CN101103351B - 生成swpm-mdt的方法 - Google Patents

Abstract

基于单井预测模型(SWPM)软件的计算机系统存储了单井预测模型(SWPM)软件(20c1)。当SWPM(20c1)软件被执行时，SWPM(20c1)将响应于第一组用户对象(24)自动地产生由第一多个软件模块组成的第一特定工作流程并且响应于第一组输入数据(22)自动地执行第一特定工作流程以产生第一想要的产品，并且响应于第二组用户对象自动地产生由第二多个软件模块组成的第二特定工作流程并且响应于第二组输入数据自动地执行第二特定工作流程以产生第二想要的产品，其中想要的产品是3D储集层响应模型。

Description

生成SWPM-MDT的方法

技术领域

在这个说明书中描述的一个(或多个)实施例的主题关于单井预测模型(SWPM)/模动态测试器(MDT)复杂分析工作流程，具体地关于SWPM-MDT工作流程，其将用来使用完整的井模型来同时执行多地层测试器瞬态分析和试井。

背景技术

一般来讲，在为了生成最终想要的产品在计算机系统的处理器中执行软件期间，通常需要在该计算机系统的处理器中执行第一软件模块以产生第一产品，并且然后响应第一产品单独地并且独立地在该处理器中执行第二软件模块以产生第二产品，并且然后响应第二产品单独地并且独立地在该处理器中执行第三软件模块以产生最终想要的产品。为了产生最终想要的产品，可能需要单独地并且独立地在所述计算机系统的处理器中执行多个软件模块以便产生最终想要的产品。所述多个软件模块的以单独地并且独立地方式的上述执行非常费时间并且是很费力的工作。因此，需要一种‘基于软件的计算机系统’(在下文中称作‘单井预测模型’或‘SWPM’)，其将：(1)响应于第一组用户对象自动地产生由第一多个软件模块组成的第一特定工作流程，并且响应于第一组输入数据自动地执行第一特定工作流程以产生第一想要的产品，以及(2)响应第二组用户对象自动地产生由第二多个软件模块组成的第二特定工作流程，并且响应于第二组输入数据自动地执行第二特定工作流程以产生第二想要的产品。当使用基于SWPM软件的计算机系统时，将不再需要为了产生第一想要的产品而单独地并且独立地执行第一工作流程的第一多个软件模块，并且不再需要为了产生第二想要的产品而单独地并且独立地执行第二工作流程的第二多个软件模块。结果，将节省相当多的处理器执行时间并且此外将不再需要为了产生最终想要的产品而执行单独地并且独立地执行多个软件模块的上述费力工作。上述‘基于软件的计算机系统’，被称作‘单井预测模型’或‘SWPM’，适合用于石油工业。在石油工业中，理想地，与井有关的所执行的所有生产活动应当使用有关邻近所钻的井的储集层的任何知识(例如，适时的压力干扰和岩石不均匀性)。然而，由于缺少不仅可以由储集层工程师而且由生产/钻井/井服务工程师使用的普通三维(3D)预测模型，储集层知识和天天井决策之间的差距在现场管理和现场作业中留下了低效率的最重要根源之一。由于储集层建模和生产建模之间的类似差距，我们了解到客户很少使用已经获取的大量数据-它们确实未能最大限度地从那个数据中诠释些什么。而且，多数储集层不具有实际的储集层预测模型。据估计仅20％的生产储集层油田具有储集层模型。这表示多数储集层油田在对个人井了解的基础上工作。这有多种原因，其中主要的是：需要必需的有经验人员，需要‘适合’的软件，储集层模型的绝对尺寸(sheersize)，以及所要求的时间。

因此，需要基于‘单井预测模型’或‘SWPM’软件的计算机系统，其将使得公司的工作人员能够更接近井操作同时使得他们能够使用快速诠释工具，该工具使用了所有可用的数据和在特定井周围建立的3D储集层模型，因此提高了油田管理中的决策质量。本发明的基于‘SWPM’软件的计算机系统为公司提供了通过‘增加价值’来使得在市场中区分自己的机会，其中这样的价值通过引入新的诠释业务(即，SWPM软件)到公司的当前和未来的数据获取工具和业务中来得到增加。另外，基于与‘单井预测模型(SWPM)’软件相关的‘实时能力’的计算机系统将得到重视并且被有效地利用于石油工业中，因为石油工业整体上朝着‘准时’和‘数据-到-决策’的工作环境迅速发展。最后，当创建下一代‘油田预测模型’时，将考虑基于‘SWPM’软件的计算机系统的特征，包括综合化和交互式以及直观性。另外，需要基于交互式并且直观的流量仿真的‘单井预测模型(SWPM)’，其被用于使用可以由非储集层仿真专家使用的完井数据来结合静态和动态测量的目的。SWPM将使得能够从1D信息(即从井)开始建立3D比较预测模型。SWPM将读取主体井的地层信息并且创建储集层流量模型用于该井的所选择的供油面积。从1D到3D，随机地完成属性创建并且然后关于该井的可用动态数据进行微调。一旦估计出最可能的储集层属性，SWPM可被用于研究各种预测情景，比如定制完井策略、研究钻井策略、考虑对储集层的影响来预测井性能、论证关于决策制订的附加数据的价值、以及论证新技术的价值。在优化的工作流程上建立SWPM，所述工作流程包括岩石物理属性估计、静态模型构建、模型调整、钻井、完井、生产、或者干预。易于使用和直观性最重要。SWPM要么顺序地用于耗用时间模式，要么用于完全自动的实时模式。

而且，使用多探针或封隔器-探头地层测试器沿着井筒的间隔压力瞬态测试(IPTT)逐渐地用作地层评估的手段.这些测试通常具有大约几个小时的持续时间并且它们沿着井径向和垂直方向上研究“数十英尺”之内的容积.在一个井中，具有重叠影响量的多个瞬态测试是常见的.当前，使用主要地分析的多层模型来彼此独立地分析这些瞬态测试的每一种.当它们的影响量重叠时，它于是变成一个迭代程序.整个诠释过程于是花费相当多的时间和精力.还进行使用数字仿真的间隔压力瞬态测试的分析.数字建模可以非常适合于复杂几何形状(即，横断封隔器区域的裂缝)和多相流动但是通常这样的数字建模更复杂难以建立.在间隔压力瞬态测试之后，该井可以随后被钻竿试井(DST)和/或可以具有扩展的试井(EWT).间隔压力瞬态测试和常规试井的联合诠释并不常见并且造成另一种麻烦，因为常规的测试具有扩展的研究范围.该储集层模型必须给以在由IPTT规定的井筒附近增加的垂向清晰度以及在长期瞬态试井中固有的较难懂的横向信息.使用地层测试器在开口的并且被套管的井眼中获得压力对深度数据也是很常见的.在被开发的储集层中，这样的数据提供了关于差异衰竭、区域化和纵向通信方面有价值的信息.分析中的压力对深度的结合曲线造成第三方面的麻烦(和尺度)，因为沿着井的压力变化通常反映了结合较广的尺度连通性信息的各种区域的衰竭.在这个说明书中，给出了一个关于‘单井预测模型(SWPM)/模动态测试器(MDT)工作流程’(下文中称作‘SWPM-MDT工作流程’)的实施例，其中当工作流程由计算机的处理器来完全执行时，使用由工作流程生成的数字‘储集层响应模型’同时分析多间隔压力瞬态测试(IPTT)、常规试井〔例如，钻竿试井(DST)和扩展的试井(EWT)〕、以及压力对深度曲线.‘SWPM-MDT工作流程’的起始点对当储集层岩石分析沿着井眼被执行时所生成的一组‘诠释结果’作出响应.这被简化为具有平均岩石属性的一系列流量单元.这些具有平均属性的流量单元被用于提供数字三维模型.这个起始模型被更新以同时给以所有瞬态(IPTT、DST、EWT)数据以及压力对深度曲线.当上述SWPM-MDT工作流程由计算机的处理器完全执行时所生成或构建的最终结果是‘储集层响应仿真器’(或‘储集层响应模型’或‘单井储集层模型’)，其将给以动态数据、将反映和给以所有测度的不同尺度的数据、并且可以用于研究可选的完井和生产情形.这里所阐述的与下面所描述的‘SWPM-MDT工作流程’相关的实施例中所描述的分析方法，将：减少分析多间隔压力瞬态测试(IPTT)所需的时间和精力以及提供结合了长期测试和压力对深度数据的装置.

发明内容

本发明的一个方面涉及一种确定对应一个用户对象的想要产品的方法，包括步骤：(a)提供第一用户对象；(b)提供第一组输入数据；(c)响应第一用户对象自动地生成第一工作流程；(d)响应第一工作流程自动地选择一个或多个软件模块，所述一个或多个软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据和压力梯度数据中的一个或多个来校准所述仿真器模型；(e)响应所述第一组输入数据在处理器中执行所述一个或多个软件模块；以及(f)响应所述执行步骤(e)确定想要的产品，所述想要的产品包括3D典型储集层模型。

本发明的另一个方面涉及可由机器读取的程序存储设备，实际包含可由该机器执行的一组指令以执行用于确定对应于用户对象的想要产品的方法步骤，该方法步骤包括：(a)提供第一用户对象；(b)提供第一组输入数据；(c)响应第一用户对象自动地生成第一工作流程；(d)响应第一工作流程自动地选择一个或多个软件模块，所述一个或多个软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据以及压力梯度数据中的一个或多个来校准仿真器模型；(e)响应所述第一组输入数据在处理器中执行所述一个或多个软件模块；以及(f)响应所述执行步骤(e)确定想要的产品，所述想要的产品包括3D典型储集层模型。

本发明的又一个方面涉及响应于一组输入数据和用户对象的一种系统，适合于生成对应该用户对象的想要产品，包括：第一设备，适合于接收第一用户对象和第一组输入数据；第二设备，适合于响应第一用户对象自动地生成第一工作流程；第三设备，适合于响应第一工作流程自动地选择一个或多个软件模块，所述一个或多个软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据和压力梯度数据中的一个或多个来校准仿真器模型；以及处理器设备，适合于响应所述第一组输入数据自动地执行所述一个或多个软件模块以及响应所述一个或多个软件模块的执行生成想要的产品，所述想要的产品包括3D典型储集层模型。

本发明的另一个方面涉及用于响应于用户对象确定最终产品的方法，包括步骤：(a)提供用户对象和提供输入数据；(b)生成对应所述用户对象的特定工作流程；(c)响应特定工作流程选择多个软件模块，所述多个软件模块具有预定顺序，该软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据以及压力梯度数据中的一个或多个来校准仿真器模型；(d)响应所述输入数据以预定顺序执行所述多个软件模块；以及(e)当完成以预定顺序执行多个软件模块时生成最终产品，所述最终产品包括3D典型储集层模型。

本发明的另一个方面涉及可由机器读取的程序存储设备，实际包含可由该机器执行的一组指令以执行用于响应于用户对象确定最终产品的方法步骤，该方法步骤包括：(a)提供用户对象和提供输入数据；(b)生成对应用户对象的特定工作流程；(c)响应特定工作流程选择多个软件模块，所述多个软件模块具有预定顺序，该软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据和压力梯度数据中的一个或多个来校准仿真器模型；(d)响应所述输入数据以预定顺序执行所述多个软件模块；以及(e)当完成以预定顺序执行多个软件模块时生成最终产品，所述最终产品包括3D典型储集层模型.

本发明的又一个方面涉及一种系统，适合于响应用户对象确定最终产品，包括：第一设备，适合于接收用户对象和接收输入数据；第二设备，适合于生成对应用户对象的特定工作流程；第三设备，适合于响应特定工作流程选择多个软件模块，所述多个软件模块具有预定顺序，该软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据以及压力梯度数据中的一个或多个来校准仿真器模型；以及第四设备，适合于响应所述输入数据以预定顺序执行所述多个软件模块；以及第五设备，适合于当完成以预定顺序执行多个软件模块时生成最终产品，所述最终产品包括3D典型储集层模型。

本发明的另一个方面涉及生成一种3D典型储集层模型的方法，包括步骤：(a)提供用户对象和提供输入数据；(b)生成对应用户对象的工作流程；(c)响应工作流程的生成选择多个软件模块，所述多个软件模块具有预定顺序，该软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于校准仿真器模型；(d)响应所述输入数据以预定顺序执行所述多个软件模块；以及(e)当完成执行多个软件模块的调整模型软件模块时，生成3D典型储集层模型最终产品。

本发明的另一个方面涉及一种用于响应于来自新油或气体储集层的一组最新测量或观测的数据预测来自该新油或气体储集层的新响应的方法，来自已知油或气体储集层的一组已知的测量或观测的数据对应于来自已知油或气体储集层的已知响应，包括步骤：使用一组岩石物理数据和一组地质数据建立仿真器模型；校准该仿真器模型，校准步骤包括：使用已知的测量或观测的数据询问该仿真器模型，由此生成来自该仿真器模型的特定响应，所述已知的测量或观测的数据包括一组瞬态测试数据和一组试井数据以及一组压力梯度数据中的一个或多个，比较来自仿真器模型的特定响应与来自已知油或气体储集层的已知响应，以及校准该仿真器模型直到所述特定响应基本上与已知响应相同，由此生成已调整的仿真器模型；以及通过使用所述组最新测量或观测的数据询问已调整的仿真器模型以预测来自该新油或气体储集层的新响应，所述最新测量或观测的数据包括一组瞬态测试数据和一组试井数据以及一组压力梯度数据中的一个或多个。

本发明的另一个方面涉及从地下井生产的方法，该方法包括步骤：

获取数据，该数据选自这样的一组，该组包括岩石物理数据、一组地质数据、瞬态测试数据、一组试井数据、一组压力梯度数据、测井数据、常规的试井数据、测井、影像测井、模动态测试器(MDT)测量、岩心、生产测井、以及在本技术领域中已知的用于监控和建模钻井和来自井的生产的这样其它的或另外的数据；

提供所获取的数据给处理器并且从存储在处理器中的多个预定用户对象中选择一个用户对象，所述多个预定用户对象包括一个或多个动态井工具箱、试井设计、完井优化、仿真优化、增量数据估计器、多用途敏感性，同时钻井生产率/储量估计器；

利用处理器来从存储在该处理器中的多个软件模块生成第一工作流程，该工作流程结合了一个或多个所述软件模块，该一个或多个软件模块包括建立模型软件模块，适合于响应一组数据来建立仿真器模型，以及调整模型软件模块，适合于响应一个或多个所获取的数据来校准仿真器模型；

使用所校准的仿真器模型来管理来自井的生产；

重复获取数据的步骤，提供数据给处理器并且选择用户对象，生成第二工作流程并且使用所得到的所校准的仿真器模型来管理来自井的生产；以及

根据最适合于来自井的实际生产的所校准的仿真器模型来管理来自井的生产。

在来自井的生产中利用的这个同样方法还被利用来有益于钻井、完井、和/或修井、和/或包括钻井、完井和/或修井的一部分过程的各个操作，其中被获取并且提供给处理器的数据是被选择用于本技术领域技术人员已知的特定操作的数据。

本发明的另一个方面涉及可由机器读取的程序存储设备，实际包括可由机器执行的指令程序以执行用于响应于来自新油或气体储集层的一组最新测量或观测的数据来预测来自该新油或气体储集层的新响应的方法步骤，来自已知油或气体储集层的一组已知的测量或观测的数据对应于来自已知油或气体储集层的已知响应，该方法包括步骤：

(a)使用一组岩石物理数据和一组地质数据建立仿真器模型；

(b)校准该仿真器模型，校准步骤包括：

使用已知的测量或观测的数据询问仿真器模型，由此生成来自该仿真器模型的特定响应，所述已知的测量或观测的数据包括一组瞬态测试数据和一组试井数据以及一组压力梯度数据中的一个或多个，比较来自仿真器模型的特定响应与来自已知油或气体储集层的已知响应；

(c)校准仿真器模型直到特定响应基本上与已知响应相同，由此生成已调整的仿真器模型；以及

(d)通过使用所述组最新测量或观测的数据询问已调整的仿真器模型以预测来自新油或气体储集层的新响应，所述最新测量或观测的数据包括一组瞬态测试数据和一组试井数据以及一组压力梯度数据中的一个或多个。

附图说明

这里描述的关于‘SWPM-MDT复杂分析工作流程’的实施例的另外适用范围，将从下文中给出的详细描述中变得显而易见。然而，应当理解所述详细描述和特定例子仅通过示例的方式给出了本发明的仅一个实施例，因为这里所描述的这样实施例的宗旨和范围内的各种变化和修改对于本技术领域的技术人员而言通过阅读下面的详细描述将变得显而易见的。这里描述的实施例的完全理解将从下面给出的详细描述以及通过仅示例的方式给出的并且并非用于限制这样实施例的附图中获得，并且其中：

图1示出了表示基于单井预测模型(SWPM)软件的计算机系统的工作站或其它计算机系统；

图2示出了由图1的计算机系统的记录器或显示设备所生成的产品；

图3示出了由图1的基于SWPM软件的计算机系统所利用的模型建立及其最终目的的简单例子；

图4示出了基于SWPM软件的计算机系统的结构和功能操作的简单例子，其中所述计算机系统存储了图1中所示的SWPM软件；

图5示出了在图1的基于SWPM软件的计算机系统中存储的SWPM软件的详细构建；

图6示出了数据调节器、决策工具、以及工作流程管理(harness)之间的关系；这个图示出了数据调节器和决策工具如何被连接；

图7示出了数据调节器的示意图；这个图示出了来自各种源(测井、影像测井、MDT测量、岩心、生产测井)的多域数据将如何被处理以生成‘所校准的相容的1D岩石物理静态模型’；

图8示出了数据调节器的一维(1D)产品；此图是数据调节器结果如何被显现的草图；

图9示出了在决策工具中响应于图8中所示的数据调节器的1D产品输出所采取的步骤；这个图示出了数据调节器和决策工具如何被连接(图6的详细版本)；它示出了创建出自决策工具的产品‘决策’所采取的步骤；

图9A示出了图1、4-6中所示的SWPM软件的结构；这个图示出了现有的软件和新软件如何以特定的顺序被构成(被结合)以创建单井预测模型(SWPM)；这个图基本上示出了台后的引擎；SWPM当执行时将以特定的顺序(其根据决策工具所设定的)使用该软件；

图10和11示出了在图1的基于SWPM软件的计算机系统中所存储的SWPM软件的更详细构建和功能操作；

图12至17示出了图1的基于SWPM软件的计算机系统的功能操作的例子，该计算机系统存储了图5、10和11中所示的SWPM软件；

图18示出了‘单井预测模型(SWPM)/模块动态测试器(MDT)工作流程’(下文中，‘SWPM-MDT工作流程’)的基本构建；

图19示出了图18的SWPM-MDT工作流程的‘其它数据’步骤的基本构建；

图20示出了图18的SWPM-MDT工作流程的‘其它数据’步骤的更详细构建，图20的工作流程形成了图24A-24C的工作流程的一部分；

图21示出了图18的SWPM-MDT工作流程的‘建立模型’步骤的构建，图21的工作流程形成了图24A-24C的工作流程的一部分；

图22示出了图18的SWPM-MDT工作流程的‘调整模型’步骤的构建，图22的工作流程形成了图24A-24C的工作流程的一部分；

图23示出了图18的SWPM-MDT工作流程的‘预测储集层响应’步骤的构建，图23的工作流程形成了图24A-24C的工作流程的一部分；

图24A-24C示出了图18的SWPM-MDT工作流程的详细框图；

图25示出了用于综合情况的表示储集层属性的表格1；

图26示出了用于综合情况的表示液体属性的表格2；

图27示出了表示在两个MDT IPTT封隔器和探头数据上复原的实际值、干扰值和最终值的表格3；

图28示出了表示在两个IPTT封隔器压力上复原而不考虑探头和扩展的试井数据的实际值、干扰值和最终值的表格4；

图29示出了表示仅在所有IPTT封隔器、探头和扩展的试井数据上复原的实际值、干扰值、最终值的表格5；

图30示出了表示用于模拟压力对深度数据的储集层数据的表格6；

图31示出了表示仅在压力对深度数据上复原的实际值、干扰值和最终值的表格7；

图32示出了用于间隔压力瞬态测试的可能MDT^＊多探头和封隔器探头结构；

图33示出了用于一维模型的数据调节结果；完成了岩石类型(可能的仿真层)的自动识别以及层属性的分配；使用MDT采样数据可以获得和调整多相功能；

图34示出了单井预测模型工作流程；一旦该仿真模型给以动态数据(优化)，它可以用于比较不同的生产和/或完井情形；

图35示出了IPTT测试1的测井-测井图；离散点来自分析模型；连续线来自数字模型；

图36示出了IPTT测试2的测井-测井图；离散点来自分析模型；连续线来自数字模型；

图37示出了扩展试井的测井-测井图；离散点来自分析模型；连续线来自数字模型；

图38示出了IPTT测试1的在观测探头处的压力响应；离散点来自分析模型；连续线来自数字模型；

图39示出了用于同时分析的两个MDT-IPTT测试在封隔器处的压力匹配；

图40示出了IPTT测试1在探头处的压力匹配；所述两个MDT-IPTT测试被同时分析；

图41示出了IPTT测试2在探头处的压力匹配；所述两个MDT-IPTT测试被分析；

图42示出了用于两个IPTT测试在封隔器处的压力匹配，不考虑探头或扩展的试井数据；

图43示出了IPTT测试1在探头处的压力匹配，在分析中仅考虑在封隔器处的压力；

图44示出了IPTT测试2在探头处的压力匹配，在分析中仅考虑在封隔器处的压力；

图45示出了使用了由优化所获得的属性，用于两个MDT IPTT在封隔器处的压力匹配；使用在来自两个IPTT的封隔器和探头处的压力和在来自扩展的试井的压力来执行优化；

图46示出了使用了由优化所获得的属性，用于IPTT-1在探头处的压力匹配；使用在来自两个IPTT的封隔器和探头处的压力和在来自扩展的试井的压力来执行优化；

图47示出了使用了由优化所获得的属性，用于IPTT-2在探头处的压力匹配；使用在来自两个IPTT的封隔器和探头处的压力和在来自扩展的试井的压力来执行优化；

图48示出了使用了由优化所获得的属性，用于扩展的试井的压力匹配；使用在来自两个IPTT的封隔器和探头处的压力和在来自扩展的试井的压力来执行优化；以及

图49示出了使用原始的、干扰的和复原的模型属性的压力对深度匹配。

具体实施方式

基于单井预测模型(SWPM)软件的计算机系统，该计算机系统存储单井预测模型(SWPM)软件：(1)响应第一组用户对象自动地产生由第一多个软件模块组成的第一特定工作流程并且响应第一组输入数据自动地执行第一特定工作流程以产生第一想要的产品，以及(2)响应第二组用户对象自动地产生由第二多个软件模块组成的第二特定工作流程以及响应第二组输入数据自动地执行第二特定工作流程以产生第二想要的产品。结果，不再需要为了产生第一想要的产品而单独地并且独立地执行第一工作流程的第一多个软件模块，并且不再需要为了产生第二想要的产品而单独地并且独立地执行第二工作流程的第二多个软件模块。结果，节省了相当多的处理器执行时间并且此外，不再需要为了产生最终想要的产品而执行单独地并且独立地执行多个软件模块的上述费力工作。‘想要的产品’的一个例子是‘3D典型储集层模型’，比如图24中所示的‘3D典型储集层模型’112。

此外，基于单井预测模型(SWPM)软件的计算机系统(该计算机系统存储单井预测模型(SWPM)软件)将为非专业工程师提供工作流程，目的是直观地建立可以随后被用于预测生产性能的模型.SWPM软件包括四个模块：(1)用于引入‘输入数据’目的的数据输入模块，(2)用于生成‘特定工作流程’目的的模型创建模块，(3)用作‘数据调节器’的模型校准模块，以及(4)用作‘决策工具’的解决方案模块.这些模块由工作流程存储数据库支持，该数据库包括后台知识数据库和处理引导系统.根据‘执行类型’(例如，连续的或实时的)以及由用户提供的所选‘用户对象’(例如，完井优化、激励优化、数据估计、测试设计、井储备&恢复估计器等等)，用户将提供由表示所选解决方案工作流程的‘特定工作流程’所引导的‘输入数据’.数据输入(其提供‘输入数据’)将给用户提供选项，包括知识基础和常量属性值.当‘输入数据’由用户引入到数据输入模块时并且当‘用户对象’由用户提供时，在模型创建模块中将生成‘特定工作流程’，其中在主体井周围的储集层模型将被自动地建立.用户作为选项可以引导该储集层模型建立.基于输入数据的范围，储集层模型的可能实现将被建立并且提供给用户用于选择.SWPM软件将提供选择方法或可选地，用户可以选择保留所有实现.当‘特定工作流程’模型在该模型创建模块中生成时，‘数据调节器’将被提供，其中(由‘特定工作流程’所表示的)该模型对于被观测的瞬态和/或生产数据的确认将可用于该模型校准模块.当典型储集层流程模型已经就位(即，‘数据调节器’已经完成其功能)，该仿真器现在可以用于实现在该会话一开始所选择的原始对象.可选地，用户可以选择研究在解决方案模块也称作‘决策工具’中的其它优化情形.在解决方案模块中由‘决策工具’生成一组结果.在解决方案模块中由‘决策工具’生成的该组结果包括一系列预测，其基于由用户所提供的操作和/或完井情形.单井预测模型(SWPM)的‘实时’版本在钻井过程期间将能够建立特定间隔的连续预测模型.该间隔要么可以手工选择要么由地质/岩石物理(岩石-液体)属性触发.在钻井操作期间建立的预测模型将被保存并且易于得到用于比较分析.单井预测模型(SWPM)是一种综合的和直观的软件工具，其将使得用户能够为石油/汽井建立如下：(1)从测井和其它测试开始，确定在该井筒周围的储集层中的存储和传导性属性，(2)构建在井筒周围的3D储集层模型，以及(3)预报在各种完井和生产情形下的井性能(这三个活动的每一个可以在许多不同软件工具的帮助下手工地完成).当到达这个阶段时，该模型可以然后被用于可以导致有用决策的许多预报，比如(1)哪里去完井用于优化生产，(2)选择完井管道用于确保所计划的生产，(3)模动态测试器(MDT)和压力瞬态测试诠释，(4)生产和压力测试设计，以及(5)在钻井的同时估计井筒周围的储量(此列表可以被扩展).单井预测模型(SWPM)是交互式和特殊的引导系统，其将指引用户从‘数据端’到‘决策端’.在这个交互式过程中，SWPM将可以访问后台中的许多软件工具.单井预测模型(SWPM)软件包括：(1)数据调节器，(2)决策工具以及(3)工作流程管理.在数据调节器和决策工具以及工作流程管理之间的关系将在这个说明书的下面部分中讨论.

参照图1和2，图1中示出了工作站或其它计算机系统20。在图1中，工作站或其它计算机系统20包括连接到系统总线上的处理器20a、连接到系统总线上的记录器或显示设备20b、以及连接到系统总线上的程序存储设备20c，比如存储器20c。程序存储设备/存储器20c在其中存储了软件包，称作‘单井预测模型(SWPM)’软件20c1。系统总线将接收‘输入数据’22，比如井筒数据，并且该系统总线还将接收一组‘用户对象’24。‘用户对象’24将引起图18和24A-24C的SWPM-MDT工作流程80的生成，包括如下：(1)同时分析下面的‘动态数据’：‘多模动态测试器(MDT)间隔压力瞬态测试’数据(即，所记录的压力和速率数据)和‘常规的试井’数据(即，钻竿试井、试井以及扩展试井)以及‘地层测试器压力对深度曲线’数据，以及(2)通过获取在上面项(1)中阐述的对象来创建‘3D典型储集层模型’，该模型已经通过使用上面所引用的不同尺度的‘动态数据’被校准，并且通过使用可选的完井和生产情形来使用其它这样的‘动态数据’来进一步研究井的未来性能。在图2中，图1的记录器或显示设备20b将最终生成、产生或显示‘为每个用户对象产生的一个或多个产品’20b1。‘为每个用户对象产生的一个或多个产品’20b1是图24C的‘3D典型储集层模型’112。在操作中，参照图1和2，用户将输入下面的信息到图1的工作站/计算机系统20：‘输入数据’22和‘用户对象’24。当用户提供‘输入数据’22和所述组‘用户对象’24时，工作站/计算机系统20的处理器20a将执行‘单井预测模型’软件20c1(下文中，SWPM软件20c1)并且，当完成该执行时，图1和2的记录器或显示设备20b将生成、产生或显示‘为每个用户对象产生的产品’20b1。即，图2的唯一‘产品’20b1将由对应每个‘用户对象’24的记录器或显示设备20b所生成。图1的工作站或计算机系统20可以是个人计算机(PC)、工作站、或主机。可能工作站的例子包括Silicon Graphics Indigo 2工作站或SunSPARC工作站或Sun ULTRA工作站或Sun BLADE工作站。程序存储设备20c/存储器20c是一种计算机可读介质或可由机器比如处理器20a读取的程序存储设备。处理器20a例如可以是微处理器、微控制器或主机或工作站处理器。存储SWPM软件20c1的存储器20c可以例如为硬盘、ROM、CD-ROM、DRAM或其它的RAM、闪存储器、磁存储器、光存储器、寄存器、或其它易失性和/或非易失性存储器。

参照图3，示出了模型建立和其最终用途或目的的简单例子，其由存储在图1的基于软件的计算机系统20中的SWPM软件20c1所使用.在图3中，计算机模型建立和其用途的简单例子包括多个步骤.在称作‘变量/可选数据’26的第一步骤26中，必须首先决定‘你想估计什么’的步骤26a.例如，你想估计什么储集层油田？接着，在步骤26b中，开始‘数据输入’阶段26b，数据通过‘数据输入’步骤26b输入(到图1的计算机系统)，该数据对应于在步骤26a中决定将要估计的实体.在称作‘地质不确定性’的第二步骤28中，当‘数据输入’步骤26b完成时，必须首先在步骤28a中‘建立模型’.在步骤28a中，必须先构建你的计算机模型，并且在步骤28b‘储集层模型的验证’中，必须验证你的计算机模型以确保它将产生精确的结果.一旦完成步骤28a和28b，‘所验证的模型’已经被构建和测试.下面的步骤28c和28d包括实时使用你的‘所验证的模型’，并且实时使用你的‘所验证的模型’将包括下面的活动：在各种完井或生产或可操作替换上进行迭代.

参照图4，示出了基于SWPM软件的计算机系统20的构建和功能操作的一个方面的简单例子，该计算机系统存储了图1的SWPM软件20c1。在图4中，图1的单井预测模型软件20c1包括四个基本步骤：(1)欢迎站点30，(2)数据输入步骤32，(3)单井预测模型构建和执行步骤34，以及(4)解决方案步骤36，涉及所生成的‘解决方案’的表达。在图4的欢迎站点步骤30中，用户必须决定‘你希望研究什么？’。SWPM软件20c1是一种动态井工具箱，将使得用户能够执行：测试设计、完井优化、以及激励优化。SWPM 20c1是具有多用途敏感性的增量数据估计器并且它可以是‘钻井时’的生产率/储量估计器。在图4的数据输入步骤32中，在欢迎站点步骤30期间当用户决定研究‘特定实体’(比如储集层油田)时，对应那个‘特定实体’比如‘井数据’32a和‘储集层数据’32b，多个‘输入数据’被输入到图1的计算机系统20，由此创建和存储‘补充知识数据库’32c。当‘补充知识数据库’32c在数据输入步骤32期间响应于由用户提供的一组‘输入数据’(包括上面所提到的‘井数据’32a和‘储集层数据’32b)被创建时，下面的步骤34包括‘模型建立’和使用最新建立的模型来执行‘多域综合执行’34b。在图4的单井预测模型(SWPM)构建步骤34(也称作‘模型构建和执行’步骤34)中，构建了‘预测模型’34a。当‘预测模型’34a被构建时，步骤32的‘输入数据’(即，‘井数据’32a和‘储集层数据’32b以及存储在‘补充知识数据库’32c中的其它数据)被用于在‘多域综合执行’步骤34b期间‘询问’‘预测模型’34a。即，存储在步骤32的‘补充知识数据库’32c中的‘井数据’32a和‘储集层数据’32b被用于‘询问’‘预测模型’34a以产生一组结果，其中该组结果可以包括：‘岩石物理属性判定’34c或‘静态构架和属性分布’34d或‘到流量和平衡的转化’34e，或‘动态数据验证’34f。‘预测模型’34a的‘询问’结果(包括在步骤34c、34d、34e、和34f期间生成的结果)在下面的‘解决方案’步骤36期间将呈现给用户。在SWPM‘解决方案’步骤36中，‘预测模型’34a在‘模型构建和执行’步骤34期间执行的‘询问’结果在这个‘解决方案’步骤36期间被呈现给用户。在这个步骤36期间呈现的可能‘解决方案’可以包括测试设计、完井、激励、数据估计、敏感性、钻井时的生产率/储量估计器等等。然而，稍后在这个说明书中，将展示‘预测模型’34a将响应一组‘用户对象’首先被构建并且，当‘预测模型’34a被构建时，存储在步骤32的‘补充知识数据库’32c中的‘井数据’32a和‘储集层数据’32b将然后被用于‘询问’最新构建的‘预测模型’34a以产生该组结果。图1和4的‘单井预测模型(SWPM)’软件20c1的更详细构建将在本说明书的下面段落中参照图5至17加以阐述。

参照图5，示出了图1和4的SWPM软件20c1的详细构建，该软件被存储在图1的基于SWPM软件的计算机系统20中.在图5中，单井预测模型(SWPM)软件20c1包括工作流程存储器40，适合于存储多个不同的工作流程(其中术语‘工作流程’将在下面定义)并且适合于生成‘响应用户对象和输入数据所选择的特定工作流程’42.SWPM软件20c1还包括工作流程管44，适合于接收来自步骤42的‘特定工作流程’并且响应来自步骤42的那个‘特定工作流程’，响应于和根据那个‘特定工作流程’(将在下面段落中更详细地加以讨论)从数据调节器和决策工具选择多个不同的软件模块.SWPM软件20c1还包括数据调节器46，其适合于在其中存储多个软件模块，包括在图5中所示出的仅用于讨论目的的下面9个软件模块，因为在数据调节器46中可以存储多个软件模块：软件模块1、软件模块2、软件模块3、软件模块4、软件模块5、软件模块6、软件模块7、软件模块8、软件模块9.存储在数据调节器46中并且由工作流程管理44所选择的软件模块将‘调整’(例如，校准)‘输入数据’22.当‘输入数据’22被适当地‘调整’时，存储在数据调节器46中的所选择的软件模块将生成一定的特定‘数据调节器产品’48.SWPM软件20c1还包括决策工具50，其适合于接收‘数据调节器产品’48并且在其中存储另外多个软件模块，包括在图5中示出的仅用于讨论目的的下面9个软件模块，因为在决策工具50中可以存储多个软件模块：软件模块10、软件模块11、软件模块12、软件模块13、软件模块14、软件模块15、软件模块16、软件模块17、软件模块18.决策工具50将最终生成‘用于每个对象的决策工具产品’20b1，其表示图2的‘为每个用户对象所产生的产品’20b1.图5的SWPM软件20c1的功能操作的完整描述将在本说明书的后面部分中参照图12至17加以阐述.然而，参考图6至11的本说明书的后面段落将提供关于图5的SWPM软件20c1的结构和功能的另外细节.

参照图6，7，8，9和9A，回想图1，4和5的SWPM软件20c1包括数据调节器46、决策工具50、以及工作流程管理44，图6示出了数据调节器46、决策工具50、以及工作流程管理44之间的关系，图6示出了数据调节器46和决策工具50如何被连接。在图6中，决策工具50包括静态模型建立器和诠释、预测和分析工具。图7示出了来自各种源(比如测井、影像测井、模动态测试器(MDT)测量、岩心、以及生产测井)的多域数据将如何被处理以创建‘所校准的相容的1D岩石物理静态模型’。在图7中，如果我们更详细地看关键部分，数据调节器46将提供在井筒处测量的1D(一维)储集层属性。在SWPM执行一开始时，在数据调节器46中所有数据将被结合并且诠释。示意性地，在图7中示出了数据调节器46。在图8中，在图8中示出了数据调节器46的1D产品输出。图8示出了由数据调节器46所生成的一‘组结果’将如何被显示。图9示出了数据调节器46和决策工具50如何被连接，图9代表了图6的详细版本。详细地，图9示出了用来生成来自决策工具50的产品‘决策--报告’所采取的步骤。在图9中，在图8中所示出的数据调节器46的1D产品输出将开始决策工具50的执行。在图9中示出了决策工具50中的步骤，开始于图8的数据调节器46的1D产品输出。

SWPM软件20c1的第三个模块是工作流程管理44。工作流程管理44将引导用户从该会话的开始到结束。一旦用户从工作流程管理44所提供的列表中选择了‘用户对象’，则工作流程管理44将然后从数据库中调用‘适当的工作流程’，并且SWPM软件20c1的执行将跟着那个‘适当的工作流程’。‘适当的工作流程’将以正确的并且最佳的顺序调用多个应用软件。从一个应用软件到另一个的输入/输出协议将也由工作流程管理44来安排。图9A示出了多个‘软件模块’如何以特定的顺序或安排被组织或结合在一起由此创建单井预测模型(SWPM)。图9A基本上示出了台后的‘软件模块’。SWPM当执行时将以‘特定的顺序’使用‘软件模块’。该‘特定的顺序’由决策工具来建立。在图9A中，从软件结构的观点看，示出了SWPM软件20c1的结构的简化图。在图9A中，‘基本仿真环境’包括‘案例/数据树(case/data tree)’、‘运行管理器’、‘数据管理器’、以及‘结果观察器’，其可以在1999年3月16提交的序列号为09/270,128标题为“Simulation System including a Simulator and aCase Manager adapted for Organizing Data Files for the Simulator ina Tree-Like Structure”’的美国专利申请中找到，其公开内容作为参考被结合到本申请的说明书中.在图9A中，‘SWPM’是该说明书中公开的‘单井预测模型’软件20c1.

参照图10和11，示出了SWPM软件20c1的更详细结构构建和功能操作，该软件存储在图1和图5的基于SWPM软件的计算机系统20中。在图10中，SWPM软件20c1包括由一个用户引入一组用户对象24。

在图10和11中，当用户对象24被输入到图1的SWPM计算机系统20中时，用户将通过‘基于规则的项目执行引导系统-交互式的/自动的’52交互式地监控SWPM软件20c1的执行进程。当用户通过‘基于规则的项目执行引导系统’52交互式地监控SWPM软件20c1的执行进程时，用户总是停留在那个层上，因为用户由该系统所引导，如同图11的步骤53所示。生成所估计的结果55，如图10和11的步骤55所示。结果55被报告，并且该会话结束，如图11中的步骤57所示的。

在图10和11中，除了所述组用户对象24之外，用户还在图10中将提供由‘井数据’步骤22所表示的‘输入数据’.响应于用户对象24和‘井数据’22，‘所选择的工作流程’42将选自存储在‘客户工作流程存储器’40中的多个工作流程，‘所选择的工作流程’42代表‘客户工作流程’54.‘客户工作流程’54将执行‘第一多个所选的软件模块’，其在数据调节器46中沿着第一路径56存在由此生成数据调节器产品(每深度)48，并且‘客户工作流程’54将还执行‘第二多个所选的软件模块’，其沿着第二路径58存在.数据调节器产品48每单位深度包括孔隙度、渗透性、相对渗透性、岩石类型、岩性、分层、PVT、Pi、WOC、GOC等等.在图10中，数据调节器46包括：(1)方法46a，(2)软件模块46b，以及(3)数据和输入/输出46c.决策工具50还包括：(1)方法50a，(2)软件模块50b，以及(3)数据和输入/输出50c.响应于由用户提供的‘用户对象’24和也由该用户提供的‘井数据’，并且当沿着第一路径56的‘第一多个软件模块’由图1的处理器20a执行时，沿着第二路径58的‘第二多个软件模块’将然后由图1的处理器20a执行.当沿着第二路径58的‘第二多个软件模块’被执行时，生成‘决策工具产品’20b1，其对应由用户选择和提供的‘用户对象’24.在图11中，上面参照图10所讨论的SWPM软件20c1的上述功能操作再次在图11中示出(由此以‘井数据’22形式的‘用户对象’24和‘输入数据’由用户提供并且响应其，从工作流程存储器40生成相应的‘客户工作流程’54，‘客户工作流程’54在数据调节器46和决策工具50中沿着两个路径56和58来执行由此生成‘决策工具产品’20b1).在图11中，下面将讨论与图1的基于SWPM软件的计算机系统20的功能操作相关的多个‘步骤’，其当SWPM软件20c1被执行时出现.在图11中，与‘用户对象’24有关的步骤60表示用户必须先引入对应‘请求’的信息，其中术语‘请求’指‘项目的对象’或‘用户对象’24.步骤62表示‘井数据’22形式的‘输入数据’必须然后被引入到图1的基于SWPM软件的计算机系统20中.步骤64表示响应于所述‘请求’或‘用户对象’24和由用户提供的并且被输入到图1的基于SWPM软件的计算机系统20中的‘输入数据’或‘井数据’22，从‘工作流程存储器’42自动地选择适当的‘工作流程’.步骤66表示那个‘进程’将沿着‘所选的工作流程’的路径；即，根据‘所选的工作流程’，‘第一多个软件模块’将选自数据调节器46并且‘第二多个软件模块’将选自决策工具50，‘第一多个软件模块’和‘第二多个软件模块’由图1的基于SWPM软件的计算机系统20的处理器20a依次执行.步骤68表示当数据调节器46的‘第一多个软件模块’由图1的处理器20a执行时，一维(1D)井模型属性在数据调节器46‘多维解决方案系统’中估计.步骤70表示当数据调节器46的‘第一多个软件模块’由图1的处理器20a执行时，并且当所得到的一维(1D)井模型属性在数据调节器46‘多维解决方案系统’中响应于数据调节器46的‘第一多个软件模块’的执行的完成被估计时，由数据调节器46产生的一‘组结果’被收集到数据调节器产品48中，所述‘组结果’准备用于与‘储集层建模’结合.步骤72表示，响应于在数据调节器产品48中收集的所述‘组结果’，在决策工具50中‘第二多个软件模块’(其根据‘所选的工作流程’42选自决策工具50中的除了别的以外的软件模块)将根据所建立的‘用户对象’24由图1的处理器20a依次执行，并且结果，在一维(1D)数据和其它动态数据的决策工具50中的处理现在将开始.步骤74表示当一维(1D)数据和其它动态数据的决策工具50中的处理完成时，由决策工具50生成的‘第二组结果’被收集，‘第二组结果’准备用于表达油田人员做出的一个或多个建议的最终目的.

参照图12至17，图1的基于单井预测模型(SWPM)软件的计算机系统20的操作的功能描述将在下面的段落中参照图12至17进行阐述，其中所述软件包括计算机系统20中存储的图1和5的单井预测模型(SWPM)软件20c1。

在图12至17中，示出了图1和5的单井预测模型(SWPM)软件20c1。图1中所示的基于单井预测模型(SWPM)软件的计算机系统20，其存储了单井预测模型(SWPM)软件20c1：(1)响应于第一组用户对象自动地产生由第一多个软件模块组成的第一特定工作流程，并且响应第一组输入数据自动地执行第一特定工作流程以产生第一想要的产品，并且(2)响应于第二组用户对象自动地产生由第二多个软件模块组成的第二特定工作流程，并且响应第二组输入数据自动地执行第二特定工作流程以产生第二想要的产品。结果，不再需要为了产生第一想要的产品单独地并且独立地执行第一工作流程的第一多个软件模块，并且不再需要为了产生第二想要的产品单独地并且独立地执行第二工作流程的第二多个软件模块。结果，将节省相当多的处理器执行时间并且此外将不再需要为了产生最终想要的产品而执行单独地并且独立地执行多个软件模块的上述费力工作。

在图12-17中，回想图1，5和12-17的单井预测模型(SWPM)软件20c1包括生成数据调节器产品48的数据调节器46、决策工具50、以及可操作地连接到数据调节器46和决策工具50上的工作流程管理44，下面将讨论其功能。

在图12中，假设用户将下面的信息作为输入数据引入到图1的基于单井预测模型(SWPM)软件的计算机系统20中：(1)第一组用户对象(即，用户对象1)24a，以及(2)第一组输入数据(即，输入数据1)22a.第一组输入数据22a被输入到工作流程管理44.第一组用户对象24a被输入到工作流程存储器40，并且响应其，对应第一组用户对象24a的第一特定工作流程(特定工作流程1)42a从工作流程存储器40中生成，第一特定工作流程42a被输入到工作流程管理44.回想数据调节器46包括‘第一多个软件模块’46a，该软件模块包括下面的软件模块：软件模块1、软件模块2、软件模块3、软件模块4、软件模块5、软件模块6、软件模块7、软件模块8、软件模块9.回想决策工具50包括‘第二多个软件模块’50a，该软件模块包括下列软件模块：软件模块10、软件模块11、软件模块12、软件模块13、软件模块14、软件模块15、软件模块16、软件模块17、软件模块18.响应于第一特定工作流程42a，工作流程管44将选择包含在数据调节器46中的‘特定选择的第一多个软件模块’7，4，5，2和3.在图12中，‘特定选择的第一多个软件模块’7，4，5，2和3包含下面的软件模块：软件模块7、软件模块4、软件模块5、软件模块2和软件模块3.然后，响应于第一特定工作流程42a，工作流程管44将还选择包含在决策工具50中的‘特定选择的第二多个软件模块’16，13，14，11和12.‘特定选择的第二多个软件模块’16，13，14，11和12包含下面的软件模块：软件模块16、软件模块13、软件模块14、软件模块11和软件模块12.包含在数据调节器46中的‘特定选择的第一多个软件模块’7，4，5，2和3响应于‘输入数据1’22a将先由图1的计算机系统20的处理器20a来执行，由此生成数据调节器产品48.数据调节器产品48将包括和因此生成一组‘受调节的数据’48a(例如，被校准的数据).然后，响应于‘受调节的数据’48a，包含在决策工具50中的‘特定选择的第二多个软件模块’16，13，14，11和12然后将由图1的计算机系统20的处理器20a执行(同时使用受调节的数据48a)，由此生成‘用户对象1的决策工具产品’20b1A.

在图13中，示出了图12的‘特定工作流程1’42a，包括由工作流程管理44从数据调节器46和决策工具50选择的并且由图1的计算机系统20的处理器20a执行的‘特定选择的第一多个软件模块’7，4，5，2和3以及‘特定选择的第二多个软件模块’16，13，14，11和12。在图13中，响应于‘输入数据1’22a，‘特定选择的第一多个软件模块’7，4，5，2和3由处理器20a次序执行；然后，响应于‘受调节的数据’48a，‘特定选择的第二多个软件模块’16，13，14，11和12被次序执行，由此生成‘用户对象1的决策工具产品’20b1A。

在图12-13中，用户引入第一用户对象(用户对象1)和第一组输入数据(输入数据1)用于最终生成‘用户对象1的决策工具产品’20b1A的目的。在下面的段落中，假设用户引入第二用户对象(用户对象2)和第二组输入数据(输入数据2)用于最终生成‘用户对象2的决策工具产品’20b1B的目的。

在图14中，假设用户将下面的信息作为输入数据引入到图1的基于单井预测模型(SWPM)软件的计算机系统20中：(1)第二组用户对象(即，用户对象2)24b，以及(2)第二组输入数据(即，输入数据2)22b.第二组输入数据22b被输入到工作流程管理44.第二组用户对象24b被输入到工作流程存储器40，并且响应其，对应第二组用户对象24b的第二特定工作流程(特定工作流程2)42b从工作流程存储器40中生成，第二特定工作流程42b被输入到工作流程管理44.回想数据调节器46包括‘第一多个软件模块’46a，该软件模块包括下面的软件模块：软件模块1、软件模块2、软件模块3、软件模块4、软件模块5、软件模块6、软件模块7、软件模块8、软件模块9.回想决策工具50包括‘第二多个软件模块’50a，该软件模块包括下列软件模块：软件模块10、软件模块11、软件模块12、软件模块13、软件模块14、软件模块15、软件模块16、软件模块17、软件模块18.响应于第二特定工作流程42b，工作流程管理44将选择包含在数据调节器46中的‘特定选择的第一多个软件模块’7，8，9，6和3.在图14中，‘特定选择的第一多个软件模块’7，8，9，6和3包含下面的软件模块：软件模块7、软件模块8、软件模块9、软件模块6和软件模块3.然后，响应于第二特定工作流程42b，工作流程管理44将还选择包含在决策工具50中的‘特定选择的第二多个软件模块’17，14，11，12和15.‘特定选择的第二多个软件模块’17，14，11，12和15包含下面的软件模块：软件模块17、软件模块14、软件模块11、软件模块12和软件模块15.包含在数据调节器46中的‘特定选择的第一多个软件模块’7，8，9，6和3响应于‘输入数据2’22b将由图1的计算机系统20的处理器20a来次序执行，由此生成数据调节器产品48.数据调节器产品48将包括和因此生成一组‘受调节的数据’48b(例如，被校准的数据).然后，响应于‘受调节的数据’48b，包含在决策工具50中的‘特定选择的第二多个软件模块’17，14，11，12和15然后将由图1的计算机系统20的处理器20a次序执行(同时使用受调节的数据48b)，由此生成‘用户对象2的决策工具产品’20b1B.

在图15中，示出了图14的‘特定工作流程2’42b，包括由工作流程管理44从数据调节器46和决策工具50选择的并且由图1的计算机系统20的处理器20a执行的‘特定选择的第一多个软件模块’7，8，9，6和3以及‘特定选择的第二多个软件模块’17，14，11，12和15。在图15中，响应于‘输入数据2’22b，‘特定选择的第一多个软件模块’7，8，9，6和3由处理器20a次序执行；然后，响应于‘受调节的数据’48b，‘特定选择的第二组软件模块’17，14，11，12和15被次序执行，由此生成‘用户对象2的决策工具产品’20b1B。

在图14-15中，用户引入第二用户对象(用户对象2)和第二组输入数据(输入数据2)用于最终生成‘用户对象2的决策工具产品’20b1B的目的。在下面的段落中，假设用户引入第三用户对象(用户对象3)和第三组输入数据(输入数据3)用于最终生成‘用户对象3的决策工具产品’20b1C的目的。

在图16中，假设用户将下面的信息作为输入数据引入到图1的基于单井预测模型(SWPM)软件的计算机系统20中：(1)第三组用户对象(即，用户对象3)24c，以及(2)第三组输入数据(即，输入数据3)22c。第三组输入数据22c被输入到工作流程管理44。第三组用户对象24c被输入到工作流程存储器40，并且响应其，对应第三组用户对象24c的第三特定工作流程(特定工作流程3)42c从工作流程存储器40中生成，第三特定工作流程42c被输入到工作流程管理44。回想数据调节器46包括‘第一多个软件模块’46a，该软件模块包括下面的软件模块：软件模块1、软件模块2、软件模块3、软件模块4、软件模块5、软件模块6、软件模块7、软件模块8、软件模块9。回想决策工具50包括‘第二多个软件模块’50a，其包括下列软件模块：软件模块10、软件模块11、软件模块12、软件模块13、软件模块14、软件模块15、软件模块16、软件模块17、软件模块18。响应于第三特定工作流程42c，工作流程管理44将选择包含在数据调节器46中的‘特定选择的第一多个软件模块’7，4，1，2和3。在图16中，‘特定选择的第一多个软件模块’7，4，1，2和3包含下面的软件模块：软件模块7、软件模块4、软件模块1、软件模块2和软件模块3。然后，响应于第三特定工作流程42c，工作流程管理44将还选择包含在决策工具50中的‘特定选择的第二多个软件模块’18，17，14，15和12。‘特定选择的第二多个软件模块’18，17，14，15和12包含下面的软件模块：软件模块18、软件模块17、软件模块14、软件模块15和软件模块12。包含在数据调节器46中的‘特定选择的第一多个软件模块’7，4，1，2和3响应于‘输入数据3’22c将由图1的计算机系统20的处理器20a来次序执行，由此生成数据调节器产品48。数据调节器产品48将包括和因此生成一组‘受调节的数据’48c(例如，被校准的数据)。然后，响应于‘受调节的数据’48c，包含在决策工具50中的‘特定选择的第二多个软件模块’18，17，14，15和12然后将由图1的计算机系统20的处理器20a次序执行(同时使用受调节的数据48c)，由此生成‘用户对象3的决策工具产品’20b1C。

在图17中，示出了图16的‘特定工作流程3’42c，包括由工作流程管理44从数据调节器46和决策工具50选择的并且由图1的计算机系统20的处理器20a执行的‘特定选择的第一多个软件模块’7，4，1，2和3以及‘特定选择的第二多个软件模块’18，17，14，15和12.在图17中，响应于‘输入数据3’22c，‘特定选择的第一多个软件模块’7，4，1，2和3由处理器20a次序执行；然后，响应于‘受调节的数据’48c，‘特定选择的第二多个软件模块’18，17，14，15和12被次序执行，由此生成‘用户对象3的决策工具产品’20b1C.

单井预测模型(SWPM)/模动态测试器(MDT)工作流程

参照图18，示出了‘单井预测模型(SWPM)/模动态测试器(MDT)工作流程’的基本结构。下文中，术语‘单井预测模型(SWPM)/模动态测试器(MDT)工作流程’将缩写为术语‘SWPM-MDT工作流程’。

图13，15和17示出了工作流程的例子，比如图13的‘工作流程1’、图15的‘工作流程2’和图17的‘工作流程3’。然而，图18和24，一起支持图19-23，示出了特定‘工作流程’的一个特定例子，其可以容易地成为分别在图13、15和17中示出的工作流程(‘工作流程1’或‘工作流程2’或‘工作流程3’)之一。特别地，在图18和24中，示出了被称作‘单井预测模型(SWPM)/模动态测试器(MDT)工作流程’80(缩写为‘SWPM-MDT工作流程’80)的‘工作流程’。图24的SWPM-MDT  作流程80是图18的SWPM-MDT工作流程80的更详细结构。

开始参照图18，示出了‘单井预测模型(SWPM)/模动态测试器(MDT)工作流程’80(SWPM-MDT工作流程80)的基本结构。在图18中，SWPM-MDT工作流程80包括‘其它数据’步骤80a。在图19中，‘其它数据’步骤80a包括岩石物理数据和地质数据。下面将参照图20详细讨论岩石物理数据和地质数据，其包括图19的‘其它数据’步骤80a中的‘其它数据’。在图18中，SWPM-MDT工作流程80还包括‘建立模型’步骤80b。‘建立模型’步骤80b下面参照图21更详细地加以描述。在图18中，SWPM-MDT工作流程80还包括‘调整模型’步骤80c。‘调整模型’步骤80c下面将参照图22详细讨论。‘调整模型’步骤80c响应于在块86、94和90中阐述的数据，其中在块86中的数据包括‘多模动态测试器(MDT)瞬态测试数据’，并且在块94中的数据包括‘试井数据’，也称作‘生产压力测试’数据，并且在块90中的数据包括‘压力梯度数据’，也称作‘预测试调查’。模动态测试器(MDT)是一种由Houston Texas的Schlumberger技术公司拥有和操作的工具。在图18中，SWPM-MDT工作流程80还包括‘预测储集层响应’步骤80d。‘预测储集层响应’步骤80d将在下面参照图23更详细地加以讨论。

在图18中，现在将讨论图18的SWPM-MDT工作流程80的操作。在操作中，参照图18，‘其它数据’80a(以及，具体地，在图19中阐述的岩石物理数据和地质数据)被用于图18的‘建立模型’步骤80b中。在‘建立模型’步骤80b中，通过使用图19的岩石物理数据和地质数据建立或构建‘仿真器模型’。‘仿真器模型’被设计用来响应于‘最近测量或观测的数据’预测来自‘新油或气体储集层’的‘响应’，‘最近测量或观测的数据’是最近从已经放置在‘新油或气体储集层’中的各种位置上的测量设备所生成的数据。由‘仿真器模型’所预测的‘响应’包括被预测产自‘新油或气体储集层’的任何油和/或气体。在‘调整模型’步骤80c中，当‘仿真器模型’在‘建立模型’步骤80b中被建立或构建时，‘仿真器模型’必须被‘调整’或校准，即‘仿真器模型’必须被测试保证它是‘正确工作’。如果‘已知的油或气体储集层’已经具有对应‘已知响应’的‘已知测量或观测的数据’，则当‘已知测量或观测的数据’询问‘仿真器模型’时该‘仿真器模型’‘正确地工作’并且响应其，‘特定响应’从‘仿真器模型’生成，其中从‘仿真器模型’生成的‘特定响应’基本上与来自‘已知油或气体储集层’的‘已知响应’相同。在图18中，‘已知测量或观测的数据’包括MDT瞬态测试数据86、试井数据94、以及压力梯度数据90。

具体地，在图18中，‘已知储集层’包括一组‘已知测量或观测的数据’(其在从‘已知储集层’获得的测量期间获得)以及‘已知响应’(响应于‘已知测量或观测的数据’其由‘已知储集层’生成)。‘已知测量或观测的数据’包括图18的步骤86的‘多模动态测试器(MDT)瞬态测试’数据，和/或图18的步骤94的‘试井数据’或‘生产压力测试’和/或图18的步骤90的‘压力梯度’或‘预测试调查’数据。术语‘已知响应’可以包括从储集层生成油和/或气体。在‘调整模型’步骤80c期间，‘已知被测量或观测的数据’(即，图18中的MDT数据86、试井数据94、以及压力梯度数据90)被输入到在‘建立模型’步骤80b期间构建的‘仿真器模型’，并且‘特定响应’由‘仿真器模型’生成。响应于‘已知测量或观测的数据’从‘仿真器模型’生成的那个‘特定响应’，被与上面提及的由‘已知储集层’生成的‘已知响应’相比较。如果‘特定响应’基本上不同于‘已知响应’，那么‘仿真器模型’必须被‘调整’或校准。为了调整或校准‘仿真器模型’，模型的‘各种参数’必须被更改或改变，作为例子包括与‘仿真器模型’有关的‘水平渗透性(Kh)’和/或‘垂直渗透性(Kv)’。当模型的‘各种参数’已经被改变时，‘已知测量或观测的数据’被重新输入到在‘建立模型’步骤80b期间构建的‘仿真器模型’，并且‘第二特定响应’由‘仿真器模型’生成。那个‘第二特定响应’(当模型的‘各种参数’已经被改变时响应于‘已知测量或观测的数据’从‘仿真器模型’生成的)，被与上面提及的‘已知储集层’的‘已知响应’相比较。如果‘第二特定响应’基本上不同于‘已知响应’，那么‘仿真器模型’必须被再次‘重新调整’或重新校准。为了重新调整或重新校准‘仿真器模型’，模型的‘各种参数’〔例如，水平渗透性(Kh)和/或垂直渗透性(Kv)〕必须被重新更改或重新改变，并且然后‘已知测量或观测的数据’被再次重新输入到在‘建立模型’步骤80b期间构建的‘仿真器模型’，并且‘第三特定响应’由‘仿真器模型’生成。该过程重复直到‘第三或随后的特定响应’基本上与‘已知响应’相同。如果‘特定响应’基本上与‘已知响应’相同，那么‘仿真器模型’被‘调整’(即，，‘仿真器模型’已经被‘历史匹配’并且因此‘正确工作’)。在这点上，我们继续下面的与SWPM-MDT工作流程80有关的步骤，其是‘预测储集层响应’步骤80d。在‘预测储集层响应’步骤80d中，既然‘仿真器模型’已经被‘调整’和校准(指的是来自‘仿真器模型’的响应‘已知测量或观测的数据’的‘特定响应’基本上与‘已知储集层’的‘已知响应’相同)，响应于新储集层的相应‘最新测量或观测的数据’‘仿真器模型’可以现在用于预测来自‘新油或气体储集层’的‘新响应’(并且回想‘最新测量或观测的数据’代表最近已经由放置在‘新油或气体储集层’中的各种位置上的测量设备所生成的数据)。因为‘已知测量或观测的数据’包括图18(和图24)的MDT瞬态测试数据86(即，多地层测试器瞬态)、试井数据94、以及压力梯度数据90，新储集层的相应‘最新测量或观测的数据’可以还包括图18的MDT瞬态测试数据86(即，多地层测试器瞬态)、试井数据94、以及压力梯度数据90。结果，图18和24的SWPM-MDT工作流程80将使用综合的井模型来执行多地层测试器瞬态和试井的同时分析。

在讨论‘支持图20、21、22和23’之前，我们将先引入图24A-24C，其表示图18的SWPM-MDT工作流程的更详细结构。当引入图24A-24C时，‘支持图20、21、22和23’将被讨论以便定义图24A-24C的块，其表示图18的‘其它数据’步骤80a、‘建立模型’步骤80b、‘调整模型’步骤80c、以及‘预测储集层响应’步骤80d。然后将讨论图24A-24C的完整功能描述。

参照图24A-24C，示出了图18的SWPM-MDT工作流程80的详细结构。在图24A中，开始于‘开始模型’步骤82，我们通过‘选择REW MDT工作流程’步骤84开始。图24A的‘选择MDT工作流程’步骤84向后指图10，其中在‘用户对象’步骤24中，用户将输入用户对象，其将引起从存储在‘客户工作流程存储器’步骤40中的多个工作流程中选择工作流程，并且结果，所选择的工作流程将在图10的‘所选择的工作流程’步骤42期间生成。作为图24A中的‘选择工作流程’步骤84的结果，如图24A-24C所示的SWPM-MDT工作流程80的步骤将准备用于由图1中所示的处理器20a执行。在图24中，用于在‘建立模型’步骤80b期间建立该模型的‘其它数据’80a将包括图24A中的下面块或步骤：‘调用岩石物理GEO数据’80a1、‘调用试井数据80a2’、‘调用其它数据’80a3、‘液体类型’80a4、‘执行PVT准备’80a5、‘执行数据调节器’80a6、‘沉积信息’80a7、以及‘研究范围’80a8。用于(在‘建立模型’步骤80b期间)建立该模型的另外数据包括图24A中的下列块：‘调用所有试井1，...，n的MDT IPTT数据&配置’86、‘构建速率’88、以及‘调用液体触点、测试日期、预测试调查、泥浆类型’90。从图24A中的‘调用其它数据’80a3步骤，实现了图24A中的下面另外步骤：‘规定控制井或OBC(具有速率&时间数据)’92、‘生产压力测试’94、‘可用的管道大小’96、以及‘可操作的经济数据’98。使用‘其它数据’80a来建立或构建‘仿真器模型’的图18的‘建立模型’步骤80b包括图24A-24B中的下面块或步骤：‘具有测试显示的1D储集层岩石物理模型’步骤80b1、‘执行属性分配’步骤80b2、以及‘具有测试显示的3D储集层岩石物理模型’80b3。将调整或校准在‘建立模型’步骤80b期间建立的‘仿真器模型’的‘调整模型’步骤80c，包括图24B中的下面步骤：‘SIMOPT-同时解出所有IPTT的kv&kh+压力调查’步骤80c1。在图24B-24C中，下面的另外步骤将支持图24B中的‘建立模型’SIMOPT步骤80c1：‘执行转换分析编辑&分析所有IPTT’步骤100、‘初始化3D流程模型’步骤102、‘分层OK’步骤104、‘选择数据用于匹配’步骤106、‘执行放大(upscaling)’步骤108、以及‘模型OK？’步骤110。在执行‘执行转换分析编辑&分析所有IPTT’步骤100之后，用于每个测试的ASCII瞬态数据将通过下列步骤生成：‘输出每个测试的ASCII瞬态数据用于进一步的分析’步骤126。在‘仿真器模型’在‘调整模型’步骤80c期间已经被‘调整’或校准之后，最终调整的和校准的‘仿真器模型’在图24C中的下列步骤期间生成：图24C中的‘3D典型储集层模型’步骤112。既然最终调整的和校准的‘仿真器模型’已经在图24C的步骤24中生成(‘3D典型储集层模型’)，储集层响应预报现在可以在图18的‘预测储集层响应’步骤80d期间生成。在图24C中，下面的块或步骤表示图18的‘预测储集层响应’步骤80d：‘执行每个间隔的流量预测’步骤80d1、‘每个被测试的间隔的生产预报’步骤80d2、‘每个被测试的间隔的NPV预报’步骤80d3、‘排列间隔’步骤80d4、以及‘适当储存油/气体/Wtr已调整的属性分配’步骤80d5。在图24C中，图24的下列附加块或步骤将支持‘预测储集层响应’步骤80d1-80d5：‘判定完井间隔’步骤114、‘设定间隔深度’步骤116、‘流入井’步骤118、以及‘创建VFP表格用于选择THP’步骤120。当完成图18中的‘预测储集层响应’步骤80d(即图24中的步骤80d1-80d4)时，生成与‘新油或气体储集层’相关的‘储集层响应’；并且通过图24C的下列块或步骤示出了那个‘储集层响应’：‘具有被建议的完井间隔的3D典型储集层模型’122。除了由‘具有被建议的完井间隔的3D典型储集层模型’122表示的‘储集层响应’之外，将生成下列的‘报告’：‘报告最佳NVP间隔’步骤124。

现在参照图20、21、22和23。图20-23清楚地定义了图24的步骤，其表示图18的‘其它数据’步骤80a、‘建立模型’步骤80b、‘调整模型’步骤80c、以及‘预测储集层响应’步骤80d。

在图20中，包括图18的‘其它数据’步骤80a的图24A-24C的步骤包括‘调用岩石物理GEO数据’步骤80a1、‘调用测试数据’步骤80a2、‘调用其它数据’步骤80a3、‘液体类型’步骤80a4、‘执行PVT准备’步骤80a5、‘执行数据调节器’步骤80a6、‘沉积信息’步骤80a7、以及‘研究范围’步骤80a8。这些步骤在本发明操作的下面功能描述中加以讨论。

在图21中，包括图18的‘建立模型’步骤80b的图24A-24C的步骤包括‘具有测试显示的1D储集层岩石物理模型’步骤80b1、‘执行属性分配’步骤80b2、‘具有测试显示的3D储集层岩石物理模型’步骤80b3。这些步骤在本发明操作的下面功能描述中加以讨论。

在图22中，包括图18的‘调整模型’步骤80c的图24A-24C的步骤包括‘SIMOPT-同时解出所有IPTT的kv&kh+压力调查’步骤80c1。术语‘kv’和‘kh’分别表示垂直渗透性和水平渗透性。这些步骤在本发明操作的下面功能描述中加以讨论。

在图23中，包括图18的‘预测储集层响应’步骤80d的图24A-24C的步骤包括‘执行每个间隔的流预测’步骤80d1、‘每个被测试的间隔的生产预报’步骤80d2、‘每个被测试的间隔的NPV预报’步骤80d3、‘排列间隔’步骤80d4、以及‘适当储存油/气体/Wtr已调整的属性分配’步骤80d5。这些步骤在本发明操作的下面描述中加以讨论。

SWPM-MDT工作流程80的操作的功能描述在由图1的‘单井预测模型’20c1以上面所描述的方式生成的工作流程的上下文中，比如图13的‘特定工作流程1’或图15的‘特定工作流程2’或图17的‘特定工作流程3’，将参照图1至图24C在下面的段落中进行阐述，特别参考图24C-24C。

在图16和17中，回想用户将输入‘用户对象3’24c并且基于那个用户对象，‘特定工作流程3’42c将从‘工作流程存储器’40中恢复。软件模块7、4、1、2和3将从数据调节器46中恢复，并且软件模块18、17、14、15和12将从决策工具50恢复。结果将是图17中示出的‘特定工作流程3’。图17的‘特定工作流程3’将由图1的工作站20的处理器20a执行；并且结果图17中示出的‘用户对象3的决策工具产品’将由处理器20a生成用于显示或记录在图1的工作站20的‘记录器或显示设备’20b上。

假定例如图17中示出的‘特定工作流程3’是图18和24A-24C中示出的‘SWPM-MDT工作流程’80。下面段落将阐述图18和24A-24C中的‘SWPM-MDT工作流程’80的操作的功能描述。

首先，在使用模动态测试器(MDT)工具在地球地层中的第一模动态测试器(MDT)测试期间，其中双封隔器和双探头和观测探头放置在井筒中，地下的碳氢化合物(例如，油、水)沉积物产自该地层.在探头处测量压力响应和生产量.在双封隔器间隔中，测量消耗和增加，并且在探头处测量压力脉冲.我们分析(用软件)第一组接收数据以便决定地层中的每一层的垂直渗透性(Kv)和水平渗透性(Kh)以及其它属性.在这点上，我们在井筒中移动MDT工具，包括双探头和观测探头，用于执行第二MDT测试的目的.我们分析第二组接收数据以便确定地层中的每一层的垂直渗透性(Kv)和水平渗透性(Kh)以及其它属性.然而，工具设定可以重叠.即在第一MDT测试期间，我们测试地层中的第一区域，由此确定第一垂直渗透性(Kv1)和第一水平渗透性(Kh1)并且，在第二MDT测试期间，我们测试地层中的第二区域，由此确定第二垂直渗透性(Kv2)和第二水平渗透性(Kh2).然而，第一区域和第二区域可以重叠.结果，在分析第二MDT测试期间，第一MDT测试的属性被改变.这并不好因为不能报告地层中的同一层的不同属性.在这点上，我们回去再次执行第一MDT测试并且再次分析所接收的数据；然后，回去再次执行第二MDT测试并且再次分析所接收的数据.这个过程是个很费时的过程；即，软件中的迭代是很费时的迭代过程.然而，为了解决这个问题，SWPM-MDT工作流程80软件将同时分析所有的多MDT测试数据；即由SWPM-MDT工作流程80软件分析在第一MDT测试期间接收的第一组接收数据，同时分析在第二MDT测试期间接收的第二组接收数据，由此产生单组一致结果.当上述同时分析过程与现有的费时迭代过程相比时，由SWPM-MDT工作流程80执行的第一组接收数据(在第一MDT测试期间获得)和第二组接收数据(在第二MDT测试期间获得)的同时分析是很有益的.第二，当执行MDT测试时，外壳或地层被打孔并且测试在由井筒穿入的地层中执行，由此产生试井数据.希望除了MDT测试数据之外分析试井数据.SWPM-MDT工作流程80软件可以同时分析所有的多MDT测试数据并且此外SWPM-MDT工作流程80可以同时分析所有的试井数据.即，SWPM-MDT工作流程80同时分析：(1)所有的多MDT测试数据，以及(2)所有的试井数据，同时，以便获得对于由井筒穿入的地层的更好描述.第三，关于具有已经产生的层的储集层，在井筒壁上的压力点(其中放置了探头)表明储集层已经被耗尽.如果井已经生产了若干年，则可以观察(在贯穿井筒中的各种层的各种区域中)‘有区别的压力耗尽’.即，井筒中的不同区域将表现出不同的压力，并且结果从这些不同区域获得的数据必须由工作站软件分析.SWPM-MDT工作流程80还将分析贯穿井筒中的各种层的各种区域中的压力耗尽，并且SWPM-MDT工作流程80将尽力匹配与由井筒穿过的地层中每层有关的压力枯竭(在每个压力点处).第四，SWPM-MDT工作流程80还可以分析其它东西；即，如果我们在SWPM-MDT工作流程80的‘历史匹配’部分之前放置‘侵入部分’，我们可以使用SWPM-MDT工作流程80来研究或分析在抽样(即，我们有多少基于油的泥浆)期间获取的数据.

在24A-24C图中，24A-24C的SWPM-MDT工作流程80的操作的功能描述通过启动模型来开始图24A的步骤82。然后，表示我们将通过执行图24A中的‘选择REW MDT工作流程’步骤84来履行或执行SWPM-MDT工作流程80。在这点上，我们必须构建我们的概念模型。在图24A中，在步骤80a1、80a2、80a3(其关于图10的数据调整46)中，我们将读取来自裸眼钻井的分层、孔隙度、以及饱和度。因此，在‘调用岩石物理GEO数据’步骤80a1中，我们调用岩石物理数据，该岩石物理数据是我们观测的层厚度。此外，在‘调用测试数据’步骤80a2和‘调用其它数据’步骤80a3中，我们调用水平渗透性(Kh)和垂直渗透性(Kh)的初始估计〔因为‘历史匹配’迭代过程在工作流程80中将随后发生，并且Kh和Kv的初始估计需要使迭代过程开始〕。在图24A的SWPM-MDT工作流程80的步骤86中，称作‘调用所有测试1...n的MDT IPTT数据&配置’，这个步骤86将调用模动态测试器(MDT)间隔压力瞬态测试(IPTT)数据。这些是前面提到的涉及封隔器和探头的测试，其中测量了封隔器处的压力和探头处的压力。结果，术语‘配置’〔在‘调用所有测试1...n的MDT IPTT数据&配置’中〕指封隔器的数量和探头的数量；并且回想数据结合每个封隔器和每个探头获取。因此，在这个步骤86中(‘调用所有测试1...n的MDT IPTT数据&配置’)，我们正在‘写入’已经在所有多测试的储集层油田获取的所有数据.在图24A的步骤88(称作‘构建速率’)中，我们构建流速信息.在图24A的步骤90(称作‘调用：液体触点、测试日期、预测试调查、泥浆类型’)，我们调用液体触点、测试日期、预测试调查、泥浆类型.这里，我们读取‘压力对深度图’.在图24A的步骤80a3(称作‘调用其它数据’)中，我们还调用如图24A的步骤94所表示的‘生产压力测试’(涉及试井或钻竿试井).在步骤80a4(称作‘液体类型’)，我们必须规定某种类型的液体或液体类型；例如，这是个油储集层，或者这是个气体储集层.在这个步骤80a4中，我们必须规定我们正在仿真什么(例如油或气体储集层).在步骤80a6(称作‘执行数据调节器’)，既然所有上面所述的数据已经被调用，我们‘执行数据调节器’.当我们‘执行数据调节器’时，这意味着我们建立所有的层、已知所有的饱和度、已知层的厚度、并且已知渗透性的初始估计.在步骤80a5(称作‘执行PVT准备’)中，因为我们已经指定液体类型(在步骤80a4中)，我们还执行PVT并且指派黏度、汽油比.在图24A中，在迄今提到的工作流程80的所有步骤中，对SWPM-MDT工作流程80尤为有用的一个步骤是称作‘调用所有测试1...n的MDTIPTT数据&配置’的步骤86，其中我们调用用于所有测试的模动态测试器(MDT)间隔压力瞬态测试(IPTT)数据.在步骤80b1(称作‘具有测试显示器的1D储集层岩石物理模型’)中，已知下列内容：我们有井筒草图并且在井筒处我们有地层的所有层，我们有渗透性、孔隙度、饱和度和厚度的初始估计.在步骤80b2(称作‘执行属性分配’)中，我们现在必须通过分配3D储集层属性‘组装我们的储集层模型’以便在步骤80b3中生成‘3D岩石物理模型’.因此，在步骤80b2中，为了‘执行属性分配’和‘组装我们的储集层模型’，需要两个另外的输入：(1)步骤80a7(称作‘沉积信息’)，和(2)步骤80a8(称作‘研究范围’).‘研究范围’提供了属于模型大小的信息(即，你的模型多大？).在来自步骤80a7的‘沉积信息’和来自步骤80a8的‘研究范围’的帮助下，响应于生成‘1D储集层岩石物理模型’的步骤80b1和‘执行属性分配’的步骤80b2，在图24B的步骤80b3中，我们现在已经生成‘具有测试显示的3D储集层岩石物理模型’.在称作‘具有测试显示的3D储集层岩石物理模型’的步骤80b3中，我们现在生成‘3D储集层模型’.在步骤100(称作‘执行转换分析编辑和分析所有IPTT’)中，我们选择哪些瞬态要分析，并且在步骤126(‘输出每个测试的ASCII瞬态数据用于进一步的分析’)中，我们输出每个测试的ASCII瞬态数据用于进一步的分析.在这一点上，已经赋予了液体属性，所有的MDT测试数据已经被调用，并且试井数据已经被调用.在这一点上，我们现在必须开始运行这个‘3D储集层模型’，其由步骤80b3表示.为了运行‘3D储集层模型’，图24B的步骤100(称作‘执行转换分析编辑和分析所有IPTT’)被执行.然后，在步骤102(称作‘初始化3D流量模型’)中，需要初始化‘3D储集层模型’.在步骤104(称作‘分层OK’)中，我们必须保证所有的层和储集层描述是可接受的.然后，在步骤108(称作‘执行放大’)中，如果需要的话，我们必须在步骤108中执行放大.当‘3D储集层模型’中的某些层太‘精细’时需要放大；在这种情况下，需要合并某些层成为较厚的层.在步骤106(称作‘选择被匹配的数据’)中，我们选择要被‘历史匹配的’数据；即，在步骤106中，我们将确定3D储集层模型是否将‘给以’所选择的数据.例如，先前已知的MDT测试数据和/或试井数据可以被选择用于执行‘历史匹配’的目的以确定该3D储集层模型是否将以上面参照图18所讨论的方式给以所选数据(即，回想‘先前已知的测量或观测的数据’，其对应于‘先前已知的储集层响应’，将询问该模型并且，响应其，该模型将生成‘输出储集层响应’，其然后与‘先前已知的储集层响应’进行比较；如果‘输出储集层响应’基本上与‘先前已知的储集层响应’不同，则该模型被‘调整’或校准并且该过程重复直到‘输出储集层响应’基本上与‘先前已知的储集层响应’相同).从图18中回想‘先前已知测量或观测的数据’包括：模动态测试器(MDT)瞬态测试86、试井数据94、以及压力梯度90.在步骤80c1(称作‘SIMOPT-同时解出所有IPTT的kv&kh+压力调查’)中，这个步骤80c1将同时并且迭代地解出与所有间隔压力瞬态测试(IPTT)有关的‘水平渗透性(Kh)’和‘垂直渗透性(Kh)’，此外加上‘压力调查’，其表示生产压力测试，并且此外‘梯度数据’(即，压力对深度).‘SIMOPT’步骤80c1将迭代地解出图24A-24C的SWPM-MDT工作流程80中的Kv和Kh.在步骤110(称作‘模型OK？’)中，这是一个用于集中的测试；即当出现集中时，我们有好的数据(即，‘输出储集层响应’基本上与‘先前已知的储集层响应’相同).如果步骤110(‘模型OK？’)的输出是‘是’，那么‘输出储集层响应’基本上与‘先前已知的储集层响应’相同并且结果，不再需要附加的迭代.然而，如果步骤110(‘模型OK？’)的输出是‘否’，那么‘输出储集层响应’基本上与‘先前已知的储集层响应’不同并且结果，‘SIMOPT’步骤80c1必须重复目的是解出‘新的Kv和Kh值’.3D储集层模型80b3被改变或调整或校准，调整或校准过程涉及改变3D储集层模型中的‘旧的Kv和Kh值’成为‘新的Kv和Kh值’，并且然后通过询问是否3D储集层模型是OK来重复步骤110(‘模型OK？’).‘SIMOPT’步骤80c1是‘历史匹配’步骤，其试图通过调整3D储集层岩石物理模型80b3的垂直渗透性(Kv)和水平渗透性(Kh)来最小化所观测的数据和你的模型属性之间的误差以便执行随后的MDT分析.在‘SIMOPT’步骤80c1中，我们试图‘历史匹配’的是：生产试井(在步骤94中)、若干MDT测试、以及压力对深度图.然而，此外，在步骤106(‘选择要被匹配的数据’)中，如果我们在运行最佳化(在‘SIMOPT’步骤80c1中)之前已经建模了一个(泥浆到井筒壁的)‘侵入’，我们可以使‘基于油的泥浆污染’与时间匹配.实际上，在步骤106(‘选择要被匹配的数据’)中，我们可以规定我们想要被‘历史匹配的’任何数据.当3D储集层模型80b3是‘OK’(即‘模型OK’步骤110的输出为‘是’)时，‘调整或校准的3D储集层模型’是该结果，‘调整的或校准的3D储集层模型’由图24的步骤112(称作‘3D典型储集层模型’)表示.在步骤112(‘3D典型储集层模型’)中，我们已经产生了一个储集层模型，其给以所有的多MDT测试、试井、压力梯度等等.在这点上，我们准备做进一步的工作.进一步的工作包括生成‘流量预测’.在图24C中，参照步骤80d1，回想在步骤96中我们有‘可用的管道大小’、在步骤98中我们有‘有效经济数据’、在步骤112中有‘3D典型储集层模型’，在这点上，我们准备通过执行步骤80d1(称作‘执行每个间隔的流量预测’)生成‘流量预测’.例如，我们现在可以生成特定的情况.即，当打孔一个井筒时，我们可以在图24C的步骤80d2中生成每个测试间隔的‘生产预报’.因为我们具有经济数据(步骤98中的‘有效经济数据’)，我们可以在图24的步骤80d3中生成每个测试间隔的净现值(NPV).在步骤80d4(称作‘排列间隔’)中，如果我们在打孔之前选择地层中的‘若干间隔’，我们可以在‘排列间隔’步骤80d4中排列间隔〔例如，‘排列’可以表示第一间隔是最好的净现值(NPV)间隔〕.在步骤124中，可以生成‘报告’用于报告最佳的NPV间隔.在步骤122(称作‘具有建议的完井间隔的3D典型储集层模型’)中，尽管MDT分析在步骤112(‘3D典型储集层模型’)中结束，‘最终结果’在步骤122的结束时生成，因为在步骤122结束时我们现在有一个具有建议的完井间隔的3D典型储集层模型.作为最终结果，所有的多模动态测试器(MDT)瞬态测试数据(见称作‘调用MDT IPTT数据...’的步骤86)的‘同时分析’被执行，其中‘MDT瞬态测试数据’的‘同时分析’此前从未获取或完成.所有的多MDT瞬态测试数据的上述‘同时分析’节省了相当量的工作时间(例如10或15天的工作时间).因此，图24的SWPM-MDT工作流程80将在上述‘同时分析’期间‘给以’所有的‘MDT瞬态测试数据’(见步骤86：‘调用MDT IPTT数据...’)(其中术语‘给以’意味着‘MDT瞬态测试数据’将包括‘先前已知的测量或观测的数据’的一部分)。另外，图24的SWPM-MDT工作流程80在上述‘同时分析’期间将‘给以’‘许多试井’(见步骤94：‘生产压力测试’)(其中术语‘给以’意味着‘许多试井’将包括‘先前已知的测量或观测的数据’的一部分)。另外，图24的SWPM-MDT工作流程80在上述‘同时分析’期间将‘给以’涉及‘压力对深度’数据的‘压力研究’(见步骤90：‘调用液体触点、测试数据、压力研究、泥浆类型’)(其中术语‘给以’意味着‘压力研究’将包括‘先前已知的测量或观测的数据’的一部分)。所有上述提到的数据已经由SWPM-MDT工作流程80同时并且一致地给以，因为步骤112(‘3D典型储集层模型’)代表‘3D储集层模型’，其同时地并且一致地给以所有下列数据：(1)MDT测试数据(在步骤86中调用的)，(2)压力梯度‘压力对深度’数据(在步骤90中调用的)，以及(3)钻井竿试井或试井数据(在步骤94中调用的)。

现在参照图25至49，其在下面的段落中被提到。使用多探头或封隔器-探头地层测试器沿着井筒的间隔压力瞬态测试(IPTT)逐渐用作地层估计的一种手段。这些测试通常具有大约多个小时的持续时间并且它们研究沿着井径向和垂直方向‘几十英尺’内的量。具有重叠影响量的多瞬态测试在井中是很常见的。当前，每个这些瞬态测试主要使用分析的多层模型彼此独立地加以分析。当它们的影响量重叠时，它于是成为一个迭代过程。整个分析过程花费相当多的时间和精力。还从事使用数字仿真的间隔压力瞬态测试的分析。数字模型可以很好适合于复杂的几何(即交叉封隔器区域的断层)和多相流程但是通常更复杂来建立。

跟着间隔压力瞬态测试(IPTT)之后，井可以随后被钻井竿试井(DST)和/或具有扩展的试井(EWT)。联合分析间隔压力瞬态测试和常规的试井并非常见并且引起另外的困难，因为常规的测试具有扩展的研究范围。储集层模型必须给以在由IPTT规定的井筒附近的增加的垂直分辨率以及在长期瞬态试井中固有的较深的侧面信息。

在打开的并且被装入的孔中利用地层测试器获取‘压力对深度’数据也是常见的。此外，压力对深度调查可以来自其它的地层测试器(例如，XPT、FPWD、RFT、SRFT、以及未来先进的地层测试器)。在已开发的储集层中，这样的数据给出了关于划分、差分消耗、以及垂直通信的信息。‘压力对深度’分布图在分析中的结合强加了第三层的困难(和尺度)，因为沿着井的压力变化结合了较广的尺度连通性信息通常反映各种区域的消耗。

在整个说明书中，描述了单井预测模型(SWPM)，其中多IPTT、常规的试井(DST、EWT)、以及压力对深度分布图使用数字模型被同时分析。单井模型的开始点是从沿着钻井孔的储集层岩石物理分析开始的分析结果。这被简化为具有平均岩石物理属性的一系列流量单元，其用于组装数字三维模型。这个开始模型被更新(即，调整或校准)以同时给以所有的瞬态(IPTT、DST、EWT)数据以及压力对深度分布图来构建单井储集层模型，其反映并且给以所有的具有不同尺度的测量数据。这个分析方法降低了用来分析多IPTT所需的时间和精力并且提供结合长期测试和压力对深度的手段。

间隔压力瞬态测试

图32示出了用于间隔压力瞬态测试的可能MDT多探头和封隔器-探头结构。该测试线被安置在要被测试的间隔处并且引起通过双封隔器或来自双探头的流量，下沉探头同时垂直地放置的观测探头监控器压力响应。所获取的流量和组合的瞬态数据被用于获得并且分析各个层水平和垂直渗透性。这个测试技术产生正好在侵入区域之外的地层属性，通常地在水平和垂直方向上远离井筒‘几十英尺’。

综合井模型-数据输入和调整

工作流程开始分析开孔岩石物理测井，从其获得液压层、孔隙度、取自测井的水平和垂直渗透性、净量与总量之比、以及饱和度。岩石物理结果可以被调整来给以测量，比如岩心栓或地层测试器地点预测试移动性。多相传输属性还使用MDT采样数据被计算并且调整。

图33示出了来自数据调整阶段的结果的例子。用户可以不顾自动层和属性规定，手工赋予层和属性，还结合地层图像。还输入有效的和周围的井的生产/喷射数据。不同动态数据类型的数据误差被规定(速率、压力)。这些步骤相当容易地和自动地执行，其传统上很费时并且是瞬态分析的先决条件，还研究涉及单或多井。应当看到，若干的层岩石物理和传输属性被当作‘初始推测’来处理用于进一步的分析。在该步骤的结束，以增加的效率获得沿着井筒的一维储集层模型。

三维属性分配

准备用于数字仿真的三维模型是下面的对象。如果间隔压力瞬态测试(IPTT)的分析是唯一目的，那么层-块(1ayer-cake)模型很可能是通常的选择并且将通常是足够的。然而，如果扩展的试井和压力对深度分布图被包括在该分析中，不同尺度需要被考虑到储集层中。该工作流程使用地质分析并且给以沉积环境和结构映射同时构建3D模型。地质统计模型可以用于组装规则的地多孔尺度栅格，其可以随后被放大到仿真栅格。当合并多尺度瞬态数据用于综合分析时，由IPTT的研究范围规定的附近井筒区域被视作不同于其余储集层的区域。井筒区域附近的垂直分辨率被给以并且这个附近区域的属性被改变来匹配IPTT响应。为了匹配长期试井，系统的体积属性被考虑在地质安装的约束中。

网格和数字模型

我们的储集层模型是商业的合成数字仿真器，例如ECLIPSE-300(Houston，Texas技术公司)。这使能我们建模复杂的流量几何、多相流量、复杂的流量边界条件、液体成分梯度、以及基于油的泥浆滤液清除。为了该研究，垂直井被考虑并且放射状网格方案被使用。网格生成是自动的并且给以在该井中使用的所有IPTT配置。这使该系统对于非仿真专家可以理解。应当看到，对于水平和偏离的井，不规则的网格方案通常是必需的。

优化和数字仿真

历史匹配是对象函数的最小化的问题。梯度方法先前已经被成功应用并且也被结合本发明加以利用。SWPM-MDT工作流程80将：(1)在它们的实时线中‘给以’所有的间隔压力瞬态测试(IPTT)、钻井竿试井(DST)、以及压力对深度数据，以及(2)在所选的参数上迭代以同时历史匹配所有观测的数据。应当看到，所观测的数据可以除了压力之外还包括其它量比如流速和相比率(例如，汽油比(GOR)或浓缩物汽比(CGR)、含水率、气分步(Gas Fraction)、产生的液体：密度、粘度、成分、基于油的泥浆滤液成分、气泡或露点、沥青烯开始压力和液体成分随着深度的变化).该仿真器还可以使用来自探头或封隔器之一的压力来运行以匹配在其它观测探头处的响应而无需使用流速.

‘历史匹配’应用程序用于优化。软件使用Levenberg-Marquardt算法的精化。优化所需的梯度从储集层仿真器同时获得，显著地增加计算效率。对象函数f，其被最小化，是通常使用的平方和的修改形式。这个等式的一般形式由下面给出：

$f=\frac{\mathrm{\α}}{2}{r}^{T}r+\frac{\mathrm{\β}}{2}{s}^T{C_s}^{-1}s+\mathrm{\γ}\·f_{\mathrm{prior}}---\left(1\right)$

右手侧的三项指生产数据、调查数据和已有信息。在我们的工作中，调查数据项是不相关的；f_prior结合了储集层的之前知识并且r是所观测的压力数据的剩余向量。剩余向量中的每个元素r_i被定义为：

$r_i=w_d{w}_i\frac{(o_i-c_i)}{{\mathrm{\σ}}_d}---\left(2\right)$

其中d指给定类型的一组观测数据，r指用于第d项观测数据的各个数据点，o_t和c_t分别是所观测的和仿真值，σ_d是第d个数据集的测量标准偏差，w_d是第d个数据集的总加权并且w_t是第d个数据集的第i个数据点的加权系数。

从等式2，我们可以看出给每个数据类型的置信度除了连接到给定数据点的加权之外总体上可以被改变。这样，关于不同数据类型即探头压力、封隔器压力、常规测试压力在尺度上的差异可以调整。总的数据类型测量误差由项s考虑，其是规格测量误差的标准偏差。先前项基本上是惩罚项，其使得解决方案难于离开所估计的平均值。

Levenberg-Marquardt算法的修改形式用于优化等式1中给出的对象函数。该优化方案需要对象函数关于参数(渗透性、表皮等等)的第一和第二导数。使用高斯-牛顿近似，我们可以忽略第二导数项。这指的是该问题可以通过仅考虑所仿真的量关于参数的第一导数来解决。在与所仿真的量自身在单个运行同时这些导数从我们的储集层仿真器获得，因此节省了相当量的时间。应当看到，估计加权和数据类型误差标准偏差通常很困难。本发明的方法容易地适合于利用可替换方案。

图34示出了单井预测模型工作流程，开始于数据调整，跟着是分带、网格和属性群。IPTT和试井分析阶段被覆盖在优化阶段中。结果可以被图示可视化。一旦模型给以动态数据，它可以用于研究不同完井选项的‘假定方案(what if)’情形和生产情形。

综合例子

为了示出概念和测试方法，研究了一个被仿真的案例。两个重叠的IPTT测试使用包括实际量规特性(比如分辨率和准确性)的分析模型先被仿真。储集层顶部在10000英尺处，其具有图25的表格1中指定的两层。欠饱和的油储集层使用图26的表格2中总结的液体属性来考虑。考虑使用双封隔器-单探头组合的两种MDT间隔压力瞬态测试。在第一IPTT期间，双封隔器和探头都被放置在第一层。封隔器中点在10035英尺处。在第二IPTT期间，双封隔器在层2并且探头被设定在层1。双封隔器中点在10045英尺处。对于两种测试，探头是图32中所示的双封隔器上面的6.4英尺。跟着MDT-IPTT，DST还被分析地建模。这是更长持续时间的试井。在层1的中间处的20英尺间隔被打孔。消耗和增长序列被仿真。所有测试的表皮系数被视作0。应当看到，表皮系数实际上从测试到测试是变化的，因为所测试的间隔沿着井筒变化。

第一步骤是验证栅格和数字方案.被分析地生成的测试数据于是被使用相同的储集层属性来仿真.图35-38示出了分析和数字模型的压力特性.数字模型具有2750个栅格块.这个模型的运行时间(假定到模型压力瞬态很少的时间步长)是1.5分钟.具有更精细栅格的模型被试图研究可能的栅格效果.在这些情况下，运行时间增加到3-4分钟而无可辨别的好处.用于两种MDT测试的封隔器和探头的测井-测井图被表示在图35和36中.在用于探头的早期时间希望有某些分歧，由于很少的压力差，接近量规分辨率.可能微调，但不完全地消除该分歧.图37给出了用于试井建立的测井-测井图.压力图也是好的；第一MDT测试的探头压力协议被示出在图38中.

跟着栅格验证，储集层属性被干扰，将干扰的值当作来自工作流程的数据输入/调整部分的“最佳估计”来处理。这里，我们同时匹配两个IPTT的压力行为，将分析模型结果作为‘观测’行为来处理。在这个练习期间，目的是尽可能接近图25的表格1中所示的实际储集层属性，以干扰值开始。所有属性被同时干扰，其是一个特别困难的情形，并且参数的初始值对于结果的集中具有某些影响并且局部最小值可能存在。图27的表格3示出了在优化期间使用的参数的初始值、干扰值和最终值，其使用仅四次迭代获得。这些参数是所有层的水平和垂直渗透性。图39示出了使用从非线性优化获得的最终参数来自两个MDT IPTT的双封隔器处的压力匹配。图40和图41示出了在观测探头处的压力匹配。图27的表格3中的图和结果示出了当两个IPTT被同时分析时可能很接近真实参数。应当看到，在这个合成练习期间，不存在流速误差。为了获得探头处的较好匹配，用于观测探头的加权高于五倍的封隔器加权。跟着是WLS(加权最小二乘)方法用来补偿在封隔器和探头处测量响应的幅度上的偏差。应当看到，知道先前加权是很困难的，因此不同的最小化方法可能被继续用于该分析。

然后考虑其它情形执行优化。在第二情形期间，仅考虑来自MDT测试的封隔器数据，忽略探头和扩展的试井。该匹配的结果在图28的表格4中给出，其完全不同于输入值。图42示出了封隔器间隔处的匹配。该匹配看起来可以接受，如果仅考虑封隔器压力。尽管在优化期间不考虑，探头响应还使用最终模型来生成并且在图43和44中给出。如所期望的，该模型不能跟着由封隔器引起的在观测探头的位置上的压力干扰。

在第三种情形下，MDT测试数据和扩展的试井数据在优化期间被使用。图29的表格5示出了最终结果。图45-48示出了使用最终模型获得的压力匹配。双封隔器和扩展试井数据处的压力匹配相当令人满意。探头的匹配是正当的，其可以通过微调和限制某些参数来进一步改进，与优化所有未知相反。特别是对于其中DST被引导的第一层可以获得更好的匹配。即使探头具有较高的加权，DST具有更长的持续时间并且因此具有对于更大的时间和距离的影响。应当看到，因为考虑了层-块模型，扩展的试井的附加不显著地影响结果。在不均匀储集层中，扩展的试井信息将相当有价值。在这样的情况下，回归结果的微调还可以通过将储集层分成属性区域来获得。

压力对深度信息的结合

除了瞬态测试数据之外，该方法还可以在分析期间结合压力对深度曲线.考虑了具有5层的10000英尺x10000英尺的储集层模型.第一层的顶部在7000英尺.图30的表格6中给出了层特性.在储集层中心处的井从高渗透性层以200STB/天产生.已知在这个井处的最初的压力分布.在1800天之后，另一个井被钻1000英尺远.在每层中心处获得这个新井的MDT压力对深度分布图.该模型然后被干扰，改变了水平渗透性.使用干扰属性作为最初推测执行在水平渗透性上的优化.六次迭代之后获得在水平渗透性上的匹配.图49中给出了原始模型与干扰并回归模型的探头压力对深度分布图的比较.即使探头压力显示常量梯度，但是在特定情况下不是这样的.应当看到在本例子中，单生产井被用于模拟储集层损耗.因为损耗是重要的，在多个生产器/喷油器的情况下，来自所有井的总生产/喷油可以被分配到一个(或多个)虚拟井(dummy well)或强加到外层边界上以重现同样的效果。

这个说明书中，使用单井预测模型或SWPM的工作流程80(前面称作SWPM-MDT工作流程80)将：

(1)允许容易执行数据准备和模型属性群步骤，增加总体效率；该工作流程包括几个步骤中的自动操作，包括数字模型栅格和优化，使得对于具有有限仿真专门技能的用户来说更容易；

(2)能够同时分析多个和重叠的模动态测试器(MDT)间隔压力瞬态测试(IPTT)、扩展的试井、以及压力对深度信息；这个转换为在分析努力方面的显著效率，因为当前技术需要每次测试被单独分析然后作为一致的整体被迭代地合并；并且

(3)当该模型使用动态数据被构建时，匹配来自IPTT、试井、以及历史生产性能的结果；它还可以用于研究可选完井以及生产情形。

上面提及的实施例被如此加以描述，显然同样可以以许多方式加以变化。这样的变化不被视作背离这样实施例的宗旨和范围，并且正如对于本技术领域的技术人员来说显然的是，所有这样的修改包括在下面权利要求的范围之内。

Claims (23)

1.一种确定对应用户对象的想要产品的方法，包括步骤：

(a)接收第一所述用户对象；

(b)接收第一组输入数据；

(c)响应第一用户对象自动地生成第一工作流程；

(d)响应第一工作流程自动地选择一个或多个软件模块，所述一个或多个软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据以及压力梯度数据中的一个或多个校准仿真器模型；

(e)响应所述第一组输入数据在处理器中执行所述一个或多个软件模块；以及

(f)响应所述执行步骤(e)确定第一所述想要的产品，第一所述想要的产品包括3D典型储集层模型。

2.权利要求1的方法，其中所述建立模型软件模块包括适合于生成1D储集层岩石物理模型的1D储集层岩石物理模型模块、适合于在3D中分配属性的执行属性分配模块、以及适合于生成所述3D储集层岩石物理模型的3D岩石物理模型模块。

3.权利要求2的方法，其中所述调整模型软件模块包括历史匹配软件模块，适合于：

(f)迭代地解出水平渗透性的新值和垂直渗透性的新值；

(g)使用所述水平渗透性的新值和所述垂直渗透性的新值，在所述3D储集层岩石物理模型中迭代地调整水平渗透性参数和垂直渗透性参数；

(h)通过使用先前已知的测量或观测的数据询问所述3D储集层岩石物理模型，迭代地判定新储集层模型响应，其中所述数据包括瞬态测试数据和试井数据以及压力梯度数据；

(i)迭代地判定所述新储集层模型响应是否基本上与先前已知的储集层模型响应相同；以及

(j)重复步骤(f)、(g)、(h)和(i)直到所述新储集层模型响应基本上与所述先前已知的储集层模型响应相同。

4.权利要求1-3中任一权利要求的方法，还包括：

(g)接收第二所述用户对象；

(h)接收第二组输入数据；

(i)响应第二用户对象自动地生成第二工作流程；

(j)响应所述第二工作流程自动地选择一个或多个附加的软件模块；

(k)响应所述第二组输入数据在所述处理器中执行所述一个或多个附加的软件模块；以及

(l)响应执行步骤(k)确定第二所述想要的产品。

5.权利要求1的方法，还包括：

通过执行建立模型软件模块生成储集层的1D岩石物理模型，其中所述1D岩石物理模型包括储集层的多个每单位深度属性，其包含孔隙度、岩石类型、饱和度、岩性和分层；以及

使用建立模型软件模块生成储集层的3D模型以在由调查的第一半径定义的3D空间中分配1D岩石物理模型的多个每单位深度属性，所述调查的第一半径定义了3D模型的大小。

6.权利要求5的方法，还包括：

使用所述调整模型软件模块、多个模动态测试器(MDT)瞬态测试数据以及与多个MDT瞬态测试数据的每个相关联的储集层的历史响应来校准所述3D模型，其中多个MDT瞬态测试数据的每个是在不同的尺度并且被用来在多个MDT瞬态测试数据的每个的调查的第二半径中调整多个每单位深度属性.

7.权利要求1的方法，还包括：

通过将第一组输入数据应用到储集层的3D模型来向所述第一组输入数据预报储集层的响应；以及

使用所述响应来执行油田操作。

8.一种响应于一组输入数据和用户对象的系统，适合于生成对应所述用户对象的想要产品，包括：

第一设备，适合于接收第一所述用户对象和第一组输入数据；

第二设备，适合于响应第一用户对象自动地生成第一工作流程；

第三设备，适合于响应第一工作流程自动地选择一个或多个软件模块，所述一个或多个软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据以及压力梯度数据中的一个或多个校准仿真器模型；以及

处理器设备，适合于响应所述第一组输入数据自动地执行所述一个或多个软件模块以及响应所述一个或多个软件模块的执行生成第一所述想要的产品，第一所述想要的产品包括3D典型储集层模型。

9.权利要求8的系统，其中：

所述第一设备接收第二所述用户对象和第二组输入数据；

所述第二设备响应第二用户对象自动地生成第二工作流程；

所述第三设备响应所述第二工作流程自动地选择一个或多个附加的软件模块；以及

所述处理器设备响应所述第二组输入数据自动地执行所述一个或多个附加的软件模块以及响应所述一个或多个附加软件模块的执行生成第二所述想要的产品。

10.权利要求8的系统，其中所述处理器设备适合于进一步：

通过执行建立模型软件模块生成储集层的1D岩石物理模型，其中所述1D岩石物理模型包括储集层的多个每单位深度属性，其包含孔隙度、岩石类型、饱和度、岩性和分层；以及

使用建立模型软件模块生成储集层的3D模型以在由调查的第一半径定义的3D空间中分配1D岩石物理模型的多个每单位深度属性，所述调查的第一半径定义了3D模型的大小。

11.权利要求10的系统，其中所述处理器设备适合于进一步使用所述调整模型软件模块、多个模动态测试器(MDT)瞬态测试数据以及与多个MDT瞬态测试数据的每个相关联的储集层的历史响应来校准所述3D模型，其中多个MDT瞬态测试数据的每个是在不同的尺度并且被用来在多个MDT瞬态测试数据的每个的调查的第二半径中调整多个每单位深度属性。

12.一种用于响应于用户对象确定最终产品的方法，包括步骤：

(a)接收所述用户对象和提供输入数据；

(b)生成对应所述用户对象的特定工作流程；

(c)响应所述特定工作流程选择多个软件模块，所述多个软件模块具有预定顺序，该软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据以及压力梯度数据中的一个或多个校准仿真器模型；

(d)响应所述输入数据以所述预定顺序执行所述多个软件模块；以及

(e)当完成以所述预定顺序执行所述多个软件模块时生成所述最终产品，所述最终产品包括3D典型储集层模型。

13.权利要求12的方法，其中选择步骤(c)包括步骤：

选择具有第一预定顺序的第一多个软件模块；以及

选择具有第二预定顺序的第二多个软件模块。

14.权利要求12的方法，其中执行步骤(d)包括步骤：

响应所述输入数据以所述第一预定顺序执行所述第一多个软件模块，由此生成受调节的数据；以及

响应所述受调节的数据以所述第二预定顺序执行所述第二多个软件模块，当完成以所述第二预定顺序执行所述第二多个软件模块时生成所述最终产品。

15.一种用于适合于响应用户对象确定最终产品的系统，包括：

第一设备，适合于接收所述用户对象和接收输入数据；

第二设备，适合于生成对应所述用户对象的特定工作流程；

第三设备，适合于响应所述特定工作流程选择多个软件模块，所述多个软件模块具有预定顺序，该软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据以及压力梯度数据中的一个或多个校准仿真器模型；

第四设备，适合于响应所述输入数据以所述预定顺序执行所述多个软件模块；以及

第五设备，适合于当完成以所述预定顺序执行所述多个软件模块时生成所述最终产品，所述最终产品包括3D典型储集层模型。

16.权利要求15的系统，其中适合于响应所述特定工作流程选择多个软件模块的第三设备包括：

适合于选择具有第一预定顺序的第一多个软件模块的设备；以及

适合于选择具有第二预定顺序的第二多个软件模块的设备。

17.权利要求16的系统，其中适合于响应所述输入数据以所述预定顺序执行所述多个软件模块的第四设备包括：

适合于响应所述输入数据以所述第一预定顺序执行所述第一多个软件模块由此生成受调节的数据的设备；以及

适合于响应所述受调节的数据以所述第二预定顺序执行所述第二多个软件模块的设备，当完成以所述第二预定顺序执行所述第二多个软件模块时生成所述最终产品。

18.一种用于生成3D典型储集层模型的方法，包括步骤：

(a)接收用户对象和输入数据；

(b)生成对应所述用户对象的工作流程；

(c)响应所述工作流程的生成选择多个软件模块，所述多个软件模块具有预定顺序，该软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于校准仿真器模型；

(d)响应所述输入数据以所述预定顺序执行所述多个软件模块；以及

(e)当完成所述多个软件模块的所述调整模型软件模块的执行时生成所述3D典型储集层模型最终产品。

19.权利要求18的方法，其中所述建立模型软件模块包括适合于生成1D储集层岩石物理模型的1D储集层岩石物理模型模块、执行属性分配模块、以及适合于生成3D储集层岩石物理模型的3D岩石物理模型模块。

20.权利要求19的方法，其中所述调整模型软件模块包括历史匹配软件模块，适合于：

(f)迭代地解出水平渗透性的新值和垂直渗透性的新值；

(g)使用所述水平渗透性的新值和所述垂直渗透性的新值，在所述3D储集层岩石物理模型中迭代地调整水平渗透性参数和垂直渗透性参数；

(h)通过使用先前已知的测量或观测的数据询问所述3D储集层岩石物理模型，迭代地判定新储集层模型响应，其中所述数据包括一组瞬态测试数据和试井数据以及压力梯度数据中的一个或多个；

(i)迭代地判定所述新储集层模型响应是否基本上与所述先前已知的储集层模型响应相同；以及

(j)重复步骤(f)、(g)、(h)和(i)直到所述新储集层模型响应基本上与先前已知的储集层模型响应相同。

21.一种响应于来自新油或气体储集层的一组最新测量或观测的数据预测来自该新油或气体储集层的新响应的方法，来自已知油或气体储集层的一组已知的测量或观测的数据对应于来自所述已知油或气体储集层的已知响应，包括步骤：

使用一组岩石物理数据和一组地质数据建立仿真器模型；以及校准该仿真器模型，校准步骤包括：

使用所述已知的测量或观测的数据询问仿真器模型，由此生成来自该仿真器模型的特定响应，所述已知的测量或观测的数据包括一组瞬态测试数据和一组试井数据以及一组压力梯度数据中的一个或多个，

比较来自仿真器模型的特定响应与来自所述已知油或气体储集层的所述已知响应，

校准仿真器模型直到所述特定响应基本上与所述已知响应相同，由此生成受调整的仿真器模型，以及

通过使用所述组最新测量或观测的数据询问所述受调整的仿真器模型以预测来自所述新油或气体储集层的所述新响应，所述最新测量或观测的数据包括一组瞬态测试数据和一组试井数据以及一组压力梯度数据中的一个或多个。

22.权利要求21的方法，其中校准仿真器模型直到所述特定响应基本上与所述已知响应相同的步骤包括步骤：

改变所述仿真器模型的参数，使用所述已知的测量或观测的数据重新询问仿真器模型，由此生成来自该仿真器模型的第二特定响应，所述已知的测量或观测的数据包括一组瞬态测试数据和一组试井数据以及一组压力梯度数据中的一个或多个，以及重新比较来自仿真器模型的第二特定响应与所述已知响应。

23.一种确定对应用户对象的想要产品的方法，该产品包括3D典型储集层模型，包括步骤：

(a)接收所述用户对象，所述用户对象包括步骤：

同时分析多个动态数据，所述动态数据包括多间隔压力瞬态测试数据和试井数据以及地层测试器压力对深度分布图数据，

响应于所述分析步骤，创建已经使用不同尺度的所述动态数据校准的3D典型储集层模型，以及

使用所述动态数据研究使用可替换完成和生产情形的井的未来性能；

(b)提供第一组输入数据；

(c)响应于所述用户对象自动地生成第一工作流程；

(d)响应第一工作流程自动地选择一个或多个软件模块，与所述第一工作流程相关联的一个或多个软件模块包括建立模型软件模块，适合于响应一组其它数据建立仿真器模型，以及调整模型软件模块，适合于响应一组瞬态测试数据和试井数据以及压力梯度数据中的一个或多个校准仿真器模型，与所述第一工作流程相关联的所述一个或多个软件模块适合于实施另一方法，即响应于来自新油或气体储集层的一组最新测量或观测的数据预测来自新油或气体储集层的新响应，来自已知油或气体储集层的一组已知的测量或观测的数据对应来自所述已知油或气体储集层的已知响应，所述另一方法包括步骤：

使用一组岩石物理数据和一组地质数据建立仿真器模型，

校准仿真器模型，该校准步骤包括：

使用所述已知的测量或观测的数据询问仿真器模型，由此生成来自该仿真器模型的特定响应，所述已知的测量或观测的数据包括一组瞬态测试数据和一组试井数据以及一组压力梯度数据，

比较来自仿真器模型的特定响应与来自所述已知油或气体储集层的所述已知响应，

校准仿真器模型直到所述特定响应基本上与所述已知响应相同，由此生成受调整的仿真器模型；以及

通过使用所述组最新测量或观测的数据询问所述受调整的仿真器模型以预测来自所述新油或气体储集层的所述新响应，所述最新测量或观测的数据包括一组瞬态测试数据和一组试井数据以及一组压力梯度数据；

(e)响应所述第一组输入数据在处理器中执行所述一个或多个软件模块；以及

(f)响应所述执行步骤(e)确定第一所述想要的产品，第一所述想要的产品包括所述3D典型储集层模型。

Images