买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国石油大学(华东)

摘要：本发明公开一种自动适应不同试井模型的试井解释方法、介质及设备，涉及油气田开发领域。本发明通过收集储层井的不同试井模型以及相应的试井测试数据；对每个试井模型进行求解得到试井模型特征曲线，并将相应的试井测试数据绘制为实测试井曲线，基于两种曲线构建训练集和测试集；然后构建用于识别不同试井模型并进行解释的Meta‑LSTM神经网络模型；采用训练集训练Meta‑LSTM神经网络模型参数，采用测试集评估Meta‑LSTM神经网络模型性能，训练完成后得到自适应试井解释模型；采用自适应试井解释模型进行试井解释，能够得到精确的试井解释参数，减少试井解释工作的任务量，降低试井解释工作的成本。

主权项：1.一种自动适应不同试井模型的试井解释方法，其特征在于，包括：收集储层井的不同试井模型以及相应的试井测试数据；所述储层井的不同试井模型为具有不同储层性质和不同边界条件的储层井的试井模型；所述试井测试数据包括预设时间段内的瞬时井底流压数据；对每个试井模型进行求解得到试井模型特征曲线，并将相应的试井测试数据绘制为实测试井曲线；基于试井模型特征曲线和实测试井曲线构建训练集和测试集；构建用于识别不同试井模型并进行解释的Meta-LSTM神经网络模型；所述Meta-LSTM神经网络模型由输入层、LSTM模块、任务表示模块、元学习神经网络、任务特定层以及输出层通过函数式API连接整合而成；所述Meta-LSTM神经网络模型的输入为实测试井曲线，输出为拟合的试井模型特征曲线以及试井解释参数；所述Meta-LSTM神经网络模型的输入层为多模态输入层；所述多模态输入层包括独立的卷积神经网络结构的分支与循环神经网络结构的分支；通过卷积神经网络结构的分支将输入任务数据中的特征数据传递到任务表示模块；通过循环神经网络结构的分支将输入任务数据中的时序数据传递到LSTM模块；所述输入层还直接将任务数据传递到任务特定层；所述任务数据为输入至输入层的实测试井曲线；所述特征数据包括曲线斜率、曲率、极值、连续性、周期和起始点；所述时序数据包括瞬时井底流压数据；所述任务表示模块由多个卷积层与全连接层连接而成；卷积层用于将来自输入层的特征数据转化为与LSTM模块输出的时序数据相同的表示维度；全连接层用于将同维度的特征数据与时序数据通过加权求和的方式进行融合并映射到共享表示空间中；所述任务特定层由多个全连接层与循环层连接组成的深度学习网络构成；任务特定层接收来自输入层的任务数据以及来自元学习神经网络输出的不同任务的适应表示；任务特定层通过多个全连接层与循环层调整试井解释参数对当前任务数据进行拟合，拟合完成后将拟合完成的试井模型特征曲线及试井解释参数传递到输出层；采用训练集训练Meta-LSTM神经网络模型参数，采用测试集评估Meta-LSTM神经网络模型性能，训练完成后得到自适应试井解释模型；采用自适应试井解释模型进行试井解释，得到储层井的试井解释参数；所述试井解释参数包括储层长宽高、孔隙度、渗透率、地层系数、地层流动系数、表皮系数、综合压缩系数以及水力裂缝的长宽和数量。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种自动适应不同试井模型的试井解释方法、介质及设备