-
公开(公告)号：CN117521529A
公开(公告)日：2024-02-06
申请号：CN202410010439.6
申请日：2024-01-04
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F30/28 , G06N3/048 , G06N3/08 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种嵌入物理意义的注采量劈分机器学习动态分析方法，属于油藏工程技术领域，包括如下步骤：步骤1、构建流管网格结构矩阵；步骤2、构建特征聚合范围矩阵和多井势能叠加模块；步骤3、构建包含多个分配器子模型的渗透率场表征模块，并对各分配器子模型进行预训练初始化；步骤4、构建油水推进模块，基于油水推进模块计算含水率和产油速率估计值；步骤5、建立产液、产油损失函数，反向传播优化所有神经网络子模块的参数，通过不断迭代训练使得残差下降到指定范围；步骤6、迭代训练完成后，输出各时间步模型中间变量注采劈分系数。本发明能准确地捕捉劈分系数受到的多方面影响，提高对油藏动态行为的理解和预测的精度。
-
公开(公告)号：CN116663654A
公开(公告)日：2023-08-29
申请号：CN202310942706.9
申请日：2023-07-31
Applicant: 中国石油大学(华东)
IPC: G06N3/092 , G06N3/096 , G06N3/0464 , G06N3/084 , G06Q50/02
Abstract: 本发明公开了一种基于历史调控经验的时间窗口迁移强化学习注采优化方法，属于油藏注采技术领域，包括如下步骤：步骤1、确定当前油藏目标任务时间窗口的优化井数和优化时间步；步骤2、获取现有源模型，冻结源模型中的特征提取层权重进行目标智能体的初始化操作；步骤3、通过梯度反向传播的方式训练得到最优目标智能体，完成目标模型的构建；步骤4、基于目标模型，读取当前油藏的状态信息，得到完整的生产制度，实现实时注采优化。本发明结合强化学习算法，借鉴源模型通过策略迁移，实现新时间窗口的快速优化，减少所需的数值模拟迭代次数。
-
公开(公告)号：CN116384712A
公开(公告)日：2023-07-04
申请号：CN202310652248.5
申请日：2023-06-05
Applicant: 青岛理工大学 , 中国石油大学(华东)
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/02 , G06F30/27 , G06N3/045 , G06N3/092 , G06F111/10
Abstract: 本发明提供了一种联动智能注采装置的差异化实时注采优化调控方法，属于油藏注采技术领域，具体包括以下步骤：初始化网络；搭建注采环境模型；智能体读取注采环境初始状态；注采策略网络写入文件；获得t+1时刻的状态数据；读取下一状态及该时间步内经济净现值；将下一状态赋给当前状态，直至完成待优化生产周期；通过批训练模型对环境代理网络参数进行更新；更新动作评价网络参数及注采策略网络参数；重复以上步骤，直至得到最优模型；根据保存的最优模型，与智能注采装置联动，获得油藏的状态信息。本发明的技术方案克服现有技术中的油藏注采优化方法，对已有信息利用率较低，需重复进行优化迭代，不能根据当前生产方案进行实时调整的问题。
-
公开(公告)号：CN115935834B
公开(公告)日：2023-06-09
申请号：CN202310152341.X
申请日：2023-02-23
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F17/13 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 本发明公开了一种基于深度自回归网络和持续学习策略的历史拟合方法，属于油藏开发技术领域，包括如下步骤：确定需要反演的不确定油藏参数；生成样本库；构建嵌入卷积门控循环单元的自回归神经网络模型；基于集成持续学习策略，将不同的时间段划分为不同的任务，分别训练代理模型以适应不同阶段的预测任务，并通过经验传递提高后续训练任务的训练效率；测试自回归神经网络在不同任务中的预测性能；结合随机极大似然算法校准油藏不确定参数，最终给出油藏不确定参数的一组后验油藏参数；进行数值模拟，验证后验模型对生产观测的历史拟合效果，然后利用验证效果良好的后验模型进行油藏动态预测。本发明有效提高历史拟合任务的计算速度。
-
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
Applicant: 中国石油大学(华东)
IPC: 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
Abstract: 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。
-
Patent Agency Ranking
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
Applicant: 中国石油大学(华东)
IPC: G06Q10/063 , G06Q50/02 , G06N3/044 , G06N3/08 , G06F18/27
Abstract: 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
Applicant: 中国石油大学(华东)
IPC: G06F17/00 , G06Q10/04 , G06Q50/02 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 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：CN114510880B
公开(公告)日：2022-07-12
申请号：CN202210407067.1
申请日：2022-04-19
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06K9/62 , E21B47/008
Abstract: 本发明公开了一种基于傅里叶变换和几何特征的有杆泵工况诊断方法，属于有杆泵工况诊断技术领域，包括以下步骤：对所获有杆泵生产数据进行选择；针对示功图进行基于波动方程的傅里叶系数提取；获取示功图曲线数据，进行示功图简单几何特征提取；采用DCA将傅里叶系数与简单几何特征进行融合；使用XGBoost算法建立有杆泵工况诊断模型，并进行模型训练；进行有杆泵工况诊断模型的参数优化；对优化后的有杆泵工况诊断模型，进行模型性能评价；将训练完成的有杆泵工况诊断模型应用到油田现场。本发明能够提高油田开发现场对有杆泵工况诊断的效率，同时提高对油田现有数据的有效利用，实现高效诊断有杆泵工况。
-
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
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06Q50/02 , G06F111/10 , G06F113/08
Abstract: 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。
-
公开(公告)号：CN114492211A
公开(公告)日：2022-05-13
申请号：CN202210392225.0
申请日：2022-04-15
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06Q50/02 , G06F111/10 , G06F113/08
Abstract: 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。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.07 seconds)
