-
公开(公告)号：CN114492213B
公开(公告)日：2022-07-01
申请号：CN202210401235.6
申请日：2022-04-18
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F17/13 , G06F17/14 , G06N3/04 , G06N3/08 , G06Q10/04 , G06Q50/02 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 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。
-
公开(公告)号：CN114429009A
公开(公告)日：2022-05-03
申请号：CN202210358246.0
申请日：2022-04-07
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于元迁移学习的小样本有杆泵井工况诊断方法，属于石油工况诊断技术领域，本发明结合迁移学习和元学习两者性能的优点构建元迁移学习算法框架，通过使用在相关数据集上的预训练所得良好的网络初始化参数，再利用元学习特有的超参数自动学习能力，以更高的效率训练出用于工况诊断的模型，并将该模型应用于有杆泵井工况的实时监测中，实现科学合理地诊断油井生产问题，从而显著改善油藏开发效果；同时，使用元梯度正则化策略和困难任务样本选取方法，适用于实际油田井数多但可用带诊断标签少的情况，更贴近实际油田现场的油井故障诊断情况。
-
公开(公告)号：CN112800590B
公开(公告)日：2022-04-29
申请号：CN202110023186.2
申请日：2021-01-08
Applicant: 中国石油大学(华东)
IPC: G06F30/20 , G06N20/00 , G06F111/10
Abstract: 本发明公开了一种基于机器学习的油藏数值模拟网格粗化方法，涉及油藏数值模拟领域。方法包括以下步骤：确定地质模型实现将要粗化成粗网格的尺寸和数量；选取部分地质模型实现记为模型集P1，其余模型记为模型集P2，对模型集P1中模型实现进行相对渗透率粗化计算，得到P1中粗网格的粗尺度相对渗透率数据；对所有地质模型实现的渗透率进行数据预处理；提取P1和P2中每个粗网格的渗透率分布特征，用机器学习算法对所有粗网格的渗透率分布特征进行归类，得到P1和P2中粗网格的类别；将P1中粗网格的粗尺度相对渗透率数据赋值给相似度最高的P2中的网格，得到P2近似的粗尺度相对渗透率数据；使用P1和P2中粗网格粗尺度的相对渗透率数据进行油藏数值模拟计算。
-
公开(公告)号：CN118366104B
公开(公告)日：2024-09-13
申请号：CN202410791030.2
申请日：2024-06-19
Applicant: 中国石油大学(华东)
IPC: G06V20/52 , G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06T7/73 , G06T7/246
Abstract: 本发明提供一种基于姿态估计的视频监控识别抽油机工况分析方法，属于石油工程领域，包括以下步骤：步骤1、制定抽油机关键点标注方案，采集抽油机的工作视频数据，构建输入样本集；步骤2、构建姿态估计YOLO‑Pose模型；步骤3、针对抽油机关键点检测任务特性进行学习准则重建，并构建重建学习准则下的关键点损失函数进行模型训练，得到训练完成的模型；步骤4、使用训练完成的模型进行推理预测获取视频中抽油机的规定关键点轨迹，计算不同关键点的运动参数，对现场抽油机的系列工况进行分析。本发明相较于传统的传感器提取方法，能够从视频数据识别抽油机生产的运动状态，提升对抽油机工况信息获取的经济效益。
-
公开(公告)号：CN118172714A
公开(公告)日：2024-06-11
申请号：CN202410598200.5
申请日：2024-05-15
Applicant: 中国石油大学(华东)
IPC: G06V20/40 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种油田井下作业环境下的多尺度施工装备鲁棒性识别方法，属于石油工程领域，包括如下步骤：步骤1、获取井场历史图像及历史视频并进行标注处理，建立数据集并划分为训练集和验证集；步骤2、构建多尺度鲁棒性识别模型，初始化模型的对抗训练参数；步骤3、进行多阶段对抗学习，构建对抗训练集；步骤4、将对抗训练集输入多尺度鲁棒性识别模型，优化模型参数，输出训练完成的多尺度鲁棒性识别模型；步骤5、实时获取当前井场井下作业环境下的视频及图像数据，输入训练完成的多尺度鲁棒性识别模型获取不同施工装备的空间位置，进而进行井场情况分析。本发明能够更好地适应井下环境中的各种复杂情况，从而提高识别的准确率和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN117236158A
公开(公告)日：2023-12-15
申请号：CN202310969755.1
申请日：2023-08-03
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06N3/084 , E21B49/00 , G06F111/10
Abstract: 本发明公开了一种基于物理意义神经网络的页岩气藏数值模拟方法，属于气藏工程技术领域，包括如下步骤：步骤1、采集页岩气藏相关数据；步骤2、构建卷积神经网络模型，设置模型的超参数；步骤3、利用第一个时间步的压力数据作为标签，预训练得到初始化完成的卷积神经网络模型；步骤4、后续时间步根据模型输出的压力数据和模型参数进行正向传播，利用有限体积法计算损失误差；步骤5、反向传播优化模型权重，通过不断迭代训练使得损失值下降到指定范围；步骤6、重复步骤4‑步骤5，得到页岩气藏任意时间步的压力分布情况。本发明实现了利用嵌入物理意义的卷积神经网络模型正向求解页岩气藏压力变化，且无需标签数据，具有较高的精度和效率。
-
公开(公告)号：CN117077577A
公开(公告)日：2023-11-17
申请号：CN202311339778.0
申请日：2023-10-17
Applicant: 中国石油大学(华东)
IPC: G06F30/28 , G06F113/08 , G06F119/14 , G06F111/10
Abstract: 本发明公开了一种适用于低渗透裂缝性油藏的快速模拟及优化方法，属于非常规油藏数值模拟领域，包括如下步骤：步骤1、将油藏系统抽象为基质网格和裂缝网格，根据基质和裂缝的渗流特征构建双重介质模型；步骤2、利用ES‑MDA历史拟合算法，结合约束条件，建立自动历史拟合数学模型；步骤3、将经济净现值作为生产优化的目标函数，通过对油藏地质储量、各井压力以及注采液量上下限进行约束，建立油藏注采优化模型，采用差分进化算法得到使油藏经济净现值最大化的生产调控制度。本发明有助于更好地了解低渗透油藏的地质特征和裂缝性质，提高效率、降低成本，从而增加油田开发的经济效益。
-
公开(公告)号：CN113669041B
公开(公告)日：2023-09-05
申请号：CN202111169371.9
申请日：2021-10-08
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种注海水辅助低频电场加热的海洋水合物藏开采方法，针对水合物藏低频电场加热开采存在井筒周围持续高温、电场加热效率和生产效果差等难题，通过注海水引起的强制热对流将井筒周围热量推进水合物层深部，显著提升热利用效率，在水合物层内建立的生产压差为气体生产提供驱动力，而且海水中的盐可补充水合物层矿化度，有效改善储层导电性；当生产井井筒大量积砂时，通过轮换生产井和注入井实现井筒除砂目的，保证气体稳定生产。该方法操作简单、易于实现，充分发挥降压、低频电场加热和注海水的协同效应，大幅度提高生产效率，具有海上平台“就地取材”的天然优势，可为海洋天然气水合物藏的大规模产业化开发提供技术手段。
-
公开(公告)号：CN114662414B
公开(公告)日：2022-09-27
申请号：CN202210571612.0
申请日：2022-05-25
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06Q10/04 , G06Q50/02 , G06N3/04 , G06N3/08 , G06F111/10 , G06F119/22
Abstract: 本发明公开了一种基于图小波神经网络模型的油藏生产预测方法，属于油藏开发技术领域，包括如下步骤：采集油藏数据，生成不同的油藏生产制度，利用数值模拟器计算不同生产制度下各口生产井的产量，构建样本库，并划分训练集与测试集；构建图小波神经网络模型；进行图小波神经网络模型的超参数优选，训练构建的图小波神经网络模型；验证训练完成的图小波神经网络模型的性能；输出训练完成且评估性能良好的图小波神经网络模型，通过油田区块内设置的监测设备实时采集油藏生产数据，输入模型，实时预测油藏产量变化。本发明能够以相似的精度以及大大提高的速度实现油藏生产中生产井产油产水情况预测。
-
公开(公告)号：CN114662414A
公开(公告)日：2022-06-24
申请号：CN202210571612.0
申请日：2022-05-25
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06Q10/04 , G06Q50/02 , G06N3/04 , G06N3/08 , G06F111/10 , G06F119/22
Abstract: 本发明公开了一种基于图小波神经网络模型的油藏生产预测方法，属于油藏开发技术领域，包括如下步骤：采集油藏数据，生成不同的油藏生产制度，利用数值模拟器计算不同生产制度下各口生产井的产量，构建样本库，并划分训练集与测试集；构建图小波神经网络模型；进行图小波神经网络模型的超参数优选，训练构建的图小波神经网络模型；验证训练完成的图小波神经网络模型的性能；输出训练完成且评估性能良好的图小波神经网络模型，通过油田区块内设置的监测设备实时采集油藏生产数据，输入模型，实时预测油藏产量变化。本发明能够以相似的精度以及大大提高的速度实现油藏生产中生产井产油产水情况预测。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.031 seconds)
