一种基于机器学习的油水相对渗透率曲线计算方法

    公开(公告)号:CN109800521A

    公开(公告)日:2019-05-24

    申请号:CN201910078370.X

    申请日:2019-01-28

    Abstract: 本发明公开了一种基于机器学习的油水相对渗透率曲线计算方法,包括以下步骤:建立表征油水相对渗透率曲线特征的模型;油水相对渗透率曲线样本的预处理;采用神经网络图灵机训练样本及检验模型;预测油水相对渗透率曲线。本发明利用机器学习的计算方法得出油水相对渗透率曲线,速度快,成本低,考虑了油水粘度、孔隙度、渗透率、孔隙结构、矿物成分、沉积相带和驱替条件等动态和静态因素,符合实际矿场应用,为油水相对渗透率曲线的研究提供了新思路。

    一种基于小样本条件下的吸水剖面预测方法

    公开(公告)号:CN109543828B

    公开(公告)日:2020-10-23

    申请号:CN201811617997.X

    申请日:2018-12-28

    Abstract: 本发明公开了一种基于小样本条件下的吸水剖面预测方法,对待分析油田区块的多源数据进行收集;进行井间连通性分析和灰色关联分析,确定影响吸水剖面的静态和动态因素,并进行归一化处理构成标准的吸水剖面小样本库;以小层为机器学习单元建立集成多任务的代价函数,以梯度下降为学习算法得到适应各个小层吸水量预测的泛化模型;依托注水井有限的吸水剖面资料进一步参数微调和个性化学习,建立适应注水井吸水劈分规律的吸水量预测模型,基于该模型实现吸水剖面的连续动态预测。本发明基于小样本条件下的机器学习理论基础,实现了注水量的准确劈分和吸水剖面的预测,对于认清地下剩余油分布具有重要意义,是实现智能油田分层配产配注的基础。

    一种基于小样本条件下的吸水剖面预测方法

    公开(公告)号:CN109543828A

    公开(公告)日:2019-03-29

    申请号:CN201811617997.X

    申请日:2018-12-28

    CPC classification number: G06F17/16 G06N3/06 G06N3/08 G06Q10/04

    Abstract: 本发明公开了一种基于小样本条件下的吸水剖面预测方法,对待分析油田区块的多源数据进行收集;进行井间连通性分析和灰色关联分析,确定影响吸水剖面的静态和动态因素,并进行归一化处理构成标准的吸水剖面小样本库;以小层为机器学习单元建立集成多任务的代价函数,以梯度下降为学习算法得到适应各个小层吸水量预测的泛化模型;依托注水井有限的吸水剖面资料进一步参数微调和个性化学习,建立适应注水井吸水劈分规律的吸水量预测模型,基于该模型实现吸水剖面的连续动态预测。本发明基于小样本条件下的机器学习理论基础,实现了注水量的准确劈分和吸水剖面的预测,对于认清地下剩余油分布具有重要意义,是实现智能油田分层配产配注的基础。

Patent Agency Ranking