基于RU-Net和LSTM神经网络模型的自动历史拟合方法及装置制造方法及图纸

本发明专利技术实施例提供一种基于RU‑Net和LSTM神经网络模型的自动历史拟合方法及装置，属于石油开采技术领域。所述方法包括：以井分区进行油气藏属性模型的网格剖分；构建数据训练集；对数据训练集中的样本数据进行处理；基于处理后的样本数据，训练用于预测油气藏压力、饱和度分布和注采生产动态的预测模型；基于所述预测模型，通过智能优化算法进行油气藏地质模型的参数估计。本发明专利技术的基于RU‑Net和LSTM神经网络模型的自动历史拟合方法及装置具有数据处理量小，大大缩短研究周期，能够精准预测油气藏的注采生产动态，显著提高储层非均质性刻画的精度，降低剩余油分布的不确定性，实现油气藏开发全生命周期的精确描述和预测的优点。

【技术实现步骤摘要】

本专利技术涉及石油开采，具体地涉及一种基于ru-net和lstm神经网络模型的自动历史拟合方法、一种基于ru-net和lstm神经网络模型的自动历史拟合装置、一种电子设备及一种机器可读存储介质。

技术介绍

1、油气藏数据历史拟合是油气藏模拟流程中极其重要的一环。通过人工进行历史拟合需要油气藏工程师具备丰富经验，且过程中需花费大量时间反复调整参数、研究周期长、具有局限性、油气藏开发指标预测的不确定性较高，因此，自动历史拟合方法成为近年来油气藏工程领域的研究热点。自动历史拟合方法可大致分为基于模型空间反演和基于数据空间反演两种思路。

2、在利用模型空间反演算法进行拟合时，随机最大似然估计方法是其中一种采样方法，但是，基于采样的方法，其过程极其耗时，所以不适用于大规模问题，且在拟合过程中需要进行多次重启动操作，假定模型参数和每次更新期间的流动响应之间存在线性关系，针对非线性问题时存在一定误差。基于集合的集合平滑算法不再需要重启模拟器，对模型参数进行一次性全局更新，从而达到了比卡尔曼滤波更快的目的，然而，由于集合平滑算法只通过一次迭代来更新模型参数，导本文档来自技高网...

【技术保护点】

1.一种基于RU-Net和LSTM神经网络模型的自动历史拟合方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤1包括：基于油气藏属性模型中的井位坐标生成多个以单井层的井控范围为边界的井控单元。

3.根据权利要求2所述的方法，其特征在于，步骤2包括：

4.根据权利要求1所述的方法，其特征在于，步骤3包括：

5.根据权利要求4所述的方法，其特征在于，步骤33包括：

6.根据权利要求1所述的方法，其特征在于，步骤4包括：

7.根据权利要求6所述的方法，其特征在于，步骤5包括：>

8.一种基于...

【技术特征摘要】

1.一种基于ru-net和lstm神经网络模型的自动历史拟合方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤1包括：基于油气藏属性模型中的井位坐标生成多个以单井层的井控范围为边界的井控单元。

3.根据权利要求2所述的方法，其特征在于，步骤2包括：

4.根据权利要求1所述的方法，其特征在于，步骤3包括：

5.根据权利要求4所述的方法，其特征在于，步骤33包括：

6.根据权利要求1所述的方法，其特征在于，步骤4包括：

7.根据权利要求6所述的方法，...

【专利技术属性】
技术研发人员：张吉群，贾德利，李欣，常军华，李夏宁，吴丽，王利明，崔丽宁，张洋，王全宾，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：