基本信息:
- 专利标题： 一种基于深度神经网络的试井解释模型识别方法
- 申请号：CN202211549852.7 申请日：2022-12-05
- 公开(公告)号：CN118152839A 公开(公告)日：2024-06-07
- 发明人： 史树彬 , 尹相文 , 付琛 , 彭志敏 , 咸国旗 , 刘伟伟 , 江汇 , 纪树杰 , 姚海霞 , 陈德红
- 申请人： 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司石油工程技术研究院
- 申请人地址： 山东省东营市东营区济南路125号
- 专利权人： 中国石油化工股份有限公司,中国石油化工股份有限公司胜利油田分公司石油工程技术研究院
- 当前专利权人： 中国石油化工股份有限公司,中国石油化工股份有限公司胜利油田分公司石油工程技术研究院
- 当前专利权人地址： 山东省东营市东营区济南路125号
- 代理机构： 济南日新专利代理事务所(普通合伙)
- 代理人： 杨亚男
- 主分类号： G06F18/24
- IPC分类号： G06F18/24 ; G06F18/214 ; G06N3/04 ; G06N3/08
摘要：
本发明属于油田开发技术领域，具体涉及一种基于深度神经网络的试井解释模型识别方法。所述方法采用开源Tensorflow框架，搭建基于多层感知机MLP的深度神经网络DNN模型，并将压力与压力导数曲线图像直接作为特征值信号输入该DNN模型；根据给定油藏区块确定可供选择的目标油藏模型种类，对DNN模型进行反复训练、调整；对模型进行评价，若评价结果在给定测试集上命中率超过75%，则可采用该训练好的DNN模型进行工业生产上的预测。本发明为油田生产中试油试井技术流程中对试井解释模型的判断提供了一种高效可靠的方法，且由于DNN模型训具有的针对性，对不同特性的区块都具有极高的适应性与扩展性。