[发明专利]基于深度卷积神经网络的剩余油分布预测方法及装置

权利要求书

1.一种基于深度卷积神经网络的剩余油分布预测方法，其特征在于，所述预测方法包括：

根据目标油藏所属类型油藏的地质参数和开发参数模拟建立训练数据集；

利用所述训练数据集训练得到深度全卷积编码解码神经网络预测模型，包括：

将所述训练数据集按照预设比例划分为训练集和验证集；

将所述训练集中的训练数据的地质参数随机值和/或开发参数随机值作为深度全卷积编码解码神经网络模型的输入，地质参数随机值和/或开发参数随机值对应的不同时刻的剩余油饱和度分布结果作为深度全卷积编码解码神经网络模型的输出；

采用深度全卷积编码解码神经网络结构中的编码部分对地质参数随机值和/或开发参数随机值进行卷积和池化操作，提取图像特征，得到特征图像数据；

将预设时间段内剩余油饱和度分布图像的对应时刻组成一维数组，通过复制对所述一维数组进行维度扩展，得到与所述特征图像数据尺寸相同的二维数据，并将所述二维数据添加到所述特征图像数据中，得到第一特征图像数据；

采用深度全卷积编码解码神经网络结构中的解码部分对所述第一特征图像数据进行反卷积，得到与地质参数随机值和/或开发参数随机值对应的剩余油饱和度分布预测图像；

利用损失函数对所述剩余油饱和度分布预测图像进行评价，用优化器不断更新深度全卷积编码解码神经网络模型的参数，直到达到预设迭代次数，得到优化后的深度全卷积编码解码神经网络模型；

采用所述验证集对优化后的深度全卷积编码解码神经网络模型进行验证，将验证通过的优化后的深度全卷积编码解码神经网络模型作为所述深度全卷积编码解码神经网络预测模型，否则调整网络模型的结构和超参数，重复训练过程，直到验证通过；

采用所述深度全卷积编码解码神经网络预测模型预测目标油藏任意时刻的剩余油分布。

2.根据权利要求1所述的基于深度卷积神经网络的剩余油分布预测方法，其特征在于，所述根据目标油藏所属类型油藏的地质参数和开发参数模拟建立训练数据集，包括：

获取目标油藏所属类型油藏的地质参数和开发参数；

根据所述地质参数和开发参数生成不同的数值模拟方案；

采用油藏数值模拟器对数值模拟方案进行模拟计算，得到数值模拟结果；

将所述数值模拟结果与对应的数值模拟方案作为一个训练数据；

将不同数值模拟方案的训练数据组成训练数据集。

3.根据权利要求2所述的基于深度卷积神经网络的剩余油分布预测方法，其特征在于，所述地质参数包括：孔隙度分布、渗透率分布、初始含油饱和度分布、储层有效厚度分布图、相对渗透率曲线和油水粘度；

所述开发参数包括：油水井位置、射孔层位和注采工作制度。

4.根据权利要求2所述的基于深度卷积神经网络的剩余油分布预测方法，其特征在于，所述根据所述地质参数和开发参数生成不同的数值模拟方案，包括：

将所述目标油藏所属类型油藏的地质参数和开发参数作为数值模拟方案的基础数据；

以影响油藏剩余油分布的地质参数和/或开发参数作为变量；

利用地质统计学方法依照地质参数类别随机生成第一预设数量的地质参数随机值；

和/或利用蒙特卡洛方法依照开发参数类别随机生成第二预设数量的开发参数随机值；

将不同类别的地质参数随机值和/或开发参数随机值组合生成不同的数值模拟方案。

5.根据权利要求4所述的基于深度卷积神经网络的剩余油分布预测方法，其特征在于，所述采用油藏数值模拟器对数值模拟方案进行模拟计算，得到数值模拟结果，包括：

将数值模拟方案中的地质参数随机值和/或开发参数随机值输入油藏数值模拟器；

油藏数值模拟器对所述数值模拟方案进行模拟计算，得到预设时间段内第三预设数量时刻的剩余油饱和度分布结果。

6.根据权利要求5所述的基于深度卷积神经网络的剩余油分布预测方法，其特征在于，所述将所述数值模拟结果与对应的数值模拟方案作为一个训练数据，包括：

将所述预设时间段内其中一个时刻的剩余油饱和度分布结果与对应的地质参数随机值和/或开发参数随机值以及对应的时刻一起作为一个训练数据，同一数值模拟方案得到第三预设数量的训练数据。