油气地质与采收率2022，Vol.29Issue(1)：145-151,7.DOI:10.13673/j.cnki.cn37-1359/te.2022.01.018
油藏渗流物理和数据联合驱动的深度神经网络模型
Deep neural network model driven jointly by reservoir seepage physics and data
摘要
关键词
深度神经网络/渗流物理/非均质性/正则化/损失函数分类
能源科技引用本文复制引用
薛亮,戴城,韩江峡,杨明瑾,刘月田..油藏渗流物理和数据联合驱动的深度神经网络模型[J].油气地质与采收率,2022,29(1):145-151,7.基金项目
北京市自然科学基金面上项目"基于深度学习方法的致密气渗流高效随机模拟研究"(3222037),中国石油科技创新基金项目"致密砂岩油藏低盐度水驱提高采收率机理研究"(2020D-5007-0203),中国石油大学(北京)科研基金项目"基于大数据和机器学习的裂缝性油藏产能预测研究"(2462018QZDX13)、"具有油藏物理意识的深度神经网络研究"(2462021YXZZ010)和"微纳米孔隙油气流动微尺度效应"(2462020YXZZ028). （3222037）
