-
公开(公告)号：CN115860197A
公开(公告)日：2023-03-28
申请号：CN202211464388.1
申请日：2022-11-22
Applicant: 北京科技大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/084 , G06Q50/06 , G06Q50/02
Abstract: 本发明涉及一种基于数据驱动的煤层气产量预测方法及系统，首先获取待预测生产井的煤层气动态产量历史数据以及待预测生产井的煤层气产量预测相关数据；根据所述煤层气动态产量历史数据，确定所述待预测生产井所属的生产井类型；然后选取与所述生产井类型对应的训练好的煤层气产量预测模型为目标模型；最后将所述待预测生产井的煤层气产量预测相关数据输入所述目标模型，获得待预测生产井的产量数据。本发明通过获取煤层气开采现场最容易获取的也是最有价值的监测数据，根据该部分数据，并利用机器学习方法训练的产量预测模型来计算煤层气产量，减小了数据获取时间，提高了煤层气产量预测速度。
-
公开(公告)号：CN112633328A
公开(公告)日：2021-04-09
申请号：CN202011403763.2
申请日：2020-12-04
Applicant: 北京科技大学
Abstract: 本发明提供一种基于深度学习的致密油藏改造效果评价方法，属于油藏开发技术领域。该方法首先从现场获取油藏开发数据、从数值模拟技术获取补充数据，二者联合构成样本数据集；然后对样本数据集中的离散数据和分类数据进行独热编码，将其映射到欧式空间；进一步对数据进行降维处理，将特征数据集按照维度的不同划分为训练集和验证集，分别作为输入集；比较不同的机器学习模型，将相同结构的基础单个模型设置到多个分支中，对神经网络训练过程中容易出现的梯度消失问题采用Xavier初始化，设计多组对比实验实现模型最优化，最后，分析不同输入参数对预测内容的影响。该方法提高了预测的准确率和效率。
-
公开(公告)号：CN113792479A
公开(公告)日：2021-12-14
申请号：CN202110971711.3
申请日：2021-08-23
Applicant: 北京科技大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , 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：CN112016212A
公开(公告)日：2020-12-01
申请号：CN202010890024.4
申请日：2020-08-28
Applicant: 北京科技大学
IPC: G06F30/20 , G06N20/00 , G06F111/10
Abstract: 本发明提供一种基于渗流控制方程的储层纵向非均质性评价方法，属于油藏开发技术领域。该方法首先利用数值模拟技术获取油藏的样本数据集，然后建立基于油藏动态数据的特征提取器，设置多个特征提取器对动态数据进行特征提取，生成新的动态数据集，利用新的动态数据集与静态数据构建深度学习的训练集和测验集，基于物理约束条件定义新的损失函数，通过该函数去训练深度学习模型的权重与阈值，从而生成最优的纵向渗透率深度学习预测模型，利用测验集来测试深度学习的预测精度，根据深度学习的预测结果，定义了极差以及变异系数来表征储层的非均质性。本发明可应用于复杂地质情况下的对储层渗透率的预测，良好的解决复杂储层非均质性评价问题。
-
公开(公告)号：CN111027249A
公开(公告)日：2020-04-17
申请号：CN201911256912.4
申请日：2019-12-10
Applicant: 北京科技大学
IPC: G06F30/23 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明提出一种基于机器学习的井间连通性评价方法，包括：1)根据数值模拟技术获取数据集，包括动态数据与静态数据；2)对样本数据集中的动态数据进行特征关联性提取；3)对动态数据与储层样本中的静态数据进行归一化处理；4)将样本数据集划分为训练集与测试集，并构建机器学习模型的输入与输出；5)使用机器学习方法对模型的权值矩阵与偏置矩阵激进行训练，获得训练模型；6)验证所述训练模型归一化后计算结果的准确性与有效性；7)利用所述训练模型根据动态数据计算出的地层平均渗透率定义井间的连通系数，表征井间连通性。本发明的方法只需要油田中最容易获取的各个井的动态生产数据得到储层地质信息，进而得到井间连通性。
-
Patent Agency Ranking
公开(公告)号：CN114638401B
公开(公告)日：2024-10-18
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
IPC: G06F30/27 , G06F30/28 , G06N3/042 , G06N3/0442 , G06Q50/02
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：CN112819240B
公开(公告)日：2021-11-26
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：CN112016212B
公开(公告)日：2021-08-03
申请号：CN202010890024.4
申请日：2020-08-28
Applicant: 北京科技大学
IPC: G06F30/20 , G06N20/00 , G06F111/10
Abstract: 本发明提供一种基于渗流控制方程的储层纵向非均质性评价方法，属于油藏开发技术领域。该方法首先利用数值模拟技术获取油藏的样本数据集，然后建立基于油藏动态数据的特征提取器，设置多个特征提取器对动态数据进行特征提取，生成新的动态数据集，利用新的动态数据集与静态数据构建深度学习的训练集和测验集，基于物理约束条件定义新的损失函数，通过该函数去训练深度学习模型的权重与阈值，从而生成最优的纵向渗透率深度学习预测模型，利用测验集来测试深度学习的预测精度，根据深度学习的预测结果，定义了极差以及变异系数来表征储层的非均质性。本发明可应用于复杂地质情况下的对储层渗透率的预测，良好的解决复杂储层非均质性评价问题。
-
公开(公告)号：CN111027249B
公开(公告)日：2021-02-26
申请号：CN201911256912.4
申请日：2019-12-10
Applicant: 北京科技大学
IPC: G06F30/23 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明提出一种基于机器学习的井间连通性评价方法，包括：1)根据数值模拟技术获取数据集，包括动态数据与静态数据；2)对样本数据集中的动态数据进行特征关联性提取；3)对动态数据与储层样本中的静态数据进行归一化处理；4)将样本数据集划分为训练集与测试集，并构建机器学习模型的输入与输出；5)使用机器学习方法对模型的权值矩阵与偏置矩阵进行训练，获得训练模型；6)验证所述训练模型归一化后计算结果的准确性与有效性；7)利用所述训练模型根据动态数据计算出的地层平均渗透率定义井间的连通系数，表征井间连通性。本发明的方法只需要油田中最容易获取的各个井的动态生产数据得到储层地质信息，进而得到井间连通性。
-
公开(公告)号：CN114676978A
公开(公告)日：2022-06-28
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
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。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
