TY -的A2 - Pu,回族盟——刘Jinzi PY - 2020 DA - 2020/06/10 TI -潜力评估井间连通性的影响下床层内的水库利用机器学习方法SP - 1651549六世- 2020 AB -机器学习方法已逐渐成为一个重要和有效的方法来分析在油藏数值模拟储层参数。本文提供了一种机器学习方法来评估之间的连接性注入和生产井储层夹层控制的。在这篇文章中,反向传播(BP)和卷积神经网络(cnn)是用来训练动态数据与夹层的影响控制连接在储层培训模型。数据集训练动态生产数据在不同渗透率下,夹层倾角和注射压力。连通性计算通过使用深度学习模型,和连接因素 K 定义。结果表明,与BP相比,CNN在连接,更好的性能(AARD)平均绝对相对偏差低于10.01%。此外,CNN接近传统方法预测结果。本文提供了新的见解和方法评估常规或非常规储层的井间连通性。SN - 1468 - 8115 UR - https://doi.org/10.1155/2020/1651549 - 10.1155 / 2020/1651549摩根富林明Geofluids PB - Hindawi KW - ER