关键词：KW 5.30，Saphir，Wavelet Filter，子波过滤，降噪
存在问题：现在很多国际公司的客户在承接海外油田的永久压力计数据分析时，经常面临数据点过多，处理困难，提取双对数曲线计算量大、时间长等问题，那么Saphir是否可以对这种大数据量进行有效处理呢？
解决办法：KW 5.30版本的新增的子波过滤功能可以帮助客户处理数据量过多，噪点过多的问题。
实现工具：Saphir
国内很多客户负责的海外区块经常需要处理永久压力计的记录数据，永久压力计一般都下入到储层中深位置，平均1秒记录5-10个压力数据点，如图1所示。通常这种大数据量的载入、处理以及导数曲线的提取分析需要涉及到大量计算，直接影响解释分析的效率。
图1 永久压力计数据特点
在新版的KW 5.30版本中，新增了Kappa Sever软件中独有的处理永久压力计数据的Wavelet Filter子波过滤功能，用户可以在QAQC界面Edit标签下Process功能选项里找到，打开后的界面如图2所示。该界面包含预加载数据定义、子波过滤算法选择、抽稀参数定义等。
图2 Wavelet Filter子波过滤功能应用界面
此案例包含了约300多万个数据计录点，我们可以在图2左界面的Pre-load section定义预加载数据点，输入较大数据即可显示全部记录数据，如图2右所示。
接下来选择子波降噪算法，Wavelet filtering提供了2中降噪算法，为Wavelet I和Wavelet II。Wavelet I降噪算法按照定义重采样间隔进行降噪计算。针对不同分析的要求，通常在Saphir试井分析中，选择PTA（5秒）采样间隔，在做Topaze生产分析选择PA（5分钟）采样间隔。Wavelet II降噪算法不需要定义数据重采样，直接在原有数据点上进行降噪处理。
选择两种降噪算法，Wavelet I算法选择PTA采样间隔，经过降噪处理后的数据如图4所示。
Wavelet I算法对数据的降噪处理成果
Wavelet II算法对数据的降噪处理成果
图4 两种降噪算法对数据处理的结果对比
图4分别显示了两种算法源数据和降噪后的数据对比，蓝色的表示降噪后的数据点，绿色的表示原始数据数据点，红色的数据点表示降噪后的数据点与原始数据点差异大小。
从降噪后的数据点分布可以看出，两种方法源数据的噪点得到了一定压制，Wavelet I算法对噪点的压制更平滑，这种算法基于多次迭代噪点压制，能所带来的更好的处理效果。
在降噪后，用户也可以修改过滤标准再次降噪数据，选择滚轮图标Filter level，修改过滤标准，此标准范围值为-100~100之间，大于0会进一步降噪平滑，小于0会进一步还原噪点数据。如图5所示。
图5 定义Filter level过滤标准为+20和-20的数据处理结果
降噪后的数据依然保留了源数据点的数量，为了更好的进行下一步分析，我们还需要对降噪后的数据进行抽稀处理。选择界面上的Decimation功能，这里的抽稀处理和QAQC下的抽稀处理功能相同，用户可以在这里进行处理，也可以回到处理界面选择Decimation进行处理。
数据抽稀可以分别定以抽稀的时间变差和压力变差，获取符合变差要求的数据。对于试井分析来说，通常我们需要在生产段的压力数据稀疏些，在压恢段的数据精密些，就需要同时定义两个参数，横坐标时间最大变差Δt max和纵坐标压力最大变差Δy max，如图6所示。
图6 数据抽稀参数定义后的最终数据点显示
抽稀后的数据量由300多万个数据点降到了11656个数据点，同时还保证了压恢段数据的精密度，满足了我们进行压恢解释分析的数据要求。
通过数据处理前和数据处理后的双对数曲线对比可以看出，如图7所示。处理后的双对数曲线更平滑，同时还保证了不失真。
图7 数据处理前后的双对数曲线对比
结论：KW 5.30版本将子波过滤功能模块结合进来，对于没有Kappa serve或其他数据降噪处理软件的客户处理永久压力计数据，提供了极大的便利。
本文转自微信公号“ESSCAGROUP”
