← 返回列表
基于混合神经网络的二氧化碳驱油和埋存动态预测方法
摘要文本
本发明公开了一种基于混合神经网络的二氧化碳驱油和埋存动态预测方法，属于油气田开发工程领域，包括如下步骤：步骤1、建立CO2驱油和埋存时空序列样本集；步骤2、利用主成分分析和离散余弦变换耦合的参数化方法对时空序列样本集进行降维处理；步骤3、耦合ResNet和双层堆叠BiLSTM建立ST‑ResNet混合神经网络模型；步骤4、对模型进行训练；步骤5、基于训练完成的模型进行当前地质及工程不确定条件下的日产油量、日存气量和CO2饱和度等值线分布的动态预测。本发明能实现地质、工程不确定性下CO2驱油埋存一体化开发动态的快速响应。。关注公众号
申请人信息
- 申请人:中国石油大学(华东)
- 申请人地址:266580 山东省青岛市黄岛区长江西路66号
- 发明人: 中国石油大学(华东)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于混合神经网络的二氧化碳驱油和埋存动态预测方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410010440.9 |
| 申请日 | 2024/1/4 |
| 公告号 | CN117521530A |
| 公开日 | 2024/2/6 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 中国石油大学(华东) |
| 发明人 | 王文东; 庄新宇; 苏玉亮; 李蕾; 郝永卯; 李苑 |
| 地址 | 山东省青岛市黄岛区长江西路66号 |
专利主权项内容
1.一种基于混合神经网络的二氧化碳驱油和埋存动态预测方法，其特征在于，包括如下步骤：步骤1、根据地质及工程不确定性信息建立CO驱油和埋存时空序列样本集；2步骤2、利用主成分分析和离散余弦变换耦合的参数化方法对时空序列样本集进行降维处理；步骤3、耦合ResNet和双层堆叠BiLSTM建立ST-ResNet混合神经网络模型；步骤4、对ST-ResNet混合神经网络模型进行训练；步骤5、实时采集目标油藏的渗透率场、井位分布以及不同月度数据下每口注气井日注气量、每口生产井井底流压，并输入到训练完成的ST-ResNet混合神经网络模型中，进行当前地质及工程不确定条件下的日产油量、日存气量和CO饱和度等值线分布的动态预测。2