-
公开(公告)号：CN115860280A
公开(公告)日：2023-03-28
申请号：CN202310167929.2
申请日：2023-02-27
Applicant: 中国石油大学(华东)
IPC: G06Q10/04 , E21B49/00 , G06N3/0442 , G06Q50/02
Abstract: 本申请公开了一种页岩气产量预测方法、装置、设备及存储介质，涉及油气田开发技术领域，包括：获取页岩气真实产量数据，并根据页岩气真实产量数据确定目标产量递减曲线模型；设置产量预测的时间步长，基于时间步长利用目标产量递减曲线模型进行产量预测得到线性产量递减曲线；根据线性产量递减曲线和页岩气真实产量数据确定目标页岩气产量残差，将目标页岩气产量残差输入长短时记忆神经网络，并根据长短时记忆神经网络和时间步长进行产量预测得到残差预测结果；基于线性产量递减曲线和残差预测结果确定待预测产量页岩气井的目标产量预测结果。本申请基于产量递减曲线和机器学习的耦合模型进行页岩气产量预测，提高了页岩气井产量预测的准确性。
-
公开(公告)号：CN115688590B
公开(公告)日：2023-05-16
申请号：CN202211395425.8
申请日：2022-11-09
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06T17/05 , G06T7/11 , G06F18/214 , G06N3/0464 , G06N3/0985 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于深度学习的多矿物相岩心渗透率预测方法。本发明通过构建三维数字岩心并随机生成孔隙结构，利用图像分割三维数字岩心获取多个多矿物数字岩心图像后，再利用多物理场仿真模拟软件分别模拟求取各多矿物数字岩心图像所对应的渗透率，基于各多矿物数字岩心图像及其所对应的渗透率，构建多矿物数字岩心数据集，再构建SE‑ResNet18卷积神经网络，利用多矿物数字岩心数据集训练SE‑ResNet18卷积神经网络计算多矿物数字岩心图像所对应的渗透率，并将待预测多矿物岩心的图像输入至训练后的SE‑ResNet18卷积神经网络中，确定多矿物岩心的渗透率。本发明实现了多矿物相岩心渗透率的快速准确计算，降低了计算成本，为指导油田勘探开发提供了依据。
-
公开(公告)号：CN115860280B
公开(公告)日：2023-05-23
申请号：CN202310167929.2
申请日：2023-02-27
Applicant: 中国石油大学(华东)
IPC: G06Q10/04 , E21B49/00 , G06N3/0442 , G06Q50/02
Abstract: 本申请公开了一种页岩气产量预测方法、装置、设备及存储介质，涉及油气田开发技术领域，包括：获取页岩气真实产量数据，并根据页岩气真实产量数据确定目标产量递减曲线模型；设置产量预测的时间步长，基于时间步长利用目标产量递减曲线模型进行产量预测得到线性产量递减曲线；根据线性产量递减曲线和页岩气真实产量数据确定目标页岩气产量残差，将目标页岩气产量残差输入长短时记忆神经网络，并根据长短时记忆神经网络和时间步长进行产量预测得到残差预测结果；基于线性产量递减曲线和残差预测结果确定待预测产量页岩气井的目标产量预测结果。本申请基于产量递减曲线和机器学习的耦合模型进行页岩气产量预测，提高了页岩气井产量预测的准确性。
-
公开(公告)号：CN115688590A
公开(公告)日：2023-02-03
申请号：CN202211395425.8
申请日：2022-11-09
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06T17/05 , G06T7/11 , G06F18/214 , G06N3/0464 , G06N3/0985 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于深度学习的多矿物相岩心渗透率预测方法。本发明通过构建三维数字岩心并随机生成孔隙结构，利用图像分割三维数字岩心获取多个多矿物数字岩心图像后，再利用多物理场仿真模拟软件分别模拟求取各多矿物数字岩心图像所对应的渗透率，基于各多矿物数字岩心图像及其所对应的渗透率，构建多矿物数字岩心数据集，再构建SE‑ResNet18卷积神经网络，利用多矿物数字岩心数据集训练SE‑ResNet18卷积神经网络计算多矿物数字岩心图像所对应的渗透率，并将待预测多矿物岩心的图像输入至训练后的SE‑ResNet18卷积神经网络中，确定多矿物岩心的渗透率。本发明实现了多矿物相岩心渗透率的快速准确计算，降低了计算成本，为指导油田勘探开发提供了依据。
-
-
-
Search Results
4
records
(took 0.021 seconds)
