水平井出水量的确定方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种水平井出水量的确定方法、装置、计算机设备及存储介质。该方法包括：获取水平井出水量的影响参数；将所述影响参数输入训练后的深度神经网络模型，以得到所述水平井出水量的预测结果；其中，所述深度神经网络模型包括循环神经网络模型。本发明专利技术实施例所提供的技术方案，通过使用深度学习技术对水平井出水量进行预测，能够将各种复杂的数据特征进行融合，并且使用循环神经网络模型更加符合水平井的前后关联特点，从而使得预测误差明显降低，相对于传统的预测方法有了很大的提升，使得用户可以更好的利用预测得到的出水量值。量值。量值。

【技术实现步骤摘要】
水平井出水量的确定方法、装置、计算机设备及存储介质


[0001]本专利技术实施例涉及钻井
，尤其涉及一种水平井出水量的确定方法、装置、计算机设备及存储介质。

技术介绍

[0002]目前，气体钻井非常具有潜力，是一条解决易漏地层钻井问题、保护低压低渗油藏、提高钻井速度的有效钻井方式。但是，地层出水问题是限制气体钻井优势发挥的重要瓶颈问题。通过在钻前对地层出水定量预测，可以为气体钻井合理选区和选层提供可靠依据。
[0003]在传统的水平井出水预测的过程中，通常是根据渗流力学理论计算得到出水量。由于地质参数描述的不够准确，容易出现较大的误差，并且无法成为一套完整的系统，同时传统的预测方式智能程度较低，功能相对不够全面，无法满足工业的实际需求。

技术实现思路

[0004]本专利技术实施例提供一种水平井出水量的确定方法、装置、计算机设备及存储介质，以降低水平井出水量的预测误差，从而使得用户可以更好的利用预测得到的出水量值。
[0005]第一方面，本专利技术实施例提供了一种水平井出水量的确定方法，该方法包括：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水平井出水量的确定方法，其特征在于，包括：获取水平井出水量的影响参数；将所述影响参数输入训练后的深度神经网络模型，以得到所述水平井出水量的预测结果；其中，所述深度神经网络模型包括循环神经网络模型。2.根据权利要求1所述的水平井出水量的确定方法，其特征在于，在所述将所述影响参数输入训练后的深度神经网络模型，以得到所述水平井出水量的预测结果之前，还包括：获取所述深度神经网络模型的训练样本；构建所述深度神经网络模型；根据所述训练样本，使用目标优化学习算法对所述深度神经网络模型进行优化训练。3.根据权利要求2所述的水平井出水量的确定方法，其特征在于，所述获取所述深度神经网络模型的训练样本，包括：建立第一预设数量的Eclipse机理模型和第二预设数量的Eclipse实际模型，并获取水平井的现场找水结果；根据所述Eclipse机理模型、所述Eclipse实际模型和所述现场找水结果生成多组所述训练样本。4.根据权利要求2所述的水平井出水量的确定方法，其特征在于，所述构建所述深度神经网络模型，包括：确定所述深度神经网络模型的隐藏层层数为3，且每层的个数分别为8、32和64；确定所述深度神经网络模型的隐藏层和输出层所使用的激活函数为sigmoid函数；确定所述深度神经网络模型训练用的损失函数为均方误差。5.根据权利要求2所述的水平井出水量的确定方法，其特征在于，在所述根据所述训练样本，使用目标优化学习算法对所述深度神经网络模型进行优化训练之前，还包括：...

【专利技术属性】
技术研发人员：邹信波，袁玮，刘帅，李疾翎，曲玉亮，胡文丽，刘佳，崔卫滨，黄军立，
申请(专利权)人：中海石油中国有限公司深圳分公司，
类型：发明
国别省市：