申请/专利权人：中国地质大学(北京)

申请日：2020-04-14

公开（公告）日：2024-01-02

公开（公告）号：CN111523713B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/02;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.01.02#授权;2020.09.04#实质审查的生效;2020.08.11#公开

摘要：本发明涉及石油勘探技术领域，具体涉及一种预测油田中剩余油饱和度分布的方法和装置。该方法包括：将待预测注采参数输入进训练好的卷积‑转置卷积神经网络模型中，获取剩余油饱和度分布图。训练好的卷积‑转置卷积神经网络模型的获取方法包括：构建卷积‑转置卷积神经网络模型；训练卷积‑转置卷积神经网络模型，获得第一卷积‑转置卷积神经网络模型；获取第一预测剩余油饱和度分布图；获得训练好的卷积‑转置卷积神经网络模型。本发明将注采参数输入进训练好的卷积‑转置卷积神经网络模型中，利用模型中的转置卷积层将注采参数反向恢复为包含有油田中剩余油饱和度分布信息的剩余油饱和度分布图，实现了对油田中剩余油饱和度分布的预测。

主权项：1.一种预测油田中剩余油饱和度分布的方法，其特征在于，所述方法包括：将待预测注采参数输入进训练好的卷积-转置卷积神经网络模型中，获取剩余油饱和度分布图；其中，所述训练好的卷积-转置卷积神经网络模型的获取方法包括：将历史注采参数划分为训练集和测试集；其中，所述测试集包括第一注采参数和所述第一注采参数对应的真实剩余油饱和度分布图；构建卷积-转置卷积神经网络模型；其中，所述卷积-转置卷积神经网络模型的结构包括数据输入层、全连接层、矩阵维数转换层、卷积-转置卷积层和数据输出层；根据所述训练集，利用损失函数迭代训练所述卷积-转置卷积神经网络模型，获得第一卷积-转置卷积神经网络模型，包括：将所述训练集中的第二注采参数按照生产阶段分组，获得注采参数制度矩阵Sk，具体表达式为： 其中，k代表第k个生产阶段，至均为不同的注采参数，M为所述注采参数制度矩阵Sk中所有注采参数的总数；根据所述注采参数制度矩阵Sk，构建训练输入参数Ik，具体表达式为： 其中，n代表最后一个生产阶段，O为零矩阵，t为所述注采参数制度矩阵Sk对应的生产时刻；根据所述训练输入参数Ik，利用所述损失函数迭代训练所述卷积-转置卷积神经网络模型，获得所述第一卷积-转置卷积神经网络模型；将所述第一注采参数输入进所述第一卷积-转置卷积神经网络模型，获取第一预测剩余油饱和度分布图；若所述第一预测剩余油饱和度分布图与所述第一注采参数对应的真实剩余油饱和度分布图之间的相似度不小于设定阈值，则将所述第一卷积-转置卷积神经网络模型作为所述训练好的卷积-转置卷积神经网络模型。

全文数据：

权利要求：

百度查询： 中国地质大学(北京) 一种预测油田中剩余油饱和度分布的方法和装置

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