APP下载

基于大数据的试井解释参数分析

2019-09-13文必龙李艳春

计算机应用与软件 2019年9期
关键词:特征分析模型

文必龙 李艳春

(东北石油大学计算机与信息技术学院 黑龙江 大庆 163318)

0 引 言

试井解释是通过检查、分析试井资料的特征获取有关油藏信息和描述油藏物理本性参数的过程[1]。但是现阶段的方法都是以图版拟合为基础,即实测曲线与理论典型曲线相比对得到最佳拟合理论曲线及拟合点,通过反演的方式反求地层参数[2-4],对于图版的选择需要依靠解释人员经验指导,并且单井解释需通过多组图版进行比对。试井解释智能化的概念在1986年石油国际会议上被格林加登提出,他认为试井解释具有主观推理特性,试井分析问题可归纳为人工智能问题,这推动了人工智能在试井领域中的应用研究[5],成为现代试井解释的标志。然而,传统的人工智能算法所选用的数据量很小且趋于理想化,随着试井数据采集量扩大,传统的分析方法和人工智能算法的应用逐渐受到限制。因此,现有的试井解释方法至少存在三方面不足:(1) 分析过程具有解释人员主观性使结果不唯一;(2) 图版分析过程繁琐且低效;(3) 专家的经验不能复用。针对以上几点不足,提出基于大数据的试井解释方法,弱化图版拟合的方式,利用多年试井解释中长期积累的海量数据,通过数据驱动的方式结合大数据分析技术,挖掘试井解释历史数据与试井解释结果间的潜在模式,构建试井解释参数预测模型,从而利用压力数据预测得到试井解释结果。对海量历史解释数据进行有效的利用,减少人工参与和经验对解释结果的束缚,使复杂和专业性的试井解释流程精简化。……

登录APP查看全文

猜你喜欢

特征分析模型
一半模型
隐蔽失效适航要求符合性验证分析
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
电力系统不平衡分析
电力系统及其自动化发展趋势分析
3D打印中的模型分割与打包
线性代数的应用特征