首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于深度学习的地层孔隙压力预测方法、装置及存储介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:成都理工大学

摘要:本发明涉及基于深度学习的地层孔隙压力预测方法、装置及存储介质,应用于地层孔隙流体压力预测技术领域,包括:利用少量实测地层孔隙流体压力数据,利用地球物理测井参数扰动和Eaton公式形成大量扰动地球物理测井参数和压力参数,并将其与少量实测地层孔隙流体压力数据结合,最终形成大量地球物理测井参数和压力参数所组成的样本集,然后进行基于GRU网络的深度学习,最终完成地层孔隙流体压力预测,该方法克服了深度学习需要大样本的难题,同时利用参数扰动在数据中引入Eaton公式所表征的规律,能够高精度地实现地层孔隙流体压力预测,为地层孔隙流体压力应用领域提供技术支撑。

主权项:1.基于深度学习的地层孔隙压力预测方法,其特征在于,所述方法包括:获取目标地区少量稀疏分布的地层孔隙流体压力实测点的实测流体压力数据,获取目标地区已有地球物理测井参数;根据所述少量稀疏分布的地层孔隙流体压力实测点的实测流体压力数据以及地球物理测井参数获取平均经验参数;获取第z个实测压力点的扰动参数;根据所述第z个实测压力点的扰动参数获取第z个实测压力点的组合孔隙流体压力数据;分别获取少量稀疏分布的地层孔隙流体压力实测点的组合孔隙流体压力数据,结合所述少量稀疏分布的地层孔隙流体压力实测点的实测流体压力数据,得到海量地层孔隙流体压力数据集;搭建GRU神经网络模型架构,根据所述平均经验参数以及扰动参数确定所述GRU神经网络模型架构的输出参数,根据所述海量地层孔隙流体压力数据集确定所述GRU神经网络模型架构的输入参数;基于所述输入参数以及输出参数,通过所述海量地层孔隙流体压力数据集对所述GRU神经网络模型架构进行训练,得到地层孔隙压力预测模型;通过所述地层孔隙压力预测模型输出待预测目标地层压力点的地层孔隙流体压力。

全文数据:

权利要求:

百度查询: 成都理工大学 基于深度学习的地层孔隙压力预测方法、装置及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。