基于迁移学习的非均质储层参数预测方法OA北大核心CSTPCD
针对传统储层参数预测方法常忽略渗流机理和参数相关性的问题,提出了一种融合渗流理论与迁移学习的储层参数预测模型。通过SMOTE过采样算法,有效处理了样本不均衡问题;利用随机森林算法建立了岩性及渗流能力判别模型,为储层参数预测提供渗流机理信息;结合参数相关性,运用迁移学习技术搭建储层参数预测模型。结果表明,通过引入岩性和渗流能力判别技术,能够进行储层参数之间的相关性分析,可以有效提升储层参数的预测精度。该模型的储层孔隙度和渗透率的误差为3.51%和15.17%,预测准确率较传统的储层参数预测方法有显著提升。该方法可有效解决非均质储层参数预测难题,为人工智能技术与物理模型结合研究提供参考。
高国海;王欣;蒋薇;王永生;张恩莉;周燕;李亮;
西南石油大学,四川成都610500中国石油西南油气田分公司,四川成都610041中国石油川庆钻探工程有限公司,四川成都610051
石油、天然气工程
储层参数预测迁移学习SMOTE随机森林神经网络
《特种油气藏》 2024 (005)
P.59-66 / 8
国家自然科学基金优秀青年基金“页岩气多尺度非线性渗流力学”(52222402);西南石油大学油气藏地质及开发工程全国重点实验室开放性研究课题“面向油气产量预测的非平稳时间序列模型构建及应用”(PLN 2022-33)。
评论