申请/专利权人：中国石油大学(华东)

申请日：2023-08-03

公开（公告）日：2023-12-15

公开（公告）号：CN117236158A

主分类号：G06F30/27

分类号：G06F30/27;G06N3/0464;G06N3/08;G06N3/084;E21B49/00;G06F111/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.02#实质审查的生效;2023.12.15#公开

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。

主权项：1.一种基于物理意义神经网络的页岩气藏数值模拟方法，其特征在于，利用嵌入物理意义的卷积神经网络正向计算页岩气藏任意时间步的压力，且无需标签数据，具体包括如下步骤：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、对卷积神经网络模型进行预训练，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，此时模型的输出即为当前时间步的页岩气藏压力数据；步骤6、对每一个时间步重复步骤4-步骤5，得到页岩气藏任意时间步的压力分布情况，此时数值模拟完成。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种基于物理意义神经网络的页岩气藏数值模拟方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD