一種基於多重分形的油藏井間連通程度的評估方法及系統與流程
2023-10-28 05:03:32 2
本發明涉及油藏開發中井間連通性評估的領域，具體涉及一種基於多重分形的油藏井間連通程度的評估方法及系統。
背景技術：
油藏井間連通性可以分為靜態連通性和動態連通性。通常靜態連通性指應用地質和物探方法得到的連通性結果，是由油藏地質特徵和儲層特點決定。由於縫洞型油藏儲集層複雜的特點，傳統地質和物探(如測井、試井、地質建模等方法)研究得到的地層連通屬於靜態範疇，無法有效認識縫洞體的連通性。而油藏井間動態連通性是指油藏開發後井間儲層流體的連通程度。利用生產數據定量反演井間連通性是一類重要方法，基本原理是將油藏視為一個注水井發出刺激和周圍油井接受刺激的注採系統，注水井、油井以及井間儲層構成一個複雜的動力平衡系統。水注入油層後，必將把原油或地層水通過連通好的儲層向油井驅替，從而維持油井的生產。注水井注水量的變化引起油井產液波動是油水井層內連通的特徵反映，油井產液量的波動幅度與油水井連通程度相關，連通性越好，產液波動越明顯，因此可通過數學方法來量化表徵注採間連通程度，其模型主要包括基於多元線性回歸模型、系統分析模型、彈性壓縮模型、電容模型和神經網絡等。
通過對生產動態數據的特徵進行統計分析，其具有一定的非線性特徵，如下所述：
(1)油藏生產動態數據的分布具有肥尾的尖峰態，方差不確定或無窮，不服從正態分布。
(2)在生產數據的變化過程中，含水、產油等並不是遵循隨機遊動的隨機變量，計算得不到唯一的最優化解，而是有多個可能解。
(3)生產動態數據具有受歷史信息影響的長記憶性(如產油量逐漸衰減就是長期記憶性,也稱為長程相關性、狀態持續性)和趨勢性，具有全局的有序(確定)性和局部的無序(隨機)性，具有反饋效應。
綜上所述，油藏生產數據的變化不是獨立的，並不遵循隨機遊動，也不服從正態分布，這些性質恰恰是非線性動力系統的特徵，而傳統的多元線性回歸模型、系統分析模型、彈性壓縮模型、電容模型等無法細粒度刻畫該特徵。
技術實現要素：
本發明所要解決的技術問題是提供一種基於多重分形的油藏井間連通程度的評估方法及系統，可以細粒度的刻畫油藏井間連通程度。
本發明解決上述技術問題的技術方案如下：一種基於多重分形的油藏井間連通程度的評估方法，包括以下步驟，
s1，讀取並預處理注採井的生產動態數據，得到生產動態數據的時間序列；
s2，對採集時間位於注水後預設周期中的生產動態數據的時間序列採用多重分形算法進行計算，得出所述採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數；
s3，對採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列進行波形特徵計算，得出所述採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的波形幅值，並通過所述波形幅值定性評估出井間動態連通性；
s4，在井間動態連通程度的定性評估的基礎上，將採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數作為注採劈分係數，通過注採劈分係數定量評估井間動態連通程度。
本發明的有益效果是：本發明的方法基於生產動態數據反演井間連通性，更有效反映井間實際的連通情況；同時，多重分形是一種從系統的局部出發研究整體特徵的方法，主要藉助統計物理的方法計算概率的分布情況，本發明的方法基於多重分形原理，結合多重分形譜參數特徵並計算相關譜參數，可以定量獲取井間連通程度強弱關係，從而可以細粒度的刻畫油藏井間連通程度。
在上述技術方案的基礎上，本發明還可以做如下改進。
進一步，s1具體為，
s11，讀取注採井的生產動態數據；
s12，篩選出與多個注水段起始時間中初始注水量日期對應匹配的生產動態數據；
s13，將篩選出的生產動態數據帶入相應的數據預處理算法中計算，得出與多個注水段起始時間中初始注水量日期分別對應匹配的生產動態數據的時間序列。
進一步，所述動態生產數據包括注水量、產油量、含水量、含水率和注水段起始時間。
進一步，在s12中，如果篩選出的注水量、產油量、含水量和含水率存在數據缺失的情況，還包括對篩選出的注水量、產油量、含水量和含水率進行數據補齊。
採用上述進一步方案的有益效果是：數據補齊的處理可以有效提高後續計算的精度。
進一步，採用去噪補齊缺失數據，或採用eemd時頻分解，結合支持向量機對各子信號建模預測實現數據的插值處理補齊缺失數據。
採用上述進一步方案的有益效果是：若遇到關停井、修井等導致少量數據缺失，採用去噪補齊缺失數據；對於較長數據缺失，採用eemd時頻分解，結合支持向量機對各子信號建模預測實現數據的插值處理；針對不同缺失程度的數據採用不同的補齊處理方法，使得補齊的數據更加真實有效。
進一步，s2具體為，
s21，將採集時間位於注水後預設周期中的生產動態數據的時間序列用時間標度δ分割成n(n＝1/δ)個互不重疊的區間；
s22，計算出每一個區間內樣本的概率測度pi(δ)；
s23，根據所有區間內的概率測度pi(δ)和權重因子q求出多重分形算法的配分函數χq(δ)；
s24，對配分函數χq(δ)和時間標度δ求對數得出lnχq(δ)～lnδ雙對數曲線，並通過最小二乘法擬合算法來估算lnχq(δ)～lnδ雙對數曲線的斜率τ(q)；
s25，對斜率τ(q)和權重因子q進行勒讓德變換得出奇異指數α和多重分形譜函數f(α)；
s26，繪製f(α)～α曲線圖並對其進行積分處理，得到採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數
採用上述進一步方案的有益效果是：多重分形是定義在分形結構上的有無窮多個標度指數所組成的一個集合，通過一個譜函數來描述分形結構上不同的局域條件、或分形結構在演化過程中不同層次所導致的特殊的結構行為與特徵；通過計算概率測度pi、配分函數χq(δ)和質量指數τ(q)，採用最小二乘法回歸擬合得到α和多重分形譜函數f(α)；在f(α)～α圖形中，δα(即αmax-αmin)表示數據的均勻程度，δα越大，則表示曲線越不規則，而對於每一個奇異指數α所對應的範圍，f(α)表示該區間的分形維數，即該區間數據參差不齊的程度，將f(α)～α圖形積分的結果作為波動的複雜程度表徵井間連通性。
進一步，s21中採集時間位於注水後預設周期中的生產動態數據的時間序列包括產油量的時間序列和含水量的時間序列；s26中採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數包括產油量的多重分形譜參數和含水量的多重分形譜參數。
進一步，在s3中，對採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列進行波形特徵計算的具體步驟為，
s31，選取採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列；
s32，以時間窗口為單位計算局部窗口內採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列的波動幅值，並採用滑動時間窗口記錄採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列的最大的波動幅值，其中，採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列的最大的波動幅值即為採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的波形幅值。
進一步，s31中的採集時間位於注水後預設周期中一段時間跨度內的生產動態數據為含水率，s32中採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的波動幅值為含水率的波動幅值。
採用上述進一步方案的有益效果是：理論上注水後連通井生產數據會存在一定變化特徵，在相同注水情況下波動特徵變化越大井間動態連通程度越強；注水後油井生產數據的波形特徵在一定程度上反映了井間連通程度，正常情況下，其波動變化受到注水驅動、泵抽、衝程、衝次等因素的綜合影響，反映了生產過程中產生產井的能量變化，而在非正常情況下，如頻繁的關停井、更換油嘴、洗井(以上稱之為工作制度變更)或生產數據缺失不全(數據質量差)時，最大波動往往表現出無規律性；在各類生產數據中，注水後含水率的波動情況受注水影響最為明顯，因此通過計算注水前後含水率的波動大小在一定程度上可以判斷井間連通關係。
基於上述一種基於多重分形的油藏井間連通程度的評估方法，本發明還提供了一種基於多重分形的油藏井間連通程度的評估系統。
一種基於多重分形的油藏井間連通程度的評估系統，包括預處理模塊、多重分形譜參數生成模塊、波形特徵計算模塊和井間動態連通程度定量評估模塊，
預處理模塊，其用於讀取並預處理注採井的生產動態數據，得到生產動態數據的時間序列；
多重分形譜參數生成模塊，其用於對採集時間位於注水後預設周期中的生產動態數據採用多重分形算法進行計算，得出所述採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數；
波形特徵計算模塊，其用於對採集時間位於注水後預設周期中一段時間跨度內的生產動態數據進行波形特徵計算，得出所述採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的波形幅值，並通過所述波形幅值定性評估出井間動態連通性；
井間動態連通程度定量評估模塊，其用於在井間動態連通程度的定性評估的基礎上，將採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數作為注採劈分係數，通過注採劈分係數定量評估井間動態連通程度。
本發明的有益效果是：本發明的系統基於生產動態數據反演井間連通性，更有效反映井間實際的連通情況；同時，多重分形是一種從系統的局部出發研究整體特徵的方法，主要藉助統計物理的方法計算概率的分布情況，本發明的系統基於多重分形原理，結合多重分形譜參數特徵並計算相關譜參數，可以定量獲取井間連通程度強弱關係，從而可以細粒度的刻畫油藏井間連通程度。
附圖說明
圖1為本發明一種基於多重分形的油藏井間連通程度的評估方法的整體流程圖；
圖2為本發明一種基於多重分形的油藏井間連通程度的評估方法中s1的具體流程圖；
圖3為本發明一種基於多重分形的油藏井間連通程度的評估方法中s2的具體流程圖；
圖4為本發明一種基於多重分形的油藏井間連通程度的評估方法中s3的具體流程圖；
圖5為tk634井組區域地質概況圖；
圖6為多重分形法得到的tk634井組劈分關係圖；
圖7為tk617ch井組區域地質概況圖；
圖8為多重分形法得到的tk617ch井組劈分關係圖；
圖9為本發明一種基於多重分形的油藏井間連通程度的評估系統的結構框圖。
具體實施方式
以下結合附圖對本發明的原理和特徵進行描述，所舉實例只用於解釋本發明，並非用於限定本發明的範圍。
如圖1所示，一種基於多重分形的油藏井間連通程度的評估方法，包括以下步驟，
s1，讀取並預處理注採井的生產動態數據，得到生產動態數據的時間序列；
s2，對採集時間位於注水後預設周期中的生產動態數據的時間序列採用多重分形算法進行計算，得出所述採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數；
s3，對採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列進行波形特徵計算，得出所述採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的波形幅值，並通過所述波形幅值定性評估出井間動態連通性；
s4，在井間動態連通程度的定性評估的基礎上，將採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數作為注採劈分係數，通過注採劈分係數定量評估井間動態連通程度。
下面分別對s1～s4進行具體解釋說明。
如圖2所示，s1具體為：
s11，讀取注採井的生產動態數據；其中，所述動態生產數據包括注水量、產油量、含水量、含水率和注水段起始時間；
s12，篩選出與多個注水段起始時間中初始注水量日期對應匹配的生產動態數據；其中，如果篩選出的注水量、產油量、含水量和含水率存在數據缺失的情況，還包括對篩選出的注水量、產油量、含水量和含水率進行數據補齊的處理；數據補齊處理的方法為：①若遇到關停井、修井等導致少量數據缺失，採用去噪補齊缺失數據；②對於較長數據缺失，採用eemd時頻分解，結合支持向量機對各子信號建模預測實現數據的插值處理來補齊數據；
s13，將篩選出的生產動態數據帶入相應的數據預處理算法中計算，得出與多個注水段起始時間中初始注水量日期分別對應匹配的生產動態數據的時間序列。
在s2中，預設周期為兩個月，也就是本具體實施例研究數據對象是每次注水之後的60天(即兩個月)的注採井的含水量的時間序列和產油量的時間序列(根據示蹤劑測試情況注水受效一般在兩個月內)；多重分形是定義在分形結構上的有無窮多個標度指數所組成的一個集合，通過一個譜函數來描述分形結構上不同的局域條件、或分形結構在演化過程中不同層次所導致的特殊的結構行為與特徵。多重分形譜參數計算採用盒計數法，其計算流程如圖3所示：
s21，為用時間標度為δ(δ＜1)的一維小盒子對採集時間位於注水後預設周期中的生產動態數據的時間序列進行覆蓋，即將採集時間位於注水後預設周期中的生產動態數據的時間序列用時間標度δ分割成n(n＝1/δ)個互不重疊的區間；其中，採集時間位於注水後預設周期中的生產動態數據的時間序列包括產油量的時間序列和含水量的時間序列；
s22，計算出每一個區間內樣本的概率測度pi(δ)；其中，記ii(δ)為時間標度為δ時第i個區間內所有樣品含水量值或產油量值之和，則第i個區間內的樣本的概率測度pi(δ)為：
若此含水量的時間序列或產油量的時間序列具有多重分形特徵,則在無標度區間內滿足如下冪律關係:
pi(δ)∝δα(2)
其中，α為第i個區間所對應的標誌pi(δ)大小的奇異指數，反映pi隨δ變化各個區間不同的奇異程度；
把具有相同α的時間標度為δ的區間個數記為nα(δ)，隨δ減少，nα(δ)不斷增加，若此含水量的時間序列或產油量的時間序列存在多標度關係，則在無標度區間內滿足如下冪律關係：
nα(δ)∝δ-f(α)(δ→0)(3)
其中，多重分形譜函數f(α)表示各pi中具有相同α子集的元素的數目隨δ減小而增大的速度；
s23，根據所有區間內的概率測度pi(δ)和權重因子q求出多重分形算法的配分函數χq(δ)；其中的，定義多重分形算法的配分函數χq(δ)為歸一化含水量或產油量的q階矩：
χq(δ)是反映歸一化含水量或產油量pi(δ)不均勻性的統計量，q為權重因子，通過加權處理，達到分層次研究精細結構的目的；
s24，對配分函數χq(δ)和時間標度δ求對數得出lnχq(δ)～lnδ雙對數曲線，並通過最小二乘法擬合算法來估算lnχq(δ)～lnδ雙對數曲線的斜率τ(q)；具體的，由分形的自相似性可知，χq(δ)與δ在無標度區間滿足如下冪律關係：
χq(δ)∝δτ(q)(5)
對上式兩側求對數即得lnχq(δ)～lnδ曲線，其中曲線的斜率τ(q)為質量指數，τ(q)可通過lnχq(δ)～lnδ雙對數曲線中的線性點進行最小二乘法擬合來進行估算；
s25，對斜率τ(q)和權重因子q進行勒讓德變換得出奇異指數α和多重分形譜函數f(α)；具體的，在已知q～τ(q)曲線的前提下，通過勒讓德變換(legendretransformation),由q和τ(q)可以得到α(q)和f(α)：
s26，繪製f(α)～α曲線圖並對其進行積分處理，得到採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數其中，採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數包括產油量的多重分形譜參數和含水量的多重分形譜參數。
綜上所述，通過計算概率測度pi、配分函數χq(δ)和質量指數τ(q)，採用最小二乘法回歸擬合得到α和多重分形譜函數f(α)；在f(α)～α圖形中，δα(即αmax-αmin)表示數據的均勻程度，δα越大，則表示曲線越不規則；而對於每一個奇異度指數α所對應的範圍，f(α)表示該區間的分形維數，即該區間數據參差不齊的程度；將f(α)～α圖形積分的結果作為波動的複雜程度表徵井間連通程度。
在s3中，計算在注水後預設周期中一段時間跨度內生產數據如含水率的最大波動，選擇波峰與波谷之間差值的最大值作為局部最大波動；假設選取時間跨度為t，時間窗口大小為t(t<t)，求解t-t+1個時間窗口內的含水率局部最大波動值，其中第i個窗口的局部最大波動記為δi,δmax＝max{δ1，δ2，...，δt-t+1}為注水後一段時間跨度內最大波動值；δi具體判斷如圖4所示：
在s3中，對採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列進行波形特徵計算的具體步驟為，
s31，選取採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列；其中，採集時間位於注水後預設周期中一段時間跨度內的生產動態數據為含水率；如果待判斷油井在含水量波動期間出現了生產制度幹擾(如更改油嘴大小，洗井，停井等操作)，根據具體情況決定是否篩去該井；
s32，以時間窗口為單位計算局部窗口內所述採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列的波動幅值，並採用滑動時間窗口記錄所述採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列的最大的波動幅值，其中，所述採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的時間序列的最大的波動幅值即為所述採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的波形幅值；另外，採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的波動幅值為含水率的波動幅值。
在s3中，理論上注水後注採井生產動態數據會存在一定變化特徵，在相同注水情況下波動特徵變化越大井間動態連通程度越強；注水後生產井生產數據的波形特徵在一定程度上反映了井間連通程度；正常情況下，其波動變化受到注水驅動、泵抽、衝程、衝次等因素的綜合影響，反映了生產過程中產生產井的能量變化；而在非正常情況下，如頻繁的關停井、更換油嘴、洗井(以上稱之為工作制度變更)或生產數據缺失不全(數據質量差)時，最大波動往往表現出無規律性；在各類生產數據中，注水後含水率的波動受注水影響最為明顯，因此通過計算注水前後含水率的波動大小在一定程度上可以定性判斷井間連通關係。
s4採用多重分形法做連通程度的定量評估，具體步驟如下：在s3中井間連通程度定性計算基礎上，綜合s2中得出的產油量的多重分形譜參數和含水量的多重分形譜參數作為注採劈分係數，反映注水後各生產井水量的劈分情況；劈分係數越大，一般井間動態連通程度越強。
本發明的方法，其目的是建立油藏生產動態數據與井間連通程度間的映射關係，通過計算多重分形譜參數來定量判斷井間連通程度的強弱關係。基本原理是注水井注入量的變化往往會引起周圍油井產液量的波動，波動幅度越大，連通程度越好，針對生產動態數據通過數學方法量化表徵注採間連通程度。縫洞型油藏的生產動態數據如含水量、產油量等的動態變化並不遵循隨機遊動，也不服從正態分布，整個分布呈現尖峰肥尾的非線性動力系統特徵，因此傳統統計方法和時序模型無法有效刻畫複雜注採機理。多重分形是一種從系統局部出發研究整體特徵的方法，藉助統計物理的方法計算其概率分布情況，採用多重分形譜參數描述持續注水、關停井、洗井各種工作制度改變後生產數據的變化特徵，挖掘含水率、產油波動與注水間的關聯性，定量分析油藏注採井間連通程度。該算法基於生產動態資料，利用統計物理的方法計算概率的分布對注採間連通強弱進行定量分析，在認識注入流體流向的基礎上，通過多重分形算法計算注水受效情況。該方法克服了傳統井間連通判斷方法影響正常生產施工作業的問題，降低注採連通強弱判別的成本，同時簡化傳統注採連通關係判別的工作量。
下面以塔河油田縫洞型油藏為例介紹本發明方法的具體應用：
塔河油田縫洞型油藏，是以溶洞、縫洞為主的特殊油藏。孔、洞、縫按照不同的方式及規模將會組成多種儲集類型，具有很強的非均質性特徵。主要包括三疊系、石炭系的砂巖油藏，以及奧陶系的碳酸鹽巖油藏。油田儲量主要來自奧陶系碳酸鹽巖油藏，奧陶系油藏探明儲量佔油田總探明儲量的81.7％，目前油田主力產油層為奧陶系縫洞性碳酸鹽巖地層。研究區域包含296口井，歷史資料有超過15年的數據(從2001年到2015年)。算法運行環境：windows7系統，4g運行內存，2.94ghzpentium(r)dual-corecpu；運行工具：vs2010；程式語言：c/c++。實驗測試對象選取的是塔河油田的四六七單元。
實驗測試對象選取的是塔河油田四六七單元的2個注採井組，分別是tk634(2009年4月23日)和tk617ch(2007年11月27日)。基於生產數據資料，選取這2個注採井組注水之後的60天的生產數據，對這些數據進行多重分形譜參數計算，得到井間連通程度結果。
示蹤劑驗證是一種傳統的判斷井間連通關係的方法，通過投放示蹤劑、在周圍井中取樣、分析樣品等來明確井間連通關係。本發明的方法以實際注採井示蹤劑實驗作為參照，進行計算結果連通性判斷的驗證。多重分形結果和示蹤劑結果對比如下所示：
(1)tk634井組(2009年4月23日)
tk634井是在塔河油田6區牧場北6號構造上部署的一口開發井，tk634井位於tk7-607單元與s67單元,以及東北部位的t606單元區域的結合部位如圖5所示。該井2002年5月24日投產，投產時無水生產，無水採油期較長，至今已累計產液15.5626萬噸，產油12.4326萬噸。目前日產水液31.2噸，日產油2.3噸，含水92.5％。
多重分形法得到的tk634井組注水劈分關係對比如表1所示：
表1
多重分形法得到的tk634井組劈分關係如圖6所示；
通過表1和圖6，示蹤劑水量分配與多重分形法連通參數特徵較吻合。經檢驗，井組示蹤劑水量分配情況與多重分形得到的連通參數比例大小順序一致，並且兩者的比例大小很接近，說明該井連通性結果與示蹤劑測試結果較為吻合。
(2)tk617ch井組(2007年11月27日)
tk617ch井位於塔河油田6區東北部，牧場北2號構造高點上，生產層位為奧陶系o1-2y。區域縫洞單元如圖7，單元內的部分油井的天然能量大都較大，無水開採期時間較長，初始產量高，單元內的油井在鑽探過程中都有不同程度的放空現象，說明單元內的儲集體是溶洞、逢洞發育的油藏。
多重分形法得到的tk617ch井組注水劈分關係如表2所示：
表2
圖8為多重分形法得到的tk617ch井組劈分關係如圖8所示；
通過表2和圖8，可看出示蹤劑水量分配與多重分形法連通參數特徵較吻合。經檢驗，井組示蹤劑水量分配情況與多重分形得到的連通參數比例大小順序一致，並且兩者的比例大小很接近，說明該井連通性結果與示蹤劑測試結果較為吻合。
總的來說，從上面的對比圖表的結果與分析來看，多重分形研究井間連通程度的實驗結果與示蹤劑的結果相符，基本符合油田的實際情況，新方法計算的結果較為準確與可靠，具有一定的實用價值，對油藏的開發起到一定促進作用。
基於上述一種基於多重分形的油藏井間連通程度的評估方法，本發明還提供了一種基於多重分形的油藏井間連通程度的評估系統。
如圖9所示，一種基於多重分形的油藏井間連通程度的評估系統，包括預處理模塊、多重分形譜參數生成模塊、波形特徵計算模塊和井間動態連通程度定量評估模塊，
預處理模塊，其用於讀取並預處理注採井的生產動態數據，得到生產動態數據的時間序列；
多重分形譜參數生成模塊，其用於對採集時間位於注水後預設周期中的生產動態數據採用多重分形算法進行計算，得出所述採集時間位於注水後預設周期中的生產動態數據的多重分形譜參數；
波形特徵計算模塊，其用於對採集時間位於注水後預設周期中一段時間跨度內的生產動態數據進行波形特徵計算，得出所述採集時間位於注水後預設周期中一段時間跨度內的生產動態數據的波形幅值，並通過所述波形幅值定性評估出井間動態連通性。
本發明的系統基於生產動態數據反演井間連通性，更有效反映井間實際的連通情況；同時，多重分形是一種從系統的局部出發研究整體特徵的方法，主要藉助統計物理的方法計算概率的分布情況，本發明的系統基於多重分形原理，結合多重分形譜參數特徵並計算相關譜參數，可以定量獲取井間連通程度強弱關係，從而可以細粒度的刻畫油藏井間連通程度。
以上所述僅為本發明的較佳實施例，並不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護範圍之內。