本发明公开了一种基于小样本条件下的吸水剖面预测方法,对待分析油田区块的多源数据进行收集;进行井间连通性分析和灰色关联分析,确定影响吸水剖面的静态和动态因素,并进行归一化处理构成标准的吸水剖面小样本库;以小层为机器学习单元建立集成多任务的代价函数,以梯度下降为学习算法得到适应各个小层吸水量预测的泛化模型;依托注水井有限的吸水剖面资料进一步参数微调和个性化学习,建立适应注水井吸水劈分规律的吸水量预测模型,基于该模型实现吸水剖面的连续动态预测。本发明基于小样本条件下的机器学习理论基础,实现了注水量的准确劈分和吸水剖面的预测,对于认清地下剩余油分布具有重要意义,是实现智能油田分层配产配注的基础。
声明:
“基于小样本条件下的吸水剖面预测方法” 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)