Preselecting Well Test Interpretation Models Using External Data
Présélection de modèles d'interprétation de tests de puits par l'utilisation de données externes
Artificial Intelligence Applications Institute
The first stage in interpreting a well test is concerned with identifying a well test interpretation (WTI) model for the reservoir that is consistent with all the known data and whose theoretical output response is qualitatively similar to the actual well test response. Conventionally, engineers identify WTI models by using WTI software to plot functions of well test pressure against time and then diagnose components of WTI models from their characteristic curve signatures, together with evidence from external (geological and engineering) data. This paper focuses on the use of external data for preselecting WTI models, which can then be verified using conventional well test analysis techniques. The KADS methodology for developing knowledge based systems (KBS) was adopted and the inference layer structure for the WTI model preselection task was derived. The WTI model preselection task will form one part of a KBS for well test interpretation, SPIRIT, being developed jointly by Artificial Intelligence Applications Institute and Heriot-Watt University.
Résumé
La première étape dans l'interprétation d'un test de puits est celle de l'identification d'un modèle d'interprétation (WTI) pour le réservoir, qui soit en accord avec l'ensemble des données connues, et dont la sortie théorique est qualitativement semblable à celle du puits testé. Pour ceci, les ingénieurs de réservoir utilisent habituellement des logiciels WTI qui calculent et tracent la pression de test de puits en fonction du temps. Cela leur permet de diagnostiquer les composantes des modèles WTI à partir de leurs signatures caractéristiques, le diagnostic étant complété par la prise en compte d'informations externes, de géologie ou d'ingénierie. Cet article est consacré à l'utilisation de données externes pour la préselection des modèles WTI, modèles qui peuvent être ensuite validés au moyen de techniques classiques d'analyse de tests de puits. La méthodologie de développement de systèmes à base de connaissance KADS a été mise en oeuvre, ce qui a permis de formaliser la structure de la couche d'inférence de la tâche de présélection des modèles WTI. Cette tâche de présélection doit être incluse dans le système à base de connaissances SPIRIT pour l'interprétation de tests de puits, qui est développé conjointement par l'Artificial Intelligence Applications Institute et l'Université Heriot-Watt.
© IFP, 1992