-
公开(公告)号：CN111861774A
公开(公告)日：2020-10-30
申请号：CN202010572648.1
申请日：2020-06-22
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及一种基于并行代理模型的油藏生产机器学习方法，所述方法基于代理模型的并行油田生产优化方法在每次迭代中能够同时得到多个较优的候选方案，然后使用MATLAB并行调用油藏数值模拟软件Eclipse对其同时进行真实评测，可以大幅度减少复杂问题的优化时间，通过本发明的方法，可以大幅度加快油田生产优化速度，提高优化的效率和最终优化的效果。同时本发明的方法，除了调整油田的油井与水井的生产制度，还可以用于优化井网、历史拟合等。
-
公开(公告)号：CN106772577B
公开(公告)日：2019-04-26
申请号：CN201611113560.3
申请日：2016-12-07
Applicant: 中国石油大学(华东)
Abstract: 本发明涉及了一种基于微地震数据和SPSA优化算法的震源反演方法，该方法包括以下步骤：根据测井资料及地下岩石性质资料分析建立水平层状速度模型；对微地震事件进行正演模拟，以二分法调整射线角度优选射线追踪路径，计算得到初至走时，然后计算相邻两检波器的走时之差；将走时之差加入随机扰动作为观测值；应用SPSA算法将迭代更新得到的微地震震源位置依照前述方法计算得到初至走时之差，通过拟合计算数据与观测值不断优化震源位置，检查计算数据与观测值之差，如果满足精度或者达到最大迭代次数则停止更新，输出结果，完成定位，否则继续进行下一次迭代。本发明通过快速高效的求解微地震事件源，提高了震源定位的准确性。
-
公开(公告)号：CN119293644A
公开(公告)日：2025-01-10
申请号：CN202411815823.X
申请日：2024-12-11
Applicant: 中国石油大学(华东)
IPC: G06F18/2415 , G01D21/02 , G06F18/2431 , G06F18/21 , G06N3/0464 , G06N3/048 , G06F123/02
Abstract: 本发明公开了一种基于数据驱动的电潜螺杆泵采油系统的故障诊断方法，属于油田开采技术领域，包括如下步骤：步骤1、获取电潜螺杆泵有功功率信号并进行数据预处理；步骤2、基于对比学习思想和一维卷积神经网络构建特征提取器，提取有功功率信号特征；步骤3、基于极端梯度提升算法构建电潜螺杆泵故障诊断模型，并将有功功率信号特征作为电潜螺杆泵故障诊断模型的输入，得到电潜螺杆泵故障的诊断结果。本发明适用于复杂油井的开采作业，可以提高故障诊断精度，进而提高油田开采效率和设备使用寿。
-
公开(公告)号：CN119005027A
公开(公告)日：2024-11-22
申请号：CN202411497944.4
申请日：2024-10-25
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F111/10
Abstract: 本发明公开了一种集成代理模型与在线学习的油藏参数反演建模方法，属于油气藏开发领域，包括如下步骤：结合油藏数值模拟器与先验参数，构建数据集；构建并训练基于Transformer模型的油藏数值模拟代理模型；使用优化算法迭代调整油藏模型参数集合；构建在线学习机制，基于随机丢弃神经元结构确定代理模型预测的不确定性，挑选不确定性大的油藏模型参数；对挑选的油藏模型参数进行数值模拟，获取新的模拟生产数据，使用当前所有的数据集重新训练代理模型；根据最终油藏模型参数集合，确定实际油藏参数的分布情况，完成油藏参数反演过程。本发明能够根据少量的油藏数值模拟，构建准确的数值模拟代理模型，提高油藏参数反演效率。
-
公开(公告)号：CN118552338B
公开(公告)日：2024-10-29
申请号：CN202411027890.5
申请日：2024-07-30
Applicant: 中国石油大学(华东)
IPC: G06F17/00 , G06Q50/02 , G06F18/213 , G06F18/25 , G06F18/27
Abstract: 本发明公开了一种基于多阶段历史经验迁移的快速更新历史拟合范式，涉及油藏历史拟合技术领域。本发明根据油藏的先验地质模型，获取先验信息并对先验地质模型进行降维处理，确定降维信息后，在油田开采周期各历史阶段分别利用降维信息与先验信息进行高斯随机采样获取历史经验建立历史阶段代理模型，再在目标阶段进行高斯随机采集模拟建立目标阶段代理模型，将历史阶段代理模型与目标阶段代理模型相耦合，建立历史经验迁移模型，结合最优化算法搜索最优地质参数。本发明方法引入了历史阶段至目标阶段的迁移学习，大幅减少了目标阶段所需样本数目，既缩短了拟合时间，又提高了油藏新阶段历史拟合的速度和精度，实现了对油藏历史拟合的快速更新。
-
Patent Agency Ranking
公开(公告)号：CN118468760B
公开(公告)日：2024-09-03
申请号：CN202410912662.X
申请日：2024-07-09
Applicant: 中国石油大学(华东)
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种针对页岩气井后期的平台增压优化方法，属于油气田开发技术领域，包括以下步骤：步骤1，对目标井进行井筒动态分析，当积液情况发生时，进入步骤2；步骤2，通过PIPESIM软件，以目标井井筒内不积液为基础，确定增压过程中压缩机吸入口压力范围；步骤3，求解目标井废弃时的地层压力以及依据增压目标值增压后的废弃地层压力；步骤4，求解增压前累计产量、增压后累计产量，求得目标井依据增压目标值的累计产量增量；步骤5，进行经济性评价，确定最终的增压方案。本发明方法有效解决页岩气井后期因井内气压低难以正常生产的问题，通过井筒‑气藏一体化分析方法根据气井实际积液情况制定增压计划，实现最佳的生产效益。
-
公开(公告)号：CN117521529A
公开(公告)日：2024-02-06
申请号：CN202410010439.6
申请日：2024-01-04
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F30/28 , G06N3/048 , G06N3/08 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种嵌入物理意义的注采量劈分机器学习动态分析方法，属于油藏工程技术领域，包括如下步骤：步骤1、构建流管网格结构矩阵；步骤2、构建特征聚合范围矩阵和多井势能叠加模块；步骤3、构建包含多个分配器子模型的渗透率场表征模块，并对各分配器子模型进行预训练初始化；步骤4、构建油水推进模块，基于油水推进模块计算含水率和产油速率估计值；步骤5、建立产液、产油损失函数，反向传播优化所有神经网络子模块的参数，通过不断迭代训练使得残差下降到指定范围；步骤6、迭代训练完成后，输出各时间步模型中间变量注采劈分系数。本发明能准确地捕捉劈分系数受到的多方面影响，提高对油藏动态行为的理解和预测的精度。
-
公开(公告)号：CN116663654A
公开(公告)日：2023-08-29
申请号：CN202310942706.9
申请日：2023-07-31
Applicant: 中国石油大学(华东)
IPC: G06N3/092 , G06N3/096 , G06N3/0464 , G06N3/084 , G06Q50/02
Abstract: 本发明公开了一种基于历史调控经验的时间窗口迁移强化学习注采优化方法，属于油藏注采技术领域，包括如下步骤：步骤1、确定当前油藏目标任务时间窗口的优化井数和优化时间步；步骤2、获取现有源模型，冻结源模型中的特征提取层权重进行目标智能体的初始化操作；步骤3、通过梯度反向传播的方式训练得到最优目标智能体，完成目标模型的构建；步骤4、基于目标模型，读取当前油藏的状态信息，得到完整的生产制度，实现实时注采优化。本发明结合强化学习算法，借鉴源模型通过策略迁移，实现新时间窗口的快速优化，减少所需的数值模拟迭代次数。
-
公开(公告)号：CN116384712A
公开(公告)日：2023-07-04
申请号：CN202310652248.5
申请日：2023-06-05
Applicant: 青岛理工大学 , 中国石油大学(华东)
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/02 , G06F30/27 , G06N3/045 , G06N3/092 , G06F111/10
Abstract: 本发明提供了一种联动智能注采装置的差异化实时注采优化调控方法，属于油藏注采技术领域，具体包括以下步骤：初始化网络；搭建注采环境模型；智能体读取注采环境初始状态；注采策略网络写入文件；获得t+1时刻的状态数据；读取下一状态及该时间步内经济净现值；将下一状态赋给当前状态，直至完成待优化生产周期；通过批训练模型对环境代理网络参数进行更新；更新动作评价网络参数及注采策略网络参数；重复以上步骤，直至得到最优模型；根据保存的最优模型，与智能注采装置联动，获得油藏的状态信息。本发明的技术方案克服现有技术中的油藏注采优化方法，对已有信息利用率较低，需重复进行优化迭代，不能根据当前生产方案进行实时调整的问题。
-
公开(公告)号：CN115935834B
公开(公告)日：2023-06-09
申请号：CN202310152341.X
申请日：2023-02-23
Applicant: 中国石油大学(华东)
IPC: G06F30/27 , G06F17/13 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F111/10 , G06F113/08
Abstract: 本发明公开了一种基于深度自回归网络和持续学习策略的历史拟合方法，属于油藏开发技术领域，包括如下步骤：确定需要反演的不确定油藏参数；生成样本库；构建嵌入卷积门控循环单元的自回归神经网络模型；基于集成持续学习策略，将不同的时间段划分为不同的任务，分别训练代理模型以适应不同阶段的预测任务，并通过经验传递提高后续训练任务的训练效率；测试自回归神经网络在不同任务中的预测性能；结合随机极大似然算法校准油藏不确定参数，最终给出油藏不确定参数的一组后验油藏参数；进行数值模拟，验证后验模型对生产观测的历史拟合效果，然后利用验证效果良好的后验模型进行油藏动态预测。本发明有效提高历史拟合任务的计算速度。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.031 seconds)
