基于深度学习的非常规煤层气产能级别评价的应用研究 

  • 呼 和 ,
  • 岳 翔 ,
  • 余 杰 ,
  • 李文倚 ,
  • 秦瑞宝 ,
  • 姜 曼 ,
  • 李 帆
展开
  •  (中海油研究总院,北京100027)

网络出版日期: 2020-04-26

基金资助

 

Application Research on Unconventional Coalbed Methane Production Capacity Level Based on Deep Learning 

  • Hu He ,
  • Yue Xiang ,
  • Yu Jie ,
  • Li Wen-yi ,
  • Qin Rui-bao ,
  • Jiang Man ,
  • Li Fan
Expand
  •  (CNOOC Research Institute Beijing100027,China)

Online published: 2020-04-26

Supported by

 

摘要

针对非常规煤储层的老井低产,新井产量差异大,煤层气区块“甜点”难以用传统的测井评价方法进行判断等难题。本文通过对测井曲线、测井专家经验与真实产能级别等历史数据分析,提出基于深度学习技术,开展产能级别的应用研究,最终经过实验不同的数据组织方式,结合不同的机器学习和深度学习算法(ANN、GBDT、CNN和GRU),经过反复实验提出一种新的数据组织方式(即模拟专家的“前后波形”的滑动窗口模式)将一口井单个样本转换为多个样本,将其加载到GRU算法模型中,在对64口井19200条数据经过滑动窗口模式进行重新组织后,得到了产能预测的平均准确度为80.5%,超出测井专家的预测水平,该方法是深度学习与油气行业深度融合的探索成果,该探索过程和结果对后续深度学习在油气行业的大范围应用起到很好的指导意义。最后,本文只是在非常规煤层气产能级别评价方面的应用研究探索,下一步会更深入的开展煤体结构,含气量等方面的应用研究。 

关键词:  

本文引用格式

呼 和 , 岳 翔 , 余 杰 , 李文倚 , 秦瑞宝 , 姜 曼 , 李 帆 . 基于深度学习的非常规煤层气产能级别评价的应用研究 [J]. 海洋工程装备与技术, 2019 , 6(增刊) : 454 . DOI: 10.12087/oeet.2095-7297.2019.z1.85

Abstract

 

Key words:  

文章导航

/