本发明提出了一种基于元学习(Meta‑Learning)的多任务油田生产动态拟合模型。油田生产任务众多,特性复杂,针对每一类任务每一个油田设计算法模型不现实,因此我们提出了基于元学习的多任务油田生产动态拟合模型。该模型相比与常用的算法模型具有以下优势:该模型适用于多类任务,例如分类、回归以及强化学习等;该模型适用于当前常用的多种模型,例如CNN、DNN等;该模型在数据集较少的情况下表现优于常见的模型,模型训练速度快,通过较少次数的梯度下降就可以到达很好的效果;该模型针对油田任务提出了一种通用的表达方式。该模型分为训练阶段与运行测试阶段:训练阶段,通过不同井的生产数据,调整模型参数,找到每口井的敏感参数,从而得到较好的油田生产动态模型;运行阶段,针对不同类型的任务,可以较好的实现某口井的生产动态预测任务(回归),井下故障预测任务(分类),或者其他任务。
声明:
“基于元学习的多任务油田生产动态拟合模型” 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)