摘要

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。现有试井解释方法都是基于图版拟合的方式,仍需依靠经验指导和人工参与进行单井分析。针对试井解释无法实现精简化与专家经验重用的问题,提出基于大数据的试井解释参数分析方法。通过数据驱动的方式结合大数据分析技术,分析试井解释中长期积累的海量数据。通过描述性分析,研究压力导数双对数曲线所反映的同类型试井的共性特征以及曲线特征的描述方法。采用相关分析揭示数据间隐藏的模式并识别相关性,确定与试井解释参数相关的独立变量。最后通过神经网络构建试井解释参数预测模型。研究表明,该分析方法可以避免由于图版拟合的固有误差、拟合主观性以及拟合结果不唯一等问题引起的误导性结果。