申请/专利权人:中国石油大学(北京)
申请日:2023-11-15
公开(公告)日:2024-04-09
公开(公告)号:CN117851762A
主分类号:G06F18/15
分类号:G06F18/15;G06F18/2113;G06F18/214;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本申请提出一种基于PI与DeepFM的机器学习储层渗透率确定方法及装置。该方法包括:获取目标岩心与样本岩心;基于排列重要性算法对所述样本岩心进行处理,得到所述样本岩心的目标属性;并将所述样本岩心的目标属性作为所述目标岩心的目标属性;确定所述目标岩心的目标属性对应的属性值;将所述目标岩心的目标属性对应的属性值输入到目标预测模型中,得到所述目标岩心的目标渗透率。基于上述方法能够预先对全量属性的重要性进行可信的、可解释性的量化显示,得到对渗透率影响较大的目标属性,并基于目标属性对应的属性值进行渗透率的计算,同时自动挖掘属性值之间的线性、低阶和高阶特征交互信息,提升渗透率计算的准确性。
主权项:1.一种基于PI与DeepFM的机器学习储层渗透率确定方法,其特征在于,包括:获取目标岩心与样本岩心;基于排列重要性算法对所述样本岩心进行处理,得到所述样本岩心的目标属性;并将所述样本岩心的目标属性作为所述目标岩心的目标属性;确定所述目标岩心的目标属性对应的属性值;将所述目标岩心的目标属性对应的属性值输入到目标预测模型中,得到所述目标岩心的目标渗透率。
全文数据:
权利要求:
百度查询: 中国石油大学(北京) 基于PI与DeepFM的机器学习储层渗透率确定方法及装置
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。