TY -的A2 Kazempour马赫迪盟歌,Hongqing AU - Du, Shuyi AU -王,虚润肤AU -王,九龙AU -王,育和非盟-魏,Chenji盟——刘Qipeng PY - 2020 DA - 2020/08/12 TI -垂直异质性潜力预测储层基于机器学习方法SP - 3713525六世- 2020 AB -随着计算机技术的快速发展,一些机器学习方法已经开始逐渐融入石油工业,取得了一些成就,无论是常规或非常规的水库。介绍另一种方法来预测纵向非均质性的储层利用各种深层神经网络基础上动态生产数据。采用数值模拟技术获取所需的数据集,其中包含动态生产数据计算不同非均质储层条件下。机器学习模型建立了通过深层神经网络,更好地学习和捕获特性之间的动态生产数据和储层非均质性,以反垂直渗透率。模型验证的基础上,研究结果表明,机器学习方法在预测性能优良的异质性的RMSE 12.71 mD,有效地估计整个储层的渗透率。此外,预测结果的总体AARD CNN获得的方法是控制在11.51%,揭示了与英国石油公司和LSTM神经网络相比精度最高。和渗透率对比,描述非均质性的一个重要参数,可以较准确地预测,10%以下的推导。本研究提出了一个潜在的垂直异质性在储层预测基于机器学习的方法。SN - 1468 - 8115 UR - https://doi.org/10.1155/2020/3713525 - 10.1155 / 2020/3713525摩根富林明Geofluids PB - Hindawi KW - ER