[发明专利]基于卷积神经网络的MMP预测方法及装置

权利要求书

1.一种基于卷积神经网络的MMP预测方法，其特征在于，包括：

获取目标油藏的MMP影响因素数据；

将所述MMP影响因素数据输入到预设的预测模型中，得到所述预测模型输出的所述目标油藏的MMP预测值，其中，所述预测模型为根据训练样本集对卷积神经网络进行训练得到的，在训练过程中通过贝叶斯优化算法对所述卷积神经网络的超参数进行优化，所述训练样本集中的每个训练样本包含：油藏的MMP值以及油藏的MMP影响因素数据。

2.根据权利要求1所述的基于卷积神经网络的MMP预测方法，其特征在于，还包括：

获取所述训练样本集；

利用所述训练样本集对所述卷积神经网络进行训练，并结合贝叶斯优化算法将验证样本集中的验证样本的预测误差作为优化目标，对所述卷积神经网络的超参数进行优化；

根据通过贝叶斯优化算法优化得到的超参数，再次利用所述训练样本集对所述卷积神经网络进行训练，得到所述预测模型。

3.根据权利要求1所述的基于卷积神经网络的MMP预测方法，其特征在于，所述将所述MMP影响因素数据输入到预设的预测模型中，具体包括：

先将所述MMP影响因素数据转化为二维矩阵，然后将所述二维矩阵输入到所述预测模型中。

4.根据权利要求2所述的基于卷积神经网络的MMP预测方法，其特征在于，还包括：

在利用所述训练样本集对所述卷积神经网络进行训练时，将每个训练样本中的MMP影响因素数据转化为二维矩阵。

5.根据权利要求1或2所述的基于卷积神经网络的MMP预测方法，其特征在于，所述超参数包括：卷积网络层层数、每层卷积网络的卷积核数量、所使用卷积核的大小、Adam优化器的学习率、每次训练时代入的训练集中样本的个数以及总的训练周期数。

6.一种基于卷积神经网络的MMP预测装置，其特征在于，包括：

数据获取单元，用于获取目标油藏的MMP影响因素数据；

预测单元，用于将所述MMP影响因素数据输入到预设的预测模型中，得到所述预测模型输出的所述目标油藏的MMP预测值，其中，所述预测模型为根据训练样本集对卷积神经网络进行训练得到的，在训练过程中通过贝叶斯优化算法对所述卷积神经网络的超参数进行优化，所述训练样本集中的每个训练样本包含：油藏的MMP值以及油藏的MMP影响因素数据。

7.根据权利要求6所述的基于卷积神经网络的MMP预测装置，其特征在于，还包括：

训练样本集获取单元，用于获取所述训练样本集；

超参数优化单元，用于利用所述训练样本集对所述卷积神经网络进行训练，并结合贝叶斯优化算法将验证样本集中的验证样本的预测误差作为优化目标，对所述卷积神经网络的超参数进行优化；

模型训练单元，用于根据通过贝叶斯优化算法优化得到的超参数，再次利用所述训练样本集对所述卷积神经网络进行训练，得到所述预测模型。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任意一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至5任意一项所述方法的步骤。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至5任意一项所述方法的步骤。