-
公开(公告)号：CN117035199B
公开(公告)日：2025-04-25
申请号：CN202311091361.7
申请日：2023-08-28
Applicant: 中国石油大学(北京)
IPC: G06Q10/04 , G06Q50/02 , G06F18/27 , G06N3/044 , G06N3/0442 , G06N3/047 , G06N3/084 , G06N3/0985 , G06F123/02
Abstract: 本申请公开了多重时间序列井网产量概率预测方法、装置、设备及介质，涉及石油和天然气产量预测深度学习技术领域，包括确定训练集和测试集；建立自回归神经网络和产量概率分布函数，构建深度自回归网络模型；对产量概率分布函数进行极大似然估计，得到产量概率分布函数参数，对极大似然函数优化，得到目标产量概率分布函数参数；判断目标产量概率分布函数参数是否符合参数指标，若符合，对测试集多重时间序列的井网产量预测，得到井网产量预测结果，实现对训练后深度自回归网络模型多重时间序列的井网产量预测结果评估。实现针对多井进行训练预测，充分利用油田数据提高多井建模训练效率，减少建模消耗时间成本，提高对非常规致密气产量预测效果。
-
公开(公告)号：CN116297095A
公开(公告)日：2023-06-23
申请号：CN202310252700.9
申请日：2023-03-07
Applicant: 中国石油大学(北京)
Abstract: 本申请公开了一种岩石渗透率计算方法、装置、设备及介质，涉及地质力学领域，包括：获取渗透率计算参数；其中，渗透率计算参数中包括初始孔隙度、正应变参数以及初始渗透率；对渗透率计算参数进行表观应变计算，以得到表观面积应变参数，根据表观面积应变参数计算出各岩石表观面积应变和各岩石骨架表观面积应变；基于各岩石表观面积应变和各岩石骨架表观面积应变分别计算出岩石变形后的各面孔率；获取岩石变形后毛管参数，基于渗透率计算参数、岩石变形后毛管参数以及各面孔率计算出各变形后岩石渗透率。通过本申请上述技术方案，能根据应变场求解不同方向的渗透率变化量，并利用动态渗透率模型实现各向异性地层流固耦合数值模拟。
-
公开(公告)号：CN115640888A
公开(公告)日：2023-01-24
申请号：CN202211273216.6
申请日：2022-10-18
Applicant: 中国石油大学(北京)
Abstract: 本发明公开了一种递减函数嵌入式门限序列网络的产量预测方法，包括：获取一段时间内油气藏的历史数据；对历史数据进行预处理得到样本数据；构建递减规律和数据联合驱动的门限序列网络模型作为递减函数嵌入式门限序列网络模型；利用样本数据对递减函数嵌入式门限序列网络模型进行训练，得到产量预测模型；将井底流压数据和时间数据输入到所述产量预测模型中，得到预测油气产量。本发明有效提高了门限序列网络模型的可解释性和预测能力，指导油气藏的储量动态评估和油气藏开发井网调整，对油气藏开发的整体效益具有重要的指导意义。此外，本发明还提供了一种递减函数嵌入式门限序列网络的产量预测装置、设备及存储介质，同样具有以上有益效果。
-
公开(公告)号：CN115169242A
公开(公告)日：2022-10-11
申请号：CN202210898894.5
申请日：2022-07-28
Applicant: 中国石油大学(北京)
IPC: G06F30/27 , G06F30/23 , G06N3/04 , G06N3/06 , G06N3/08 , G06Q50/02 , G06F119/14 , G06F111/10 , G06F111/04 , G06F113/08
Abstract: 本申请公开了一种物理和数据联合驱动的油藏渗流模拟方法及系统，确定目标油藏区域的物理模型；确定目标油藏区域的流体高压物性、储层属性以及多相渗流机理；基于物理模型、流体高压物性、储层属性及多相渗流机理，确定目标油藏区域的多相渗流模型；构建自适应可微分节点神经元连接模型，并基于多相渗流模型和井点生产数据确定自适应可微分节点神经元连接模型的损失函数；获取物理模型的时空训练数据集；基于井点生产数据及多相渗流模型对自适应可微分节点神经元连接模型进行训练，得到训练好的自适应可微分节点神经元连接模型；基于训练好的自适应可微分节点神经元连接模型，确定时空训练数据集对应的压力场和饱和度场；油藏渗流模拟适用性好。
-
公开(公告)号：CN113187450A
公开(公告)日：2021-07-30
申请号：CN202110656839.0
申请日：2021-06-11
Applicant: 中国石油大学(北京)
Abstract: 本申请公开了一种CO2电还原埋存与采油方法，基于分别连接至同一连通井组内的注入井和采出井的催化负极和惰性正极，包括将CO2通过所述注入井注入原油储层；对所述催化负极和所述惰性正极通电；利用所述催化负极和所述惰性正极对CO2进行原位电还原，将CO2转换为目标产物实现CO2的埋存，并利用所述目标产物驱替原油，还利用所述催化负极和所述惰性正极进行原位原油电催化裂解以提高原油的流动性。上述CO2电还原埋存与采油方法，能够提高CO2的埋存效率，提高油藏的采收率，保障能源安全，减少温室气体的排放。
-
Patent Agency Ranking
公开(公告)号：CN112761628A
公开(公告)日：2021-05-07
申请号：CN202110096222.8
申请日：2021-01-25
Applicant: 中国石油大学(北京)
Abstract: 本说明书实施例提供了一种基于长短期记忆神经网络的页岩气产量确定方法、装置，其中，该方法包括：获取目标页岩气水平井在目标时刻前一周期中各个时刻的产量数据；对在所述目标时刻前一周期中各个时刻的产量数据进行预处理，得到目标产量数据集；其中，所述目标产量数据集中包括按时间排列的多个时刻的产量数据；根据所述目标产量数据集，利用预先训练得到的产量预测模型确定所述目标页岩气水平井在所述目标时刻的产量；其中，产量预测模型为基于长短期记忆神经网络训练得到的，用于根据目标时刻前多个时刻的产量数据预测目标时刻的产量。在本说明书实施例中，考虑了目标时刻前多个时刻的产量对目标时刻产量的影响，有效提高了产量预测的准确性。
-
公开(公告)号：CN112414913A
公开(公告)日：2021-02-26
申请号：CN202011166611.5
申请日：2020-10-27
Applicant: 中国石油大学(北京)
Abstract: 本发明提供一种可视化碳酸盐岩微观渗流模型及其制备方法和应用。该模型的制备方法包括：准备实际碳酸盐岩岩心的孔隙结构图案；切割冰洲石获得两块相同尺寸的冰洲石薄片，分别作为底板和面板；在底板表面上标出涂胶区域和孔隙网络区域；将孔隙结构图案复刻至底板表面的孔隙网络区域并刻蚀孔道结构；在底板表面上刻蚀与孔道相连通的进样口和出样口，同时对应面板上预留进样口和出样口的通道；将底板表面上的涂胶区域涂胶后，通过面板覆盖底板，固化后得到可视化碳酸盐岩微观渗流模型。该模型具有天然碳酸盐岩的矿物属性和良好透光性，能够模拟真实碳酸盐岩孔隙几何形态、孔道尺寸，最大限度还原真实碳酸盐岩孔隙内表面矿物组成。
-
公开(公告)号：CN111144542A
公开(公告)日：2020-05-12
申请号：CN201911362959.9
申请日：2019-12-26
Applicant: 中国石油大学(北京)
Abstract: 本申请提供了一种油井产能预测方法、装置和设备，其中，该方法包括：获取目标油井在目标预测周期前一个周期的日产油数据和目标预测周期生产制度数据；对所述前一个周期的日产油数据和目标预测周期的生产制度数据分别进行预处理；获取目标油井产能预测模型，其中，目标油井产能预测模型是基于长短期记忆网络和粒子群优化算法训练得到的；根据预处理后的数据，利用目标油井产能预测模型，得到目标预测周期中日产油的预测值。在本申请实施例中，采用基于长短期记忆网络和粒子群优化算法训练得到的目标油井产能预测模型，不仅可以预测日产油数据的整体变化趋势，还可以对单点进行准确的预测，有效提高对日产油预测的准确度。
-
公开(公告)号：CN116384280B
公开(公告)日：2025-04-11
申请号：CN202310365227.5
申请日：2023-04-07
Applicant: 中国石油大学(北京)
IPC: G06F30/28 , E21B49/00 , G06F30/27 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084 , G06F111/10 , G06F111/04 , G06F113/08 , G06F119/14 , G06F30/23
Abstract: 本申请公开了一种物理差分卷积神经网络多相渗流模拟方法、装置及介质，涉及油气勘探技术领域。通过获取油气藏的地质模型，确定深度学习数据域以构建数据驱动卷积神经网络模型；根据差分卷积形式表示的多相渗流控制方程残差和初始条件残差构建物理约束差分卷积神经网络的损失函数；训练物理约束差分卷积神经网络并优化损失函数权重和网络结构参数，以预测油气藏的压力场和饱和度场。上述方案利用卷积神经网络卷积核的形式与有限差分的形式的相似性，将多相渗流控制方程以差分卷积核的形式加入到神经网络中，以作为物理约束项实现神经网络中物理约束和数据的联合驱动，提高了预测效果，从而得到了更加符合实际的油气藏压力场和饱和度场的预测结果。
-
公开(公告)号：CN115640888B
公开(公告)日：2025-01-28
申请号：CN202211273216.6
申请日：2022-10-18
Applicant: 中国石油大学(北京)
Abstract: 本发明公开了一种递减函数嵌入式门限序列网络的产量预测方法，包括：获取一段时间内油气藏的历史数据；对历史数据进行预处理得到样本数据；构建递减规律和数据联合驱动的门限序列网络模型作为递减函数嵌入式门限序列网络模型；利用样本数据对递减函数嵌入式门限序列网络模型进行训练，得到产量预测模型；将井底流压数据和时间数据输入到所述产量预测模型中，得到预测油气产量。本发明有效提高了门限序列网络模型的可解释性和预测能力，指导油气藏的储量动态评估和油气藏开发井网调整，对油气藏开发的整体效益具有重要的指导意义。此外，本发明还提供了一种递减函数嵌入式门限序列网络的产量预测装置、设备及存储介质，同样具有以上有益效果。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.029 seconds)
