期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习的稠油蒸汽驱汽窜时间预测方法
1
作者
崔传智
陆水青山
+2 位作者
吴忠维
盖平原
刘廷峰
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2023年第5期622-630,共9页
实时可靠的汽窜时间预测方法可以为及时采取防治措施提供支持.结合深度学习算法以及油井自身动态数据的约束,提出一种预测稠油井汽窜时间的新方法.针对单一指标波动频繁,噪声大,以及无法准确表征汽窜时间等问题,根据油田实际注采数据,...
实时可靠的汽窜时间预测方法可以为及时采取防治措施提供支持.结合深度学习算法以及油井自身动态数据的约束,提出一种预测稠油井汽窜时间的新方法.针对单一指标波动频繁,噪声大,以及无法准确表征汽窜时间等问题,根据油田实际注采数据,以参数组合的方式构建表征蒸汽窜流通道形成时间的指标参数,并结合变异系数-G1混合交叉赋权法融合成汽窜综合判识曲线.基于标准互信息的相似性度量方法选择合适的时间序列数据作为输入特征,以相应的汽窜综合判识曲线作为输出时间序列构建学习样本.采用序列到序列深度学习框架建立汽窜时间的预测模型进行实际预测,并与传统的机器学习方法进行对比,验证模型的有效性和优越性.该方法通过数据驱动的方式模拟了注采时间序列特征与汽窜判识曲线之间的映射关系,可有效提高汽窜时间预测的效率和精度,对汽窜智能预警具有一定指导意义.
展开更多
关键词
油藏工程
稠油油藏
汽窜判识
汽窜时间预测
自然语言处理
序列到序列深度学习框架
下载PDF
职称材料
基于机器学习的稠油油藏注蒸汽过程中汽窜识别研究
2
作者
宋保建
王若浩
+3 位作者
马良宇
魏振国
贾喻博
刘慧卿
《石油钻采工艺》
CAS
北大核心
2022年第6期777-783,共7页
稠油油藏蒸汽吞吐过程中汽窜的产生与油藏地质和开发工程等因素有关,目前识别汽窜的方式局限于油藏工程、数值模拟等,此类方法无法准确判别各因素的不确定性和相关性,机器学习方法可识别海量数据间的隐含关系,准确度高且模型易维护。分...
稠油油藏蒸汽吞吐过程中汽窜的产生与油藏地质和开发工程等因素有关,目前识别汽窜的方式局限于油藏工程、数值模拟等,此类方法无法准确判别各因素的不确定性和相关性,机器学习方法可识别海量数据间的隐含关系,准确度高且模型易维护。分析了汽窜的影响因素,构建基础数据集后对数据进行特征工程处理,包括数据重构、缺失值处理、维度转换及相似性分析,建立了汽窜预测特征属性集;采取Wrapper方法、Embedded方法、主成成分分析法对数据集进行降维处理,形成3套不同的特征组合方案;分别采用随机森林、SVM、神经网络和XGBoost算法建立汽窜预测模型,给出不同模型的预测准确率和预测汽窜通道分布。研究结果表明:注汽强度、层位渗透率极值和邻井距离对汽窜的影响程度最大,表现最好的组合模型是:PCA数据集+XGBoost模型,该方案在训练集上的准确率为97.20%,在验证集上的准确率为96.11%,实现了对汽窜的精准预警。
展开更多
关键词
稠油油藏
蒸汽吞吐
汽窜识别
数据挖掘
机器学习
下载PDF
职称材料
题名
基于深度学习的稠油蒸汽驱汽窜时间预测方法
1
作者
崔传智
陆水青山
吴忠维
盖平原
刘廷峰
机构
中国石油大学(华东)非常规油气开发教育部重点实验室
中石化胜利油田分公司石油工程技术研究院
出处
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2023年第5期622-630,共9页
基金
国家自然科学基金资助项目(51974343)
青岛市博士后应用研究资助项目(qdyy20200084)
+1 种基金
中国石油大学(华东)自主创新科研计划资助项目(理工科)(20CX06089A)
中国石油大学(华东)石油工程学院2021年研究生创新工程资助项目(YCX2021047)。
文摘
实时可靠的汽窜时间预测方法可以为及时采取防治措施提供支持.结合深度学习算法以及油井自身动态数据的约束,提出一种预测稠油井汽窜时间的新方法.针对单一指标波动频繁,噪声大,以及无法准确表征汽窜时间等问题,根据油田实际注采数据,以参数组合的方式构建表征蒸汽窜流通道形成时间的指标参数,并结合变异系数-G1混合交叉赋权法融合成汽窜综合判识曲线.基于标准互信息的相似性度量方法选择合适的时间序列数据作为输入特征,以相应的汽窜综合判识曲线作为输出时间序列构建学习样本.采用序列到序列深度学习框架建立汽窜时间的预测模型进行实际预测,并与传统的机器学习方法进行对比,验证模型的有效性和优越性.该方法通过数据驱动的方式模拟了注采时间序列特征与汽窜判识曲线之间的映射关系,可有效提高汽窜时间预测的效率和精度,对汽窜智能预警具有一定指导意义.
关键词
油藏工程
稠油油藏
汽窜判识
汽窜时间预测
自然语言处理
序列到序列深度学习框架
Keywords
reservoir
engineering
heavy
oil
reservoir
steam
channeling
identification
prediction
of
steam
channeling
time
natural
language
processing
sequence-to-sequence
deep
learning
framework
分类号
TE34 [石油与天然气工程—油气田开发工程]
下载PDF
职称材料
题名
基于机器学习的稠油油藏注蒸汽过程中汽窜识别研究
2
作者
宋保建
王若浩
马良宇
魏振国
贾喻博
刘慧卿
机构
中石化河南油田分公司
中海石油(中国)有限公司天津分公司
中国石油大学(北京)
出处
《石油钻采工艺》
CAS
北大核心
2022年第6期777-783,共7页
文摘
稠油油藏蒸汽吞吐过程中汽窜的产生与油藏地质和开发工程等因素有关,目前识别汽窜的方式局限于油藏工程、数值模拟等,此类方法无法准确判别各因素的不确定性和相关性,机器学习方法可识别海量数据间的隐含关系,准确度高且模型易维护。分析了汽窜的影响因素,构建基础数据集后对数据进行特征工程处理,包括数据重构、缺失值处理、维度转换及相似性分析,建立了汽窜预测特征属性集;采取Wrapper方法、Embedded方法、主成成分分析法对数据集进行降维处理,形成3套不同的特征组合方案;分别采用随机森林、SVM、神经网络和XGBoost算法建立汽窜预测模型,给出不同模型的预测准确率和预测汽窜通道分布。研究结果表明:注汽强度、层位渗透率极值和邻井距离对汽窜的影响程度最大,表现最好的组合模型是:PCA数据集+XGBoost模型,该方案在训练集上的准确率为97.20%,在验证集上的准确率为96.11%,实现了对汽窜的精准预警。
关键词
稠油油藏
蒸汽吞吐
汽窜识别
数据挖掘
机器学习
Keywords
heavy
oil
reservoir
cyclic
steam
injection
steam
channeling
identification
data
mining
machine
learning
分类号
TE357.44 [石油与天然气工程—油气田开发工程]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习的稠油蒸汽驱汽窜时间预测方法
崔传智
陆水青山
吴忠维
盖平原
刘廷峰
《深圳大学学报（理工版）》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于机器学习的稠油油藏注蒸汽过程中汽窜识别研究
宋保建
王若浩
马良宇
魏振国
贾喻博
刘慧卿
《石油钻采工艺》
CAS
北大核心
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
