本發明提出一種基于小樣本學習的剩余油挖潛方法,主要涉及深度學習,石油勘探領域。主要步驟包含:對獲取的測井曲線數據進行預處理,并進行任務劃分,設置支持集和查詢集;設計基于小樣本學習的地層劃分方法,以識別單口井附近的含油儲層,從而判斷多口井的含油儲層是否為同一地層,實現智能小層對比;設計三層循環的MAML(Model?Agnostic Meta?Learning)架構,解決井場間地質差異較大問題,根據地層劃分所識別的油層,預測單口井附近的儲集層的含油飽和度;設計基于度量學習的含油區塊搜索方法,根據識別出的油層以及所預測出的該油層的含油飽和度,在橫向儲層中針對井網結構使用圖神經網絡進行特征相似度表征,進行剩余油挖潛相關研究。本發明針對地質數據樣本量不足,借助小樣本學習方法進行剩余油挖潛,并對元學習方法進行優化,實現有效的剩余油挖潛。
聲明:
“基于小樣本學習的剩余油挖潛方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)