-
公开(公告)号:CN116467624A
公开(公告)日:2023-07-21
申请号:CN202310320005.1
申请日:2023-03-28
申请人: 青岛理工大学 , 中国石油大学(华东)
IPC分类号: G06F18/24 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/0499 , G06N3/096
摘要: 本发明公开了一种基于迁移学习和ViT网络的抽油机工况诊断方法,属于石油工程技术领域,具体包括以下步骤:步骤1、收集油田区块中抽油机的载荷和冲程数据,并对数据进行预处理;步骤2、构建基于迁移学习和ViT网络模型的抽油机工况诊断模型,并进行模型训练;步骤3、利用测试集数据检查模型的性能;步骤4、基于训练完成的抽油机工况诊断模型,进行抽油机工况实时诊断。本发明具有计算速度快,经济成本低,表征精度高,无需考虑地质静态参数等优点;可以实时诊断该油田区块抽油机的工况类别,无需经过大量、耗时的计算,节省了大量时间,提高了油田工作效率,可满足油田实际工程要求。
-
公开(公告)号:CN114693005A
公开(公告)日:2022-07-01
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: G06Q10/04 , G06Q50/02 , G06F30/23 , G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06V10/44 , G06V10/82 , G06F17/14 , 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:CN112539049A
公开(公告)日:2021-03-23
申请号:CN202011342448.3
申请日:2020-11-25
申请人: 中国石油大学(华东)
摘要: 本发明属于石油工程领域,具体地,涉及一种基于生产动态自动历史拟合的压裂裂缝参数反演方法。基于生产动态自动历史拟合的压裂裂缝参数反演方法,包括以下步骤:步骤一、应用嵌入式离散裂缝模型对储层进行剖分,并计算传递率耦合裂缝与基质间的流动;步骤二、建立三维地震监测模型,模拟储层变化;步骤三、根据裂缝形态和离散裂缝反演算法建立复杂裂缝网络生成方法;步骤四、构建离散网络确定性反演算法。相对于现有技术,本发明通过将复杂压裂裂缝网络看作由多个小的裂缝段组成的离散裂缝网络并利用三维监测技术,结合离散网络确定性反演算法反演裂缝网络形态,描绘出精细的压裂裂缝形态,更准确地评价压裂效果和为油田后续开发提供参考。
-
公开(公告)号:CN101769148A
公开(公告)日:2010-07-07
申请号:CN200910256078.9
申请日:2009-12-24
申请人: 中国石油大学(华东)
摘要: 本发明涉及一种海上油田开发生产系统分布式模拟方法。主要包括以下步骤:(1)通过人机交互设备输入平台模拟参数并启动模拟过程;(2)中心计算机发出启动命令,给三个子系统进行模拟等步骤。其有益效果是:建立了相对应的生产系统工况模拟模型,并在平台当前生产参数的基础上对产量进行优化,提高了模拟产量,降低了系统能耗;在理论研究上建立了水上水下一体化、非线性、多目标、多变量的系统优化决策数学模型,并采用大系统优化理论、模糊数学等方法实现大系统优化分级求解和并行运算模拟过程。
-
公开(公告)号:CN118172714B
公开(公告)日:2024-07-30
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:CN112539054B
公开(公告)日:2024-05-14
申请号:CN202011344352.0
申请日:2020-11-25
申请人: 中国石油大学(华东)
摘要: 本发明涉及一种地面管网与地下油藏复杂系统生产优化方法,包括以下步骤:选定需要进行注采制度调整的海上油田群及油田区块;建立海上油田群“多级递进式”生产‑集输结构模型;建立地面管网与地下油藏复杂系统生产优化数学模型;通过对油田现场统计资料或有限次油藏数值模拟结果的整理形成时间序列数据,并生成训练、验证深度学习模型所需的样本点;建立基于长短期记忆网络的油藏数值模拟代理模型,并进行训练和参数调整;基于长短期记忆网络代理模型和协方差矩阵自适应进化策略进行优化求解;验证海上油田群的注采制度优化调整效果。本发明能够在海上设施液量能力限制等多约束条件下,对海上油田群中多个油田区块的注采制度进行快速、统筹优化。
-
公开(公告)号:CN117236195B
公开(公告)日:2024-02-02
申请号:CN202311490309.9
申请日:2023-11-10
申请人: 中国石油大学(华东)
IPC分类号: G06F30/27 , G06N3/126 , G06N20/20 , G06F18/23213 , G06F18/2135 , G06F111/10 , G06F111/06
摘要: 本发明公开了一种降低开发风险的机器学习离线代理模型生产优化方法,涉及油藏生产优化技术领域。本方法利用主成分分析提取各渗透率场的主要特征,对各渗透率场聚类后选取代表渗透率场构建多个油藏数值模拟模型,以各油藏数值模拟模型的加权平均净现值作为目标函数,建立考虑渗透率场不确定性的油藏注采优化问题求解模型,再构建离线数据库和初始种群,利用离线数据库分别建立多个径向基函数代理模型和克里金函数代理模型,通过自适应选取代理模型作为优化目标进行迭代优化,优化过程结合多子代策略增加种群多样性,获得最佳开发方案。本发明充分利用离线数据库指导注采优化过(56)对比文件张凯;陈国栋;薛小明;张黎明;孙海;姚传进.基于主成分分析和代理模型的油藏生产注采优化方法.中国石油大学学报(自然科学版).2020,(第03期),10042-10049.
-
公开(公告)号:CN117077577B
公开(公告)日:2024-02-02
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
-
公开(公告)号:CN115906591A
公开(公告)日:2023-04-04
申请号:CN202310015813.7
申请日:2023-01-06
申请人: 中国石油大学(华东)
IPC分类号: G06F30/23
摘要: 本发明公开了一种基于XGBoost网络的油井动液面计算方法,属于石油工程技术领域,具体包括以下步骤:收集油田区块中油井的历史数据,首先对数据进行相关性分析,然后进行数据预处理,获取最终得到XGBoost网络模型的输入、输出数据;构建XGBoost网络模型,并进行模型训练;利用测试集数据检查模型的泛化能力;基于训练完成的XGBoost网络模型,进行动液面的实时监测计算。本发明具有计算速度快,经济成本低,表征精度高,无需考虑地质静态参数等优点;同时此模型可以计算该油田区块油井的动液面深度,无需经过大量、耗时的计算,节省了大量时间,提高了油田工作效率,可满足油田实际工程要求。
-
公开(公告)号:CN114444620B
公开(公告)日:2022-07-22
申请号:CN202210362470.7
申请日:2022-04-08
申请人: 中国石油大学(华东)
摘要: 本发明公开了一种基于生成式对抗神经网络的示功图故障诊断方法,属于采油故障诊断技术领域,包括如下步骤:对示功图样本库数据进行数据清洗;基于采油工程理论及典型示功图特性,对示功图数据点进行特征提取;对数量较少的故障类别样本采用生成式对抗神经网络进行生成,生成过程中对生成器网络的输出进行条件约束;基于原始样本及生成样本,将数据划分为训练集、验证集、测试集;采用Xgboost分类算法对样本进行分类;利用准确率和召回率对故障诊断结果进行综合评估;利用训练完成后的分类模型对故障进行实时监测诊断,实时判断故障类型。本发明能够显著提高分类模型对故障样本的特异识别能力,降低故障的误报/漏报率。
-
-
-
-
-
-
-
-
-