申请/专利权人：成都北方石油勘探开发技术有限公司

申请日：2024-01-15

公开（公告）日：2024-04-16

公开（公告）号：CN117892622A

主分类号：G06F30/27

分类号：G06F30/27;G01N15/08;G06N3/0442;G06N3/045;G06N3/0464;G06N3/0895;E21B49/00;G06F111/10

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了基于压汞测试数据的岩样相对渗透率曲线预测方法及系统，涉及油田开发分析领域，其技术方案要点是：将数量有限的压汞实验‑相渗实验样本数据，通过自监督学习模式，自动生成大量训练样本集，并借助卷积神经网络和循环神经网络，输入到建立的基于自监督学习框架的ConvLSTM模型中，构建高泛化能力的相对渗透率曲线计算代理模型，为油藏开发评价及油藏精细数值模拟研究提供数据支持，具有十分重要的社会和经济效益。

主权项：1.基于压汞测试数据的岩样相对渗透率曲线预测方法，其特征是，包括以下步骤：获取多个岩芯样本的压汞实验测试数据，压汞实验测试数据包括进汞曲线、退汞曲线和孔喉分布曲线；对压汞实验测试数据中同一曲线的数据分别进行插值处理，并通过格拉姆角度场转换为相应的单通道图像数据；将三个单通道图像数据分别作为RGB图像的R、G、B通道进行组合，得到相应的三通道图像数据；基于Brooks-Corey模型，采用Gauss-Newton算法对各个岩芯样本所对应的相渗曲线实验测试数据进行拟合，得到相应的相渗曲线参数；基于各个三通道图像数据之间的差分矩阵建立表征图像样本之间差异和演化关系的序列样本，得到训练样本数据；初始化神经网络，并将训练样本数据输入到神经网络中进行训练，直到损失函数收敛后得到由压汞曲线映射相渗曲线参数的神经网络模型；将未知样本和多个已知样本的压汞实验测试数据输入至神经网络模型，预测得到未知样本的相渗曲线参数。

全文数据：

权利要求：

百度查询： 成都北方石油勘探开发技术有限公司 基于压汞测试数据的岩样相对渗透率曲线预测方法及系统

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