用于使用人工智能来预测油气储层的渗透率的方法和系统技术方案

描述了一种用于预测渗透率的方法，所述方法包括：接收包括感兴趣区的3

【技术实现步骤摘要】
【国外来华专利技术】用于使用人工智能来预测油气储层的渗透率的方法和系统
[0001]相关申请的交叉引用
[0002]本申请要求2019年10月1日提交的美国临时专利申请62/909029的优先权权益。
[0003]关于联邦政府赞助研究或开发的声明
[0004]不适用。


[0005]所公开的实施方案总体上涉及用于预测地下储层的渗透率的技术，并且具体地涉及一种预测低孔隙度储层在水力压裂之后的渗透率的方法。

技术介绍

[0006]捕获低孔隙度油气储层中通过水力压裂增强的详细的水力裂缝形状和相关联的渗透率是水平井动态预测和着陆的关键。目前，这种工作首先针对3D地球模型中的每个完井阶段通过水力裂缝建模软件来进行模拟，然后转换为储层模型中的裂缝渗透率以进行储层模拟。这个过程极其耗时，并且因此只能在极少数场景下使用来约束对井动态和着陆的评估。
[0007]直接从神经网络所实现的图像进行渗透率预测是一种新颖的方法并且具有极大的潜力。然而，在这些研究中，会将1D多变量分析应用于测井数据和神经网络，或者将单通道或单类型多维图像数据用作输入，并且本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的渗透率预测方法，所述方法包括：a.在计算机处理器处接收包括感兴趣区的3
‑
D地球模型；b.经由所述计算机处理器生成2
‑
D属性图像；c.在所述计算机处理器处接收2
‑
D裂缝图像；d.使用所述2
‑
D裂缝图像来训练物理引导的神经网络(PGNN)；以及e.使用应用于所述2
‑
D属性图像的所述物理引导的神经网络来预测渗透率。2.如权利要求1所述的方法，其中所述PGNN是包括卷积层和反卷积层的多通道全图像深度神经网络，其中为了避免梯度消失问题，考虑到了跳跃连接。3.如权利要求1所述的方法，其中所述2
‑
D属性图像包括以下项中的一者或多者：孔隙度、含水饱和度、泊松比、储层压力和粘土含量。4.如权利要求1所述的方法，其中所述PGNN包括针对多尺度特征的卷积层。5.如权利要求1所述的方法，其中在考虑到结构约束的情况下训练所述PGNN。6.如权利要求1所述的方法，所述方法还包括在图形用户界面上显示所述渗透率。7.一种计算机系统，所述计算机系统包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序存储在所述存储器中并且被配置为由所述一个或多个处理器执行，所述一个或多...

【专利技术属性】
技术研发人员：梁宝升，胡朝舜，李敏，
申请(专利权)人：雪佛龙美国公司，
类型：发明
国别省市：