CN119494268A 基于dts和das数据的井筒产液剖面联合反演方法 （成都北方石油勘探开发技术有限公司）

司基于DTS和DAS数据的井筒产液剖面联合反本发明公开了基于DTS和DAS数据的井筒产2分别建立DTS正演模型和DAS正演模型，所述DTS正演模型用于模拟井筒中的温度和压基于DTS计算数据与实测数据之间误差和DAS计算数据与实测数据之间误差的联合误2.根据权利要求1所述的基于DTS和DAS数据的井筒产液剖面联合反演方法，其特征在3.根据权利要求1所述的基于DTS和DAS数据的井筒产液剖面联合反演方法，其特征在4.根据权利要求3所述的基于DTS和DAS数据的井筒产液剖面联合反演方法，其特征在35.根据权利要求1所述的基于DTS和DAS数据的井筒产液剖面联合反演方法，其特征在6.根据权利要求1所述的基于DTS和DAS数据的井筒产液剖面联合反演方法，其特征在jr1xiiS6_6，利用DAS正演模型和DTS正演模型评估更新后7.根据权利要求6所述的基于DTS和DAS数据的井筒产液剖面联合反演方法，其特征在8.根据权利要求7所述的基于DTS和DAS数据的井筒产液剖面联合反演方法，其特征在49.一种电子设备，包括存储器、处理器及存储在一项所述的基于DTS和DAS数据的井筒产液剖面联被处理器执行时实现权利要求1_8中任意一项所述的基于DTS和DAS数据的井筒产液剖面联5[0002]分布式温度传感(DTS)和分布式声波传感(DAS)技术被广泛应用于提供连续和精DTS数据反演地下属性和流体动力学信息的任务非常复杂，现有的反演算法在处理大量参[0004]本发明提供一种基于DTS和DAS数据的井筒产液剖面联合反演方法，以解决单一DAS或DTS数据反演存在井筒注水剖面[0006]本发明的第一方面，提供了一种基于DTS和DAS数据的井筒产液剖面联合反演方[0007]分别建立DTS正演模型和DAS正演模型，所述DTS正演模型用于模拟井筒中的温度[0008]基于DTS计算数据与实测数据之间误差和DAS计算数据与实测数据之间误差的联[0010]本发明通过建立分布式温度传感(DTS)和分布式声波传感(D6j为储层方向的流动系数；θ27r1xi明第一方面任意一项所述的基于DTS和DAS数据的井筒产液述计算机程序被处理器执行时实现本发明第一方面任意一项所述的基于DTS和DAS数据的[0049]提出了模拟井筒中的温度和压力分布的DTS正演模型，和模拟井筒中的流量分布[0050]提出了结合NSGA_聂算法和混合多目标粒子群优化的求解方法，通过混合策略引8[0065]在本申请的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义大提升了注水剖面的诊断精度和油气采收率。本发明的核心创新点包括正演模型的构建、9[0068]本发明首先给出了DTS和DAS信号的正演模型，建立了用于求解吸水剖面的DTS和[0083]最后，对压力梯度方程和温度梯度方程构成的方程组应用四阶龙格_库塔格式进[0089]具体地，DAS信号通过截取注入测试末期一定时间内的、相对平稳的井眼水平段DAS数据S，将数据S沿井筒各个深度分别进行相同参数的短时傅里叶变换(Short_Time~k2频段振幅范围内进行微扰，如θ1在[e_6,e_1]范围内随机扰动[0111]进一步地，本发明采用混合多目标粒子群优化(HMPSO)算法对多目标优化模型进托前沿(Paretofront)来表示非支配解集。在此基础上，结合非支配排序遗传算法IIr1[0126]最后根据实际需求和油藏实际条件约束选取最终的帕累托前沿PF*中的解作为[0128]上述通过HMPSO算法求解的过程中，DAS和DTS的拟合参数为油藏参数经神经网络格点之间存在顺序上的相互关系。因此，采用双向长短期记忆网络(Bi_LSTM)框架作为[0131]将Auto_encoder的编码器和解码器部分分别用来建立映射x＝fencoder(Q)和Q=HMPSO多目标优化算法计算和实测的DTS和DAS进行误差最小化展示了用于反演的选定DTS数据图，其中短时傅里叶变换后的DAS数据用于后续的模型优明上述任意一项实施方式所述的基于DTS和DAS数据的井筒产液该计算机程序被处理器执行时实现本发明任一实施方式的基于DTS和DAS数据的井筒产液