-
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。
-
公开(公告)号：CN117035199A
公开(公告)日：2023-11-10
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：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：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。
-
Patent Agency Ranking
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：CN119940598A
公开(公告)日：2025-05-06
申请号：CN202411853797.X
申请日：2024-12-16
Applicant: 中国石油大学(北京)
IPC: G06Q10/04 , G06Q50/02 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06F18/25 , G06F30/27 , G06F30/28 , G06N3/048
Abstract: 本申请实施例提供一种基于自适应图卷积网络的油藏产量预测方法、设备及产品。该方法包括：首先获取注水井的第一动态数据以及采油井的第二动态数据。随后，将这些动态数据共同输入至一个预先训练好的预测模型中，该模型的特征提取网络部分内置了能够表征注水井和采油井的空间影响关系的邻接矩阵，从而能够得到一个既考虑了注水井影响，又考虑了采油井因素的预测石油产量。该方法不仅解决了现有油藏产量预测方法中因仅关注采油井自身属性而导致的预测准确性受限问题，还通过全面综合考虑注水井与采油井的动态数据以及它们之间的相互作用关系，显著提升了油藏产量预测的准确度。
-
公开(公告)号：CN116384280A
公开(公告)日：2023-07-04
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：CN113962148B
公开(公告)日：2022-09-13
申请号：CN202111219923.2
申请日：2021-10-20
Applicant: 中国石油大学(北京)
IPC: G06F30/27 , G06F119/22
Abstract: 本说明书实施例提供了一种基于卷积编码动态序列网络的产量预测方法、装置及设备，包括：获取各目标水平井对应的静态数据和动态数据；其中，动态数据包括预设时间内各时间点对应的产量数据；基于预测时间点将各目标水平井的动态数据划分为第一动态数据和第二动态数据，获得样本数据集；其中，预测时间点在所述预设时间内；利用样本数据集训练卷积编码动态序列神经网络，获得目标水平井产量预测模型。利用本说明书实施例可以提高压裂水平井的产能预测的准确度。
-
公开(公告)号：CN113962148A
公开(公告)日：2022-01-21
申请号：CN202111219923.2
申请日：2021-10-20
Applicant: 中国石油大学(北京)
IPC: G06F30/27 , G06F119/22
Abstract: 本说明书实施例提供了一种基于卷积编码动态序列网络的产量预测方法、装置及设备，包括：获取各目标水平井对应的静态数据和动态数据；其中，动态数据包括预设时间内各时间点对应的产量数据；基于预测时间点将各目标水平井的动态数据划分为第一动态数据和第二动态数据，获得样本数据集；其中，预测时间点在所述预设时间内；利用样本数据集训练卷积编码动态序列神经网络，获得目标水平井产量预测模型。利用本说明书实施例可以提高压裂水平井的产能预测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
