一种基于机器学习的试井解释方法及系统

    公开(公告)号:CN113947005B

    公开(公告)日:2022-09-23

    申请号:CN202010681152.8

    申请日:2020-07-15

    Abstract: 本发明提供了一种基于机器学习的试井参数解释方法及系统,该方法包括:根据构建的试井物理模型获取试井初始时刻在不同影响因素下的气藏参数,形成初始参数集合,依据执行时间和初始参数集合获取试井的样本数据集合,将试井的样本数据集合输入对应的数值模拟器,获取试井目标时刻的预测数据集合;进而结合获取的压力导数观测数据及预测数据集合,采用机器学习方法自动进行数据拟合处理,并利用更新后的预测数据集合生成参数解释结果。采用本发明的技术方案,能够解决现有技术应用于参数解释时精确度和实用性不足的问题,通过自动进行数据拟合实现复杂油气藏多相流试井的参数解释,执行效率高,为进行试井产能预测和指定试井施工方案提供可靠指导。

    一种基于机器学习的试井解释方法及系统

    公开(公告)号:CN113947005A

    公开(公告)日:2022-01-18

    申请号:CN202010681152.8

    申请日:2020-07-15

    Abstract: 本发明提供了一种基于机器学习的试井参数解释方法及系统,该方法包括:根据构建的试井物理模型获取试井初始时刻在不同影响因素下的气藏参数,形成初始参数集合,依据执行时间和初始参数集合获取试井的样本数据集合,将试井的样本数据集合输入对应的数值模拟器,获取试井目标时刻的预测数据集合;进而结合获取的压力导数观测数据及预测数据集合,采用机器学习方法自动进行数据拟合处理,并利用更新后的预测数据集合生成参数解释结果。采用本发明的技术方案,能够解决现有技术应用于参数解释时精确度和实用性不足的问题,通过自动进行数据拟合实现复杂油气藏多相流试井的参数解释,执行效率高,为进行试井产能预测和指定试井施工方案提供可靠指导。

Patent Agency Ranking