试井作为一种判断油气藏特征及确定油气藏地质参数和井的特性参数的重要手段,已成为油气勘探开发工作的一个重要组成部分。常规试井分析存在拟合速度慢和拟合精度低等问题。为了克服人为因素引起的偏差,提高拟合效率,将计算机自动拟合技术应用到试井分析中,自动拟合结果的优劣取决于实测数据、试井分析模型及算法,其中算法对结果的影响最大,所以不仅要对实测含噪数据进行去噪处理,更要对算法进行深入研究。本文对小波变换数据去噪和不稳定试井自动拟合算法两个方面作了研究。(1)首先,本文介绍了小波变换去噪理论,分析了小波类型、小波去噪阈值及小波分解层数对去噪效果的影响,并对实测压力恢复试井数据进行了去噪,取得了很好的效果,提高了试井分析的精度。(2)随后研究了LM (Levenberg-Marquardt)算法、遗传算法和粒子群算法三种最优化算法。研究表明：①遗传算法和粒子群算法具有群体搜索和全局收敛性,但是两种算法的局部搜索能力比较差；②粒子群算法比遗传算法的搜索速度更快；③LM算法对初值的依赖性很强,只有当迭代的初值接近最优解时,其才有较快的局部搜索速度。所以,本文将粒子群算法和LM算法结合,利用粒子群算法在全局解空间中快速搜索得到近似最优解,同时利用LM算法在粒子群算法的近似最优解附近细致地搜索最优解。这样不仅可以克服LM算法对初值依赖性,还能充分利用粒子群算法的全局收敛性和快速的搜索速度。(3)最后运用Matlab编制程序实现小波变换去噪和试井分析自动拟合,并结合实例对去噪效果和自动拟合算法进行验证。