-
公开(公告)号：CN113435662A
公开(公告)日：2021-09-24
申请号：CN202110797219.9
申请日：2021-07-14
Applicant: 中国石油大学(华东)
Abstract: 本发明实施例提供一种水驱油藏产量预测方法、装置及存储介质，属于石油开采技术领域，解决了现有技术中对于生产井产量预测考虑因素单一，导致预测准确率低的问题。所述方法包括：获取目标油藏井网的空间信息及时间信息，建立所述目标油藏井网的时空图结构数据集；对所述时空图结构数据集进行滑动时间窗口划分，建立所述目标油藏井网的训练样本集；利用所述训练样本集，训练得到用于水驱油藏产量预测的多层时空图神经网络；利用所述多层时空图神经网络，得到所述目标油藏井网的生产井的产量预测结果。本发明实施例适用于水驱油藏井网中生产井的产量预测。
-
公开(公告)号：CN111441767A
公开(公告)日：2020-07-24
申请号：CN202010391407.7
申请日：2020-05-11
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种油藏生产动态预测方法及装置，其中该方法包括：根据地质参数、岩石与流体参数以及施工资料，确定单井数值模拟数据集；基于单井数值模拟数据集，进行油藏数值模拟，确定用于油藏生产动态预测的标准数据集；根据标准数据集，建立用于油藏生产动态预测的深度置信网络模型；利用深度置信网络模型，对目标井进行油藏生产动态预测，得到目标井的生产动态预测结果。该方法可以快速准确地对非常规油藏中油井的生产动态进行预测；对于给定的区块，深度置信网络模型可以无限次使用；无需目标井投产使用，还将大大缩短压裂工艺优化设计所需要的时间，提供工作效率。
-
公开(公告)号：CN114595608B
公开(公告)日：2023-06-27
申请号：CN202210237333.0
申请日：2022-03-11
Applicant: 中国石油大学(华东) , 西南石油大学
IPC: G06F30/23 , G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08 , E21B43/26 , G06F119/14
Abstract: 本发明涉及一种压裂施工参数和工作制度参数优化方法及系统，属于石油开发技术领域，方法包括：构建数据集；利用数据集对深度卷积‑长短期记忆神经网络模型进行训练，得到训练好的深度卷积‑长短期记忆神经网络模型；构建压裂施工参数和工作制度参数的优化数学模型；利用训练好的深度卷积‑长短期记忆神经网络模型对不同压裂施工参数和工作制度参数组合下的生产动态、油藏压力场和饱和度场进行预测，确定任一压裂施工参数和工作制度参数组合下的生产动态、油藏压力场和饱和度场；根据生产动态、油藏压力场和饱和度场，利用智能优化算法对优化数学模型进行求解，得到最优的压裂施工参数和工作制度参数组合。本发明的方法提高了优化速度以及精确度。
-
公开(公告)号：CN111441767B
公开(公告)日：2022-05-20
申请号：CN202010391407.7
申请日：2020-05-11
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种油藏生产动态预测方法及装置，其中该方法包括：根据地质参数、岩石与流体参数以及施工资料，确定单井数值模拟数据集；基于单井数值模拟数据集，进行油藏数值模拟，确定用于油藏生产动态预测的标准数据集；根据标准数据集，建立用于油藏生产动态预测的深度置信网络模型；利用深度置信网络模型，对目标井进行油藏生产动态预测，得到目标井的生产动态预测结果。该方法可以快速准确地对非常规油藏中油井的生产动态进行预测；对于给定的区块，深度置信网络模型可以无限次使用；无需目标井投产使用，还将大大缩短压裂工艺优化设计所需要的时间，提供工作效率。
-
公开(公告)号：CN112528573B
公开(公告)日：2022-05-06
申请号：CN202011385800.1
申请日：2020-12-01
Applicant: 中国石油大学(华东)
IPC: G06F30/28 , E21B33/13 , G06F111/10 , G06F113/08
Abstract: 本发明涉及一种特高含水期油井的堵剂参数优化方法及系统，优化方法包括：获取处于特高含水期目标井组的井组数据；井组数据包括处于特高含水期的目标井组的地质数据、生产动态数据和纵向水洗数据；根据井组数据确定纵向水洗程度划分级别；纵向水洗程度划分级别包括强水洗层、中水洗层和弱水洗层；根据井组数据、纵向水洗程度划分级别和堵剂参数建立堵水数值模拟模型；以经济净现值最大化为目标函数，对堵水数值模拟模型中堵水堵剂的堵剂参数进行优化，得到最优堵剂参数。本发明特高含水期油井的堵剂参数优化方法及系统能够提高优化堵剂参数的全面性和针对性，提高优化过程的速度和精度，提高了堵水过程的效益，实现了堵剂参数自动优化。
-
Patent Agency Ranking
公开(公告)号：CN114154427A
公开(公告)日：2022-03-08
申请号：CN202210116922.3
申请日：2022-02-08
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种基于深度学习的体积压裂裂缝扩展预测方法和系统，涉及油气田开发技术领域，首先构建用于预测不同类型油藏裂缝扩展的U型深度残差卷积神经网络预测模型，然后将待预测油藏的裂缝扩展预测方案输入该模型，获得待预测油藏的裂缝扩展预测结果。基于U型深度残差卷积神经网络预测模型预测裂缝扩展只需要数秒的时间，克服了传统的裂缝扩展模拟方法模拟裂缝扩展过程需要几个小时甚至更长时间的缺陷，大大降低了时间成本，提高了体积压裂裂缝扩展预测效率。
-
公开(公告)号：CN114595608A
公开(公告)日：2022-06-07
申请号：CN202210237333.0
申请日：2022-03-11
Applicant: 中国石油大学(华东) , 西南石油大学
Abstract: 本发明涉及一种压裂施工参数和工作制度参数优化方法及系统，属于石油开发技术领域，方法包括：构建数据集；利用数据集对深度卷积‑长短期记忆神经网络模型进行训练，得到训练好的深度卷积‑长短期记忆神经网络模型；构建压裂施工参数和工作制度参数的优化数学模型；利用训练好的深度卷积‑长短期记忆神经网络模型对不同压裂施工参数和工作制度参数组合下的生产动态、油藏压力场和饱和度场进行预测，确定任一压裂施工参数和工作制度参数组合下的生产动态、油藏压力场和饱和度场；根据生产动态、油藏压力场和饱和度场，利用智能优化算法对优化数学模型进行求解，得到最优的压裂施工参数和工作制度参数组合。本发明的方法提高了优化速度以及精确度。
-
公开(公告)号：CN113052371B
公开(公告)日：2022-05-31
申请号：CN202110282598.8
申请日：2021-03-16
Applicant: 中国石油大学(华东)
Abstract: 本发明提供一种基于深度卷积神经网络的剩余油分布预测方法及装置，属于石油开发技术领域。所述预测方法包括：根据目标油藏所属类型油藏的地质参数和开发参数模拟建立训练数据集；利用所述训练数据集训练得到深度全卷积编码解码神经网络预测模型；采用所述深度全卷积编码解码神经网络预测模型预测目标油藏任意时刻的剩余油分布。本发明的预测方法可以通过目标油藏的地质参数和开发参数，考虑影响剩余油分布的因素和时间序列的影响，针对这一类型的油藏设置不同的数值模拟方案，通过油藏数值模拟建立数据集，然后利用深度全卷积编码解码神经网络为架构进行训练，从而实现对该类油藏任意时刻剩余油分布的快速准确预测，为油藏的高效开发提供指导。
-
公开(公告)号：CN112528573A
公开(公告)日：2021-03-19
申请号：CN202011385800.1
申请日：2020-12-01
Applicant: 中国石油大学(华东)
IPC: G06F30/28 , E21B33/13 , G06F111/10 , G06F113/08
Abstract: 本发明涉及一种特高含水期油井的堵剂参数优化方法及系统，优化方法包括：获取处于特高含水期目标井组的井组数据；井组数据包括处于特高含水期的目标井组的地质数据、生产动态数据和纵向水洗数据；根据井组数据确定纵向水洗程度划分级别；纵向水洗程度划分级别包括强水洗层、中水洗层和弱水洗层；根据井组数据、纵向水洗程度划分级别和堵剂参数建立堵水数值模拟模型；以经济净现值最大化为目标函数，对堵水数值模拟模型中堵水堵剂的堵剂参数进行优化，得到最优堵剂参数。本发明特高含水期油井的堵剂参数优化方法及系统能够提高优化堵剂参数的全面性和针对性，提高优化过程的速度和精度，提高了堵水过程的效益，实现了堵剂参数自动优化。
-
公开(公告)号：CN114154427B
公开(公告)日：2022-04-19
申请号：CN202210116922.3
申请日：2022-02-08
Applicant: 中国石油大学(华东)
Abstract: 本发明提供了一种基于深度学习的体积压裂裂缝扩展预测方法和系统，涉及油气田开发技术领域，首先构建用于预测不同类型油藏裂缝扩展的U型深度残差卷积神经网络预测模型，然后将待预测油藏的裂缝扩展预测方案输入该模型，获得待预测油藏的裂缝扩展预测结果。基于U型深度残差卷积神经网络预测模型预测裂缝扩展只需要数秒的时间，克服了传统的裂缝扩展模拟方法模拟裂缝扩展过程需要几个小时甚至更长时间的缺陷，大大降低了时间成本，提高了体积压裂裂缝扩展预测效率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.047 seconds)
