基于小波神经算子网络模型剩余油饱和度和压力预测方法

实质审查的生效

摘要

本发明公开了一种基于小波神经算子网络模型剩余油饱和度和压力预测方法，属于油藏工程技术领域，包括如下步骤：使用序贯高斯过程生成不同网格数的渗透率场，利用数值模拟器计算不同渗透率场下油藏模型的渗透率和饱和度作为样本库；根据功能设置输入输出数据；构建小波神经算子网络模型，利用小波转化地下油水流动偏微分方程，嵌入物理意义；设置小波神经算子网络模型的超参数，在对应功能的数据集下训练小波神经算子网络模型；验证训练完成的小波神经算子网络模型的性能；输出训练完成且性能评价良好的小波神经算子网络模型，利用该模型实时采集油藏数据预测饱和度和压力场图分布。本发明可以实现快速高精度的油藏剩余油分布和饱和度预测。

基本信息

专利标题：

基于小波神经算子网络模型剩余油饱和度和压力预测方法

专利标题（英）：

暂无

公开（公告）号：

CN114492213A

申请号：

CN202210401235.6

公开（公告）日：

2022-05-13

申请日：

2022-04-18

授权号：

暂无

授权日：

暂无

发明人：

张凯左袁德张黎明刘丕养张文娟张华清严侠杨勇飞孙海姚军樊灵

申请人：

中国石油大学（华东）

申请人地址：

山东省青岛市黄岛区长江西路66号

代理机构：

青岛智地领创专利代理有限公司

代理人：

冯昌进

优先权：

CN202210401235.6

主分类号：

G06F30/27

IPC分类号：

G06F30/27 G06F17/13 G06F17/14 G06N3/04 G06N3/08 G06Q10/04 G06Q50/02 G06F111/10 G06F113/08 G06F119/14

IPC结构图谱

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

2022-05-31 ：

实质审查的生效

IPC(主分类) : G06F 30/27
申请日 : 20220418

2022-05-13 ：

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