-
公开(公告)号:CN118172714A
公开(公告)日:2024-06-11
申请号:CN202410598200.5
申请日:2024-05-15
申请人: 中国石油大学(华东)
IPC分类号: G06V20/40 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/094
摘要: 本发明公开了一种油田井下作业环境下的多尺度施工装备鲁棒性识别方法,属于石油工程领域,包括如下步骤:步骤1、获取井场历史图像及历史视频并进行标注处理,建立数据集并划分为训练集和验证集;步骤2、构建多尺度鲁棒性识别模型,初始化模型的对抗训练参数;步骤3、进行多阶段对抗学习,构建对抗训练集;步骤4、将对抗训练集输入多尺度鲁棒性识别模型,优化模型参数,输出训练完成的多尺度鲁棒性识别模型;步骤5、实时获取当前井场井下作业环境下的视频及图像数据,输入训练完成的多尺度鲁棒性识别模型获取不同施工装备的空间位置,进而进行井场情况分析。本发明能够更好地适应井下环境中的各种复杂情况,从而提高识别的准确率和稳定性。
-
公开(公告)号:CN118095667A
公开(公告)日:2024-05-28
申请号:CN202410524678.3
申请日:2024-04-29
申请人: 中国石油大学(华东)
IPC分类号: G06Q10/063 , G06F17/11 , G06Q50/02 , G06N3/092 , G06N3/0464
摘要: 本发明公开了一种近期经验引导的油藏多类措施流场调控强化学习方法,属于油藏生产优化技术领域,主要包括以下步骤:确定需要优化的层位及注采优化变量;构建油藏离散和连续调控措施混合动作空间;基于混合动作空间,构建油藏多类措施流场调控混合深度强化学习智能体模型;将智能体模型与流场调控数值模拟器持续交互,生成油藏多类措施流场调控经验样本库;结合近期经验采样机制从样本库中采集近期调控经验,训练更新智能体模型,输出最优的油藏多类措施流场调控方案。本发明通过构建混合深度强化学习智能体可以对层位封堵和注采制度进行高精度调控,同时基于近期调控经验可实现更高效的优化。
-
公开(公告)号:CN117236158A
公开(公告)日:2023-12-15
申请号:CN202310969755.1
申请日:2023-08-03
申请人: 中国石油大学(华东)
IPC分类号: G06F30/27 , G06N3/0464 , G06N3/08 , G06N3/084 , E21B49/00 , G06F111/10
摘要: 本发明公开了一种基于物理意义神经网络的页岩气藏数值模拟方法,属于气藏工程技术领域,包括如下步骤:步骤1、采集页岩气藏相关数据;步骤2、构建卷积神经网络模型,设置模型的超参数;步骤3、利用第一个时间步的压力数据作为标签,预训练得到初始化完成的卷积神经网络模型;步骤4、后续时间步根据模型输出的压力数据和模型参数进行正向传播,利用有限体积法计算损失误差;步骤5、反向传播优化模型权重,通过不断迭代训练使得损失值下降到指定范围;步骤6、重复步骤4‑步骤5,得到页岩气藏任意时间步的压力分布情况。本发明实现了利用嵌入物理意义的卷积神经网络模型正向求解页岩气藏压力变化,且无需标签数据,具有较高的精度和效率。
-
公开(公告)号:CN117077577A
公开(公告)日:2023-11-17
申请号:CN202311339778.0
申请日:2023-10-17
申请人: 中国石油大学(华东)
IPC分类号: G06F30/28 , G06F113/08 , G06F119/14 , G06F111/10
摘要: 本发明公开了一种适用于低渗透裂缝性油藏的快速模拟及优化方法,属于非常规油藏数值模拟领域,包括如下步骤:步骤1、将油藏系统抽象为基质网格和裂缝网格,根据基质和裂缝的渗流特征构建双重介质模型;步骤2、利用ES‑MDA历史拟合算法,结合约束条件,建立自动历史拟合数学模型;步骤3、将经济净现值作为生产优化的目标函数,通过对油藏地质储量、各井压力以及注采液量上下限进行约束,建立油藏注采优化模型,采用差分进化算法得到使油藏经济净现值最大化的生产调控制度。本发明有助于更好地了解低渗透油藏的地质特征和裂缝性质,提高效率、降低成本,从而增加油田开发的经济效益。
-
公开(公告)号:CN114662414B
公开(公告)日:2022-09-27
申请号:CN202210571612.0
申请日:2022-05-25
申请人: 中国石油大学(华东)
IPC分类号: G06F30/27 , G06Q10/04 , G06Q50/02 , G06N3/04 , G06N3/08 , G06F111/10 , G06F119/22
摘要: 本发明公开了一种基于图小波神经网络模型的油藏生产预测方法,属于油藏开发技术领域,包括如下步骤:采集油藏数据,生成不同的油藏生产制度,利用数值模拟器计算不同生产制度下各口生产井的产量,构建样本库,并划分训练集与测试集;构建图小波神经网络模型;进行图小波神经网络模型的超参数优选,训练构建的图小波神经网络模型;验证训练完成的图小波神经网络模型的性能;输出训练完成且评估性能良好的图小波神经网络模型,通过油田区块内设置的监测设备实时采集油藏生产数据,输入模型,实时预测油藏产量变化。本发明能够以相似的精度以及大大提高的速度实现油藏生产中生产井产油产水情况预测。
-
公开(公告)号:CN114662414A
公开(公告)日:2022-06-24
申请号:CN202210571612.0
申请日:2022-05-25
申请人: 中国石油大学(华东)
IPC分类号: G06F30/27 , G06Q10/04 , G06Q50/02 , G06N3/04 , G06N3/08 , G06F111/10 , G06F119/22
摘要: 本发明公开了一种基于图小波神经网络模型的油藏生产预测方法,属于油藏开发技术领域,包括如下步骤:采集油藏数据,生成不同的油藏生产制度,利用数值模拟器计算不同生产制度下各口生产井的产量,构建样本库,并划分训练集与测试集;构建图小波神经网络模型;进行图小波神经网络模型的超参数优选,训练构建的图小波神经网络模型;验证训练完成的图小波神经网络模型的性能;输出训练完成且评估性能良好的图小波神经网络模型,通过油田区块内设置的监测设备实时采集油藏生产数据,输入模型,实时预测油藏产量变化。本发明能够以相似的精度以及大大提高的速度实现油藏生产中生产井产油产水情况预测。
-
公开(公告)号:CN114492213A
公开(公告)日:2022-05-13
申请号:CN202210401235.6
申请日:2022-04-18
申请人: 中国石油大学(华东)
IPC分类号: G06F30/27 , G06F17/13 , G06F17/14 , G06N3/04 , G06N3/08 , G06Q10/04 , G06Q50/02 , G06F111/10 , G06F113/08 , G06F119/14
摘要: 本发明公开了一种基于小波神经算子网络模型剩余油饱和度和压力预测方法,属于油藏工程技术领域,包括如下步骤:使用序贯高斯过程生成不同网格数的渗透率场,利用数值模拟器计算不同渗透率场下油藏模型的渗透率和饱和度作为样本库;根据功能设置输入输出数据;构建小波神经算子网络模型,利用小波转化地下油水流动偏微分方程,嵌入物理意义;设置小波神经算子网络模型的超参数,在对应功能的数据集下训练小波神经算子网络模型;验证训练完成的小波神经算子网络模型的性能;输出训练完成且性能评价良好的小波神经算子网络模型,利用该模型实时采集油藏数据预测饱和度和压力场图分布。本发明可以实现快速高精度的油藏剩余油分布和饱和度预测。
-
公开(公告)号:CN116542429A
公开(公告)日:2023-08-04
申请号:CN202310819291.6
申请日:2023-07-06
申请人: 中国石油大学(华东)
IPC分类号: G06Q10/063 , G06Q50/02 , G06N3/044 , G06N3/08 , G06F18/27
摘要: 本发明公开了一种融合时空特征的油藏生产指标机器学习预测方法,属于油藏开发技术领域,包括如下步骤:确定待预测的生产指标及生产指标的影响因素,建立油藏生产指标预测样本库;筛选得到油藏生产指标的主控因素;构建循环自编码器,提取动态影响因素的时间序列特征;构建基于极限梯度提升树的油藏生产指标预测模型;使用交叉验证技术评估模型对油藏生产指标的预测效果,然后利用验证效果良好的模型进行油藏生产指标预测。本发明通过引入循环自编码器将动态影响因素中的时间序列特征和静态影响因素中的空间特征进行融合,再通过极限梯度提升树高效建立机器学习模型,从而实现快速、准确的油藏生产指标预测。
-
公开(公告)号:CN114693005B
公开(公告)日:2022-08-26
申请号:CN202210603016.6
申请日:2022-05-31
申请人: 中国石油大学(华东)
IPC分类号: G06F17/00 , G06Q10/04 , G06Q50/02 , G06F111/10 , G06F113/08 , G06F119/14
摘要: 本发明公开了一种基于卷积傅里叶神经网络的三维地下油藏动态预测方法,属于油藏工程技术领域,利用构建的3D卷积傅里叶神经网络模型对三维地下油藏剩余油饱和度或压力进行动态预测,具体包括以下步骤:采集三维地下油藏数据;构建3D卷积傅里叶神经网络,结合LSTM同时考虑时间和空间信息;设置卷积傅里叶网络模型的超参数,训练3D卷积傅里叶网络模型;评估3D卷积傅里叶神经网络的性能;训练完成后,输出测试指标良好的3D卷积傅里叶网络模型。本发明实现了三维油藏模型的高精度快速预测,很好的针对三维油藏的时空性和物理系统的特点,更符合现场实际需求。
-
公开(公告)号:CN114492211B
公开(公告)日:2022-07-12
申请号:CN202210392225.0
申请日:2022-04-15
申请人: 中国石油大学(华东)
IPC分类号: G06F30/27 , G06N3/04 , G06N3/08 , G06Q50/02 , G06F111/10 , G06F113/08
摘要: 本发明公开了一种基于自回归网络模型的剩余油分布预测方法,属于油藏开发技术领域,包括以下步骤:从流体流动的基本渗流微分方程入手,分析剩余油分布的主要影响因素;使用数值模拟器构建样本库;构建卷积神经网络和卷积长短期记忆核的自回归网络模型,捕获输入数据与输出数据之间复杂的非线性映射关系;在训练集中训练构建的神经网络模型;在测试样本集中使用最小绝对值误差L1与相对L1误差评估训练好的代理模型的性能;输出训练完成且评估性能良好的自回归网络模型,实时采集油藏数据,输入模型,实时预测剩余油分布。发明可以大幅缩短剩余油分布预测时间,进而缩短需要进行多次油藏生产预测的油藏自动历史拟合过程的时间。
-
-
-
-
-
-
-
-
-