基于多网络的试井解释方法及装置、电子设备、存储介质制造方法及图纸

本发明专利技术公开了一种基于多网络的试井解释方法及装置、电子设备、存储介质，所述解释方法包括：获取油藏的模拟数据；划分所述油藏的参数类别；按照所述参数类别分别截取所述模拟数据以分别获得只包含同类别参数特征的截取数据；所述截取数据，用于生成与其类别对应的训练样本；利用所述训练样本对网络进行训练以生成对应的训练网络；所述训练网络，用于解释对应类别的参数；解决现有不同类型的参数因基于单网络进行试井解释以致参数的解释误差大的问题。问题。问题。

【技术实现步骤摘要】
基于多网络的试井解释方法及装置、电子设备、存储介质


[0001]本专利技术涉及智能试井解释技术，具体的是对试井曲线进行拟合，得到试井解释结果的方法。

技术介绍

[0002]详细的地层信息对于石油工程师研究当前和未来的地层动态至关重要。由于油气藏是一种结构复杂的非均质介质，很难直接对其进行解释。试井是油藏开发过程中获得地层及井筒参数的最常使用的方法。一般来说，试井分析就是以实测井底压力、温度或流量为基本数据分析和推算地层及井筒参数，从而为描述油藏动态特性和中长期产能预测、产能优化服务。
[0003]迄今为止，试井解释主要是通过人工或利用优化算法辅助进行，这些试井方法解释过程复杂、耗时长，无法做到自动化的试井解释。为建立自动识别方法，利用卷积神经网络训练油藏数据(是一种双对数曲线)，训练好的网络可直接用于油藏参数解释。
[0004]之前的基于卷积神经网络的试井解释方法中，只用到了一个网络，即对于油藏的不同类型的所有参数只用一个网络来拟合。例如对于径向复合油藏，它有四个参数，分别为CDe2s，复合半径RfD，流度比M和储容比F。在训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多网络的试井解释方法，其特征在于，包括：获取油藏的模拟数据并划分所述油藏的参数类别；按照所述参数类别分别截取所述模拟数据以分别获得只包含同类别参数特征的截取数据；所述截取数据，用于生成与其类别对应的训练样本；利用所述训练样本对网络进行训练以生成对应的训练网络；所述训练网络，用于解释对应类别的参数。2.根据权利要求1所述的基于多网络的试井解释方法，其特征在于：所述参数类别分为三类，分别为反映井筒和表皮特征的第一类参数、反映油藏类型的第二类参数及反映外边界类型的第三类参数。3.根据权利要求2所述的基于多网络的试井解释方法，其特征在于：与所述模拟数据对应的双对数曲线，其早期特征反映所述井筒和表皮特征、中期特征反映所述油藏类型、晚期特征反映所述外边界类型。4.根据权利要求3所述的基于多网络的试井解释方法，其特征在于：截取所述双对数曲线的早期数据以生成与所述第一类参数对应的第一类训练样本；截取所述双对数曲线的中期数据以生成与所述第二类参数对应的第二类训练样本；截取所述双对数曲线的晚期数据以生成与所述第三类参数对应的第三类训练样本。5.根据权利要求3所述的基于多网络的试井解释方法...

【专利技术属性】
技术研发人员：孙亮，邓刚，李道伦，蔡兵，闫术，齐占奎，查文舒，裴建亚，张晓辉，梁旭，刘旭亮，谷岳，康秀兰，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：