本发明提出一种基于小样本学习的剩余油挖潜方法,主要涉及深度学习,石油勘探领域。主要步骤包含:对获取的测井曲线数据进行预处理,并进行任务划分,设置支持集和查询集;设计基于小样本学习的地层划分方法,以识别单口井附近的含油储层,从而判断多口井的含油储层是否为同一地层,实现智能小层对比;设计三层循环的MAML(Model‑Agnostic Meta‑Learning)架构,解决井场间地质差异较大问题,根据地层划分所识别的油层,预测单口井附近的储集层的含油饱和度;设计基于度量学习的含油区块搜索方法,根据识别出的油层以及所预测出的该油层的含油饱和度,在横向储层中针对井网结构使用图神经网络进行特征相似度表征,进行剩余油挖潜相关研究。本发明针对地质数据样本量不足,借助小样本学习方法进行剩余油挖潜,并对元学习方法进行优化,实现有效的剩余油挖潜。
声明:
“基于小样本学习的剩余油挖潜方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)