申请/专利权人:中国石油大学(北京)
申请日:2022-10-18
公开(公告)日:2023-01-24
公开(公告)号:CN115640888A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q50/02;G06F17/18;G06N3/04;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.02.14#实质审查的生效;2023.01.24#公开
摘要:本发明公开了一种递减函数嵌入式门限序列网络的产量预测方法,包括:获取一段时间内油气藏的历史数据;对历史数据进行预处理得到样本数据;构建递减规律和数据联合驱动的门限序列网络模型作为递减函数嵌入式门限序列网络模型;利用样本数据对递减函数嵌入式门限序列网络模型进行训练,得到产量预测模型;将井底流压数据和时间数据输入到所述产量预测模型中,得到预测油气产量。本发明有效提高了门限序列网络模型的可解释性和预测能力,指导油气藏的储量动态评估和油气藏开发井网调整,对油气藏开发的整体效益具有重要的指导意义。此外,本发明还提供了一种递减函数嵌入式门限序列网络的产量预测装置、设备及存储介质,同样具有以上有益效果。
主权项:1.一种递减函数嵌入式门限序列网络的产量预测方法,其特征在于,包括:获取一段时间内油气藏的历史数据;对所述历史数据进行预处理得到样本数据;构建递减规律和数据联合驱动的门限序列网络模型作为递减函数嵌入式门限序列网络模型;利用所述样本数据对所述递减函数嵌入式门限序列网络模型进行训练,得到产量预测模型;将井底流压数据和时间数据输入到所述产量预测模型中,得到预测油气产量。
全文数据:
权利要求:
百度查询: 中国石油大学(北京) 一种递减函数嵌入式门限序列网络的产量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。