基于深度学习的体积压裂裂缝扩展预测方法和系统
授权
摘要
本发明提供了一种基于深度学习的体积压裂裂缝扩展预测方法和系统，涉及油气田开发技术领域，首先构建用于预测不同类型油藏裂缝扩展的U型深度残差卷积神经网络预测模型，然后将待预测油藏的裂缝扩展预测方案输入该模型，获得待预测油藏的裂缝扩展预测结果。基于U型深度残差卷积神经网络预测模型预测裂缝扩展只需要数秒的时间，克服了传统的裂缝扩展模拟方法模拟裂缝扩展过程需要几个小时甚至更长时间的缺陷，大大降低了时间成本，提高了体积压裂裂缝扩展预测效率。
基本信息
专利标题 ：
基于深度学习的体积压裂裂缝扩展预测方法和系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114154427A
申请号 ：
CN202210116922.3
公开（公告）日 ：
2022-03-08
申请日 ：
2022-02-08
授权号 ：
CN114154427B
授权日 ：
2022-04-19
发明人 ：
王森孙涛王潇冯其红徐世乾李航宇杨富康杨雨萱向杰
申请人 ：
中国石油大学（华东）
申请人地址 ：
山东省东营市东营区北一路739号
代理机构 ：
北京高沃律师事务所
代理人 ：
王爱涛
优先权 ：
CN202210116922.3
主分类号 ：
G06F30/27
IPC分类号 ：
G06F30/27 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习，例如人工智能，神经网络，支持向量机或训练模型
法律状态
2022-04-19 ：
授权
2022-03-25 ：
实质审查的生效
IPC(主分类) : G06F 30/27
申请日 : 20220208
申请日 : 20220208
2022-03-08 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
