中的应用

A油田是吉林油区开发较好的典型低渗透砂岩油藏,其试井解释比较复杂,压力恢复曲线出现径向流的井次仅占总井次的20%～30%。图形识别+神经网络BP算法+试井解释软件三位一体的联合技术能使未出现径向流的大部分井的压力恢复资料得到很好应用。该技术具体步骤为:(1)分析解释有径向流的井的双对数图和半对数图,找出续流段的伪斜率(m₁)、拐点处的伪斜率(m₂)、过渡段的伪斜率(m₃)和径向流直线段斜率(m);(2)利用神经网络BP算法,构建m₁,m₂,m₃与m之间的数学关系;(3)将未出现径向流的井的基础测试资料录入到试井解释软件中,求出m₁,m₂,和m₃,利用BP算法求出m;(4)把以上参数代入进行拟合,直到双对数图、半对数图和历史拟合图三条曲线完全拟合为止。     

坨深1井试井资料解释与应用

利用双坨子气田坨深 1井产能试井、压力恢复试井资料的解释结果 ,结合试采情况 ,确定了二次产能试井平均无阻流量 ,用无阻流量的 1 3确定了合理产量。该井两次不稳定试井解释模型都选用复合模型 ,并通过评价说明该井有很好的前景。