基于数据驱动技术的智能试井解释方法
——以有水气藏产水气井为例

糜利栋 顾少华 薛 亮 赵 林

1. 中国石油化工股份有限公司石油勘探开发研究院 2. 中国石油大学(北京)石油工程学院

0 引言

根据油、气、水井测试资料，可以判断油（气）藏类型、测试井井底完善程度、计算储层和测试井特征参数（渗透率、表皮系数、储量等）、预测测试井附近边界位置、判断井间连通性等[1]。因此试井是油气藏评价的重要手段之一，而试井理论模型的建立通常都以渗流力学理论为基础。

试井解释包括解释模型识别和参数计算两个过程[2]。解释模型的正确识别是试井解释结果合理的前提条件，而这又依赖于对压力导数曲线特征的正确识别。参数计算则是基于选定的试井模型，通过图版拟合来估算储层参数。20 世纪70 年代，国外大部分学者都基于手工操作或计算机进行典型曲线拟合，1986 年Gringarten[3]将试井模型的识别归纳为人工智能问题。20 世纪90 年代以后，神经网络技术开始应用于试井模型的识别，如Athichanagorn 等[4]使用该技术来识别压力导数曲线特征，Ghaffarian 等[5]将拟压力导数作为人工神经网络（ANN）模型的单一输入，采用ANN技术来识别拟压力导数曲线特征。虞绍永[6-7]提出将人工智能技术应用到试井分析中，针对试井分析过程和原理，提出了建立试井分析专家系统的初步设想。李治平[8]采用压力与压力导数同步拟合的方法解决了拟合结果多解性强的问题，提高了试井解释结果的准确性。陈伟等[9]、段永刚等[10]采用混合遗传算法实现了对垂直压裂直井的自动试井解释，结果表明遗传混合优化过程稳健、结果准确。……