申请/专利权人:西南石油大学
申请日:2024-03-04
公开(公告)日:2024-04-16
公开(公告)号:CN117892883A
主分类号:G06Q10/04
分类号:G06Q10/04;G06F17/16;G06N3/04;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.03#实质审查的生效;2024.04.16#公开
摘要:本发明属于页岩气井产量预测领域,具体涉及一种基于领域自适应和Transformer‑MLP的页岩气井产量预测方法,包括如下步骤:S1、对数据进行预处理;S2、筛选出进行领域自适应的源域;S3、建立Transformer‑MLP深度学习模型,并得到时间特征矩阵和预测结果;S4、建立综合损失函数并训练Transformer‑MLP深度学习模型;S5、将数据输入训练好的深度学习模型得到页岩气井产量。本发明通过引入全局距离,能够自动选择最适合进行领域自适应的源域数据,有效防止负迁移的发生,解决了深度学习在新区块页岩气井产量预测中样本不足和防止负迁移的问题。
主权项:1.一种基于领域自适应和Transformer-MLP的页岩气井产量预测方法,其特征在于,按以下步骤进行:S1、对数据进行预处理;S2、筛选出进行领域自适应的源域;S3、建立Transformer-MLP深度学习模型,并得到时间特征矩阵和预测结果;S4、建立综合损失函数并训练Transformer-MLP深度学习模型;S5、将数据输入训练好的深度学习模型得到页岩气井产量。
全文数据:
权利要求:
百度查询: 西南石油大学 一种基于领域自适应和Transformer-MLP的页岩气井产量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。