-
公开(公告)号：CN114638401A
公开(公告)日：2022-06-17
申请号：CN202210158923.4
申请日：2022-02-21
Applicant: 北京中科智上科技有限公司 , 北京科技大学
Abstract: 本发明提供一种基于历史及预测油藏知识的剩余油分布预测方法及装置，属于石油开发技术领域；方法包括：根据目标油藏油井相关历史动态及静态监测数据建立完备数据集；利用完备数据集对LSTM模型进行训练及测试；利用完成训练的LSTM模型预测单井在预设时刻的产量；根据产量预测结果、油藏专家经验获取预设时刻单井三相饱和度；根据单井三相饱和度并设定油藏边界条件及物理约束条件，采用Kriging方法插值演化预设时刻油气水三相饱和度场，得到目标油藏剩余油分布预测结果。本发明考虑了众多物理规律及油藏专家经验，从不完整、离散的油藏监测数据出发，外推出了更多油藏信息，为剩余油分布预测提供了完整、鲁棒的数据支撑。
-
公开(公告)号：CN112818591A
公开(公告)日：2021-05-18
申请号：CN202110076317.3
申请日：2021-01-20
Applicant: 北京科技大学
IPC: G06F30/27 , G06F30/28 , G06F30/23 , G06N3/04 , G06F111/04 , G06F111/10
Abstract: 本发明提供一种基于物理约束的DL模型预测致密油压裂范围的方法，属于致密油压裂技术领域。该方法首先对所研究的问题提出合理物理假设并设置相关参数，然后建立二维轴对称的数值计算模型，进行网络的划分并设置时间步，建立深度学习模型，设置深度神经网络模型的结构和其他参数，用测试集得到预测结果，使用L2范数和决定系数R2作为评价指标对预测结果进行评价，比较考虑物理约束与不考虑物理约束下神经网络预测的精度，最后在添加物理约束的神经网络的基础上改变训练数据量大小并衡量其预测能力。该方法可应用于两驱模型分区的流场分布的快速预测，其预测准确率及适应能力较强，计算速度快，可良好的解决致密油流场分布未知问题和小样本预测问题。
-
公开(公告)号：CN110807544B
公开(公告)日：2020-10-13
申请号：CN201910951088.8
申请日：2019-10-08
Applicant: 北京科技大学
Abstract: 本发明涉及一种油田剩余油饱和度分布的预测方法，其包括如下步骤：(1)从油田区块的历史数据获取样本数据集，包括动态样本数据和静态样本数据；(2)对样本数据集进行归一化处理；(3)对归一后的样本数据集中的静态样本数据进行特征关联性压缩；(4)在保留时间维度的基础上对已归一压缩的样本数据集进行降维处理；(5)分割已归一压缩并降维处理的样本数据集以获得训练集和测试集；(6)构建训练集的输入集和测试集的输入集；(7)使用机器学习方法对训练集输入集的权值矩阵和偏置项进行训练，并对关键数据单元进行强化训练，以获得最优训练模型；(8)根据最优训练模型获得测试集输出集，并进行逆归一化和升维处理。该方法可应用于目前复杂地质情况下的剩余油开采能力快速预测，其预测准确率及适应能力较强。
-
公开(公告)号：CN114676978B
公开(公告)日：2024-11-29
申请号：CN202210209642.7
申请日：2022-03-03
Applicant: 北京中科智上科技有限公司 , 北京科技大学
IPC: G06Q10/0637 , G06F16/25 , G06N20/00 , G06Q50/02 , G06F16/36
Abstract: 本发明提供一种面向油气领域的生产智能决策系统及方法，属于油气开发领域；系统包括：油气多源异构数据治理模块，用于实现油气领域数据一体化治理；油气生产智慧决策平台业务模块，用于实现油气生产智慧决策、智慧储运集输、智慧运营销售以及系统管理与运维；智能算法构件库，用于提供基础算法以及基于特定场景定制化开发的智能算法；功能模块容器化封装以及自动化管理模块，用于将油气多源异构数据、智能算法构件库、智能服务构件库进行容器化封装，进行容器统一调度和管理；不同场景下模型自定义开发模块，用于搭建面向不同场景的专业化模型。本发明解决了油气行业生产中业务场景关联少等问题，对油气行业数字化及智能化发展有着重要作用。
-
Patent Agency Ranking
公开(公告)号：CN113792479B
公开(公告)日：2023-09-22
申请号：CN202110971711.3
申请日：2021-08-23
Applicant: 北京科技大学
IPC: G06F30/27 , G06F30/28 , G06N3/0464 , G06N3/084 , E21B43/26 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明提供一种基于物理约束的煤层气藏压裂效果评价方法，属于油藏开发技术领域；包括步骤如下：基于油气田现场提供的动静态数据构建数据集；建立针对动态数据的基于物理背景下的数据清洗算法；根据直接的参数控制以及间接的物理约束构建了“数据+物理”双指导条件下的误差指导方程；考虑动静态数据维度以及物理参数的实际重要程度建立了结合网络结构；通过循环组合模式来构建训练集和测试集；基于训练集和测试集，利用误差指导方程来构建新的残差函数，并通过反向传播算法对结合网络模型进行训练及测试，获得最优的压裂效果评价模型；建立排己算法定义各个输入参数对于裂缝半长以及压裂后渗透率的贡献度。
-
公开(公告)号：CN114896903A
公开(公告)日：2022-08-12
申请号：CN202210493119.1
申请日：2022-05-07
Applicant: 北京科技大学
IPC: G06F30/28 , G06F30/27 , G06N3/04 , G06N3/08 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于强制学习的油田生产系统决策优化方法，包括：收集油田生产现场的动态生产数据，建立油藏生产优化的数据立方体；基于数据立方体对预设的机器学习模型进行训练，得到用于根据生产现场的动态生产数据预测产油量的基于强制学习的油藏注采系统代理模型；构造面向注气油藏生产优化的评估函数；在生产优化过程中建立基于输入参数的强制约束模型及边界约束条件；以约束模型及边界约束条件为约束，基于油藏注采系统代理模型，以评估函数为优化方向，寻找油藏生产优化方案，得到最优生产方案。本发明可以解决传统的基于物理的方法在计算精度以及时间方面有局限性的技术问题。
-
公开(公告)号：CN112818591B
公开(公告)日：2021-08-03
申请号：CN202110076317.3
申请日：2021-01-20
Applicant: 北京科技大学
IPC: G06F30/27 , G06F30/28 , G06F30/23 , G06N3/04 , G06F111/04 , G06F111/10
Abstract: 本发明提供一种基于物理约束的DL模型预测致密油压裂范围的方法，属于致密油压裂技术领域。该方法首先对所研究的问题提出合理物理假设并设置相关参数，然后建立二维轴对称的数值计算模型，进行网络的划分并设置时间步，建立深度学习模型，设置深度神经网络模型的结构和其他参数，用测试集得到预测结果，使用L2范数和决定系数R2作为评价指标对预测结果进行评价，比较考虑物理约束与不考虑物理约束下神经网络预测的精度，最后在添加物理约束的神经网络的基础上改变训练数据量大小并衡量其预测能力。该方法可应用于两驱模型分区的流场分布的快速预测，其预测准确率及适应能力较强，计算速度快，可良好的解决致密油流场分布未知问题和小样本预测问题。
-
公开(公告)号：CN112819240A
公开(公告)日：2021-05-18
申请号：CN202110192283.4
申请日：2021-02-19
Applicant: 北京科技大学
Abstract: 本发明提供一种基于物理约束的LSTM模型预测页岩油产量的方法，属于页岩油产量预测技术领域。该方法首先从油田区块获取实际动态生产数据，然后对样本数据集去噪，消除异常值，进行标准化和归一化处理，再将长短期记忆神经网络模型作为学习模型，并设置LSTM模型的结构，将神经网络模型的损失函数定义为数据项和控制方程之和，在添加物理约束的神经网络基础上对训练集进行训练，然后用测试集得到预测结果。该方法所设计的系统将能表征页岩油产量相关参数关系的物理方程带入到网络模型里，这种物理约束模型预测准确率及适应能力较强，计算速度快，可良好的解决页岩油产量预测问题，还可以校正储层的有效渗透率分布，更好的指导现场开发。
-
公开(公告)号：CN110807544A
公开(公告)日：2020-02-18
申请号：CN201910951088.8
申请日：2019-10-08
Applicant: 北京科技大学
Abstract: 本发明涉及一种油田剩余油饱和度分布的预测方法，其包括如下步骤：(1)从油田区块的历史数据获取样本数据集，包括动态样本数据和静态样本数据；(2)对样本数据集进行归一化处理；(3)对归一后的样本数据集中的静态样本数据进行特征关联性压缩；(4)在保留时间维度的基础上对已归一压缩的样本数据集进行降维处理；(5)分割已归一压缩并降维处理的样本数据集以获得训练集和测试集；(6)构建训练集的输入集和测试集的输入集；(7)使用机器学习方法对训练集输入集的权值矩阵和偏置项进行训练，并对关键数据单元进行强化训练，以获得最优训练模型；(8)根据最优训练模型获得测试集输出集，并进行逆归一化和升维处理。该方法可应用于目前复杂地质情况下的剩余油开采能力快速预测，其预测准确率及适应能力较强。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.021 seconds)
