一种基于深度学习的油藏年度规划储量预测方法研究

摘要：

油藏年度规划储量预测是勘探规划决策方案中必要且关键的一环.针对传统储量预测方法精度低、方法复杂度高等问题,该论文提出一种基于深度学习的油藏年度规划储量预测方法.首先,通过分析勘探基础数据,确定影响油藏年度规划储量的关键因素;然后,根据一定专家经验以及客观规律,对基础数据进行归一化处理,将复杂的油田数据转化为规范可用的输入特征向量;最后,利用循环神经网络进行模型训练,得到预测储量.实验结果表明,相比传统方法,该论文方法预测精度有显著提高,且复现能力强,可为今后油田企业储量预测领域提供一定参考价值.

关键词：规划储量预测、深度学习、归一化、特征向量、循环神经网络

所属期刊栏目：49

分类号：TE11(石油、天然气地质与勘探)

在线出版日期：2021-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：787-790,796