首页期刊导航|油气井测试
期刊信息/Journal information
油气井测试
油气井测试

万之套

双月刊

1004-4388

yqjcsbjb@126.com

0317-2552634；2551432

065007

河北省廊坊市万庄43号信箱

油气井测试/Journal Well Testing
查看更多>>本刊是由中国石油天然气集团公司主管、华北石油管理局主办的国内测试、试井行业、唯一国内、外公开发行的专业技术性刊物。主要报导测井理论模型及解释方法研究、油藏评价，解释成果及应用、中途地层测试、完井测试、开发试井、油田动态监测、射孔技术、油气层保护、改造、增产措施，井下作业及石油勘探、开发领域、试井相关技术等内容。本刊为国家中文核心期刊、中国科技论文统计源期刊、中国学术期刊网入网期刊。
正式出版
收录年代

    油田分层测试工艺及数智化技术

    赵增权曹刚曹钰宣
    65-71页
    查看更多>>摘要：为解决油田传统注入井分层测试工艺效率低、精度差和成本高的问题,研究了一种基于油田数智化推进发展的新技术.该技术整合了智能管柱测调技术、预制电缆以及智能配水器和封隔器等技术,实现了对注入井的分层测试过程的自动化和智能化;通过使用由智能管柱组成的多功能装置,实时监测和采集地质资料;借助可视化界面展示测试数据,增强了数据分析和管理的可视化程度;通过远程控制可实时检测和重新设定每层注水量、查看注水层位的压力和温度,以及进行封隔器密封性检测等;井口智能校准自检仪还能定期对井下仪器参数进行重新标定和校准.该技术为智能化测试技术在油田行业的应用提供了新的思路和方向.

    智能管柱测调数智化技术注入井分层测试优化实时检测自动化测试

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种基于一维卷积神经网络的试井模型智能识别方法

    齐占奎张新鹏刘旭亮查文舒...
    72-78页
    查看更多>>摘要：为提高试井分析工作效率,实现试井模型的自动识别,提出了基于一维卷积神经网络(1D CNN)的试井模型智能识别方法.根据实测数据的特点,提出基于理论曲线构建样本库的原则与方法,并构建了4 种常用油藏模型的训练样本库;建立了一维卷积神经网络模型,将样本库中双对数曲线的压力变化和压力导数数据作为输入,油藏类别作为网络输出训练及优化网络,总识别准确率可达 99.16%,敏感度均在 98%以上.经 4 口井实例应用,正确识别试井模型的概率大于 0.99,与二维卷积神经网络相比,1D CNN显著降低了计算复杂度和时间成本,加快了训练速度.这表明基于试井理论所构建的样本库是有效的,能满足实测数据模型识别的需求;同时证明了方法的有效性、实用性和普适性.

    试井模型一维卷积神经网络智能识别深度学习自动解释模型识别样本库

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    《油气井测试》征稿、征订启事

    《油气井测试》编辑部
    封3页
      原文链接:
    • NETL
    • NSTL
    • 万方数据