RBF神经网络在油田试井系统中的应用

MATLAB中的神经网络工具箱是进行神经网络系统分析与设计的有力工具。RBF神经网络以其计算量小,学习速度快,不易陷入局部极小等诸多优点为系统辨识与建模提供了一种有效的手段。在本文中将二者结合起来,解决了油田试井系统中压力值的建模问题,取得了令人满意的结果。

试井系统中采集的原始数据的数学建模研究

试井系统中的传感器信号比较微弱,且一般都带有一定的随机噪声,严重影响测量结果。通过对测井仪采集的原始数据的分析,依据多项式作最小二乘曲线拟和的原理,利用实验数据并结合MATLAB的运算功能建立传感器以压力和温度为自变量的多项式模型,使这个模型尽可能地根据AD值测出实际的压力和温度。

用于长水平裸眼井的选择性试井系统

目前对于长水平裸眼完井，采用常规生产测井系统进行定量监测还存在一定困难。水平裸眼井生产测井的复杂性主要与井眼流体的的低流速及层状流动形态相关。水平裸眼完井方法增大了下井仪器遇阻和产生注入障碍的可能性。水平裸眼井中的钻屑。

试井深度监控系统研制与应用

简要介绍了无缆深度检测装置的基本原理和工作过程 ,该系统由地面记录深度—时间函数 ,井下记录接箍—时间函数 ,经过函数变换得到深度—接箍函数 ,然后利用前磁、油管深度资料对接箍深度进行校正 ,从而可以得到井下仪器准确的位置 ,解决了基础试井深度监测中由于人为因素、机械因素等造成的深度记录误差。通过现场试验和在标准井上验证 ,系统误差小于千分之 0 3m ,完全可以满足现场测试需要。试井深度的自动测量 ,使试井工艺更进了一步 。

EPS试井解释系统及油井优化分析软件的应用

基于MicrosoftWindows环境下 ,EPS试井解释系统及油井优化分析软件在解析试井解释、数字试井解释、油井优化生产、数模转换、表皮因子分解等方面都有其独特的功能 ,且该软件具有功能强大、界面友善、模型丰富、适用范围广泛等特点 ,应用该软件解释结果准确。

基于MATLAB的RBF神经网络建模及应用

MATLAB中的神经网络工具箱是进行神经网络系统分析与设计的有力工具。RBF神经网络以其计算量小,学习速度快,不易陷入局部极小等诸多优点为系统辨识与建模提供了一种有效的手段。将二者结合起来,解决了油田试井系统中压力值的建模问题,取得了令人满意的结果。