时间推移试井技术研究及应用

doi:10.3863/j.issn.1000-2634.2006.03.007

西南石油大学学报(自然科学版) ›› 2006, Vol. 28 ›› Issue (3): 20-22.DOI: 10.3863/j.issn.1000-2634.2006.03.007

时间推移试井技术研究及应用

屈怀林¹曾晓慧²黄波³ 郭大立⁴

(西南石油大学:1 .研究生院;2 .石油工程学院，四川成都610500)

收稿日期:2006-02-16 修回日期:1900-01-01 出版日期:2006-06-20 发布日期:2006-06-20
通讯作者: 屈怀林

TIME EXTRAPOLATION WELL TEST TECHNIQUE AND APPLICATIONS

QU Huai-lin ¹ ZENG Xiao-hui² HUANG Bo³ et al.

( Southwest Petroleum University, Chengdu Si-chuan 610500)

Received:2006-02-16 Revised:1900-01-01 Online:2006-06-20 Published:2006-06-20
Contact: QU Huai-lin

摘要/Abstract

摘要： 针对压力监测井点的动态监测信息在时间上的不连续性和历史的继承性，根据历次的试井资料、生产动态信息并结合地质静态资料，应用时间推移试井理论，采用神经网络技术，结合模拟退火算法，实现了对静压、有效渗透率和表皮系数等试井参数变化趋势的预侧。通过实例分析，说明了利用试井历史信息进行时间推移预测的有效性。

关键词: 时间推移试井, 神经网络, 模拟拟火

Abstract: Aim at the dynamic monitor information that the pressure monitor well order on time of not the consecution and histories inherit according to邸ng the well data and producing the dy-namic information and combining the geology static data of many times in the past, applying time extrapolation well test theories
and the nerve network technique, combining to the emulation backs the fire calculate way, carrying out to static pressure,effective permeate rate and epidermis factor to try the estimate that the well parameter changes .Finally, applied example analysis, explain to make use of appling the well test history information to carry on time extrapolation well test predicting is useful.

Key words: time extrapolation well test, the neural net-work, the emulation backs the fire calculate way

中图分类号:

TE353

屈怀林曾晓慧黄波郭大立. 时间推移试井技术研究及应用[J]. 西南石油大学学报(自然科学版), 2006, 28(3): 20-22.

QU Huai-lin ZENG Xiao-hui HUANG Bo et al. . TIME EXTRAPOLATION WELL TEST TECHNIQUE AND APPLICATIONS[J]. 西南石油大学学报(自然科学版), 2006, 28(3): 20-22.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://journal15.magtechjournal.com/Jwk_xnzk/CN/10.3863/j.issn.1000-2634.2006.03.007

http://journal15.magtechjournal.com/Jwk_xnzk/CN/Y2006/V28/I3/20

[1]	黄旭日, 代月, 徐云贵, 唐静. 基于深度学习算法不同数据集的地震反演实验[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 16-25.
[2]	刘兆年, 赵颖, 孙挺. 渤海区域基于数据驱动的钻井提速[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 35-41.
[3]	檀朝东, 贺甲元, 周彤, 刘健康, 宋文容. 基于PCA-BNN的页岩气压裂施工参数优化[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 56-62.
[4]	刘浩瀚, 颜永勤, 闵令元, 乐平, 殷艳玲. 基于灰色网络组合优化的年增油量预测[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 89-96.
[5]	王兵, 郑亚梅, 陈茂柯, 高凌云. 基于Tri-BiLSTM-CNN的钻井安全问答系统[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 157-164.
[6]	刘永辉, 罗程程, 刘通, 任桂蓉, 王中武. 水平气井井筒气液两相流型预测[J]. 西南石油大学学报(自然科学版), 2019, 41(3): 107-112.
[7]	李建, 李珂, 王兵. 粗糙集和神经网络相融合的钻井安全评价模型[J]. 西南石油大学学报(自然科学版), 2017, 39(5): 120-128.
[8]	王利华1 *，楼一珊1，马晓勇2，程福山1，陈宇3. 储层粒度神经网络预测模型研究[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 53-59.
[9]	袁宗明1，王勇1 *，谢英1，王大鹏2. 原油高温结垢速率测定和预测模型研究进展[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 170-180.
[10]	莫丽1 *，王军1，王俊2，王禄友1. 基于GA-BP 算法的旋转控制头轴承温度预测[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 164-169.
[11]	张志东1，2 *，艾志久1，郑伟3，李奔4，钟功祥1. 泥浆泵液力端故障诊断技术研究[J]. 西南石油大学学报(自然科学版), 2015, 37(5): 167-173.
[12]	侯大力1，孙雷1，潘毅1，秦山玉1，董卫军2. 人工神经网络预测高含CO2 天然气的含水量[J]. 西南石油大学学报(自然科学版), 2013, 35(4): 121-125.
[13]	孙宝财1，武建文1，李雷2，佘志刚3. 改进GA-BP 算法的油气管道腐蚀剩余强度预测[J]. 西南石油大学学报(自然科学版), 2013, 35(3): 160-167.
[14]	贺懿;张进;刘怀山. 基于神经网络的面波迭代反演应用研究[J]. 西南石油大学学报(自然科学版), 2010, 32 (1): 40-44.
[15]	郎晓玲;彭仕宓;康洪全;张凤红. 利用多属性体分类技术预测扇三角洲砂体[J]. 西南石油大学学报(自然科学版), 2010, 32 (1): 65-66.

时间推移试井技术研究及应用

TIME EXTRAPOLATION WELL TEST TECHNIQUE AND APPLICATIONS

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价