本发明涉及一种油田剩余油饱和度分布的预测方法,其包括如下步骤:(1)从油田区块的历史数据获取样本数据集,包括动态样本数据和静态样本数据;(2)对样本数据集进行归一化处理;(3)对归一后的样本数据集中的静态样本数据进行特征关联性压缩;(4)在保留时间维度的基础上对已归一压缩的样本数据集进行降维处理;(5)分割已归一压缩并降维处理的样本数据集以获得训练集和测试集;(6)构建训练集的输入集和测试集的输入集;(7)使用机器学习方法对训练集输入集的权值矩阵和偏置项进行训练,并对关键数据单元进行强化训练,以获得最优训练模型;(8)根据最优训练模型获得测试集输出集,并进行逆归一化和升维处理。该方法可应用于目前复杂地质情况下的剩余油开采能力快速预测,其预测准确率及适应能力较强。
声明:
“基于机器学习的油田剩余油饱和度分布的预测方法” 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)