买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国石油大学(华东)

摘要：本发明公开了一种基于知识交互图神经网络的井间连通性预测方法，属于石油工程领域，包括如下步骤：步骤1、获取地质数据和生产动态数据，对数据进行预处理并进行数据集划分；步骤2、构建知识交互图神经网络模型；步骤3、使用目标井网的生产动态数据进行模型训练，基于训练完成的知识交互图神经网络模型，进行连通性预测分析；步骤4、利用测试集数据检查模型的泛化能力；步骤5、实时获取当前待预测油藏区块的地质数据与生产动态数据，进行归一化处理后输入知识交互图神经网络模型进行训练，根据训练完成的模型得到井间连通系数，从而进行井间连通性的预测。本发明能精准反演油藏地下通道，进而精准预测油藏开发过程中的井间连通性。

主权项：1.一种基于知识交互图神经网络的井间连通性预测方法，其特征在于，包括如下步骤：步骤1、获取地质数据和生产动态数据，对数据进行归一化处理并进行数据集划分；步骤2、根据井网结构搭建图结构，将井网的地质信息融入图结构，嵌入物质平衡方程，构建符合油藏开发规律的知识交互图神经网络模型；所述步骤2的具体过程为：步骤2.1、将井网抽象成图，根据井网结构搭建图结构，将井网的地质信息融入图结构使两者形成一一对应；基于目标井网的地质数据及生产动态数据，建立用不同节点表示各生产井和各注水井的图神经网络模型；其中，所述节点为各生产井与各注水井；当所述节点代表一口生产井时，所述节点的特征为该生产井的产液量、井底流压，当所述节点代表一口注水井时，所述节点的特征为该注水井的注水量、注入压力；所述图神经网络模型的边用于一井点与其他井点之间的距离；井网信息与图结构一一对应，用信息传递机制模拟井间流体交互过程，节点的隐藏状态由以下函数来进行周期性更新： 式中，为节点v在t时刻的状态向量；Nv为节点v的邻居节点集合；u是节点v的邻居节点；f·为更新函数；Vv、Qv、Iv分别为节点v的控制体积流体体积变化速率项、产液速率项、流入速率项的特征向量；为边的特征向量，即邻接矩阵；Vu、Qu、Iu分别为邻居节点u的控制体积流体体积变化速率项、产液速率项、流入速率项的特征向量；为邻居节点u在t-1时刻的状态向量；Lv为是节点v由油藏物质平衡方程引入的损失函数；步骤2.2、通过引入物质平衡方程作为学习准则，并由该学习准则得到目标函数，赋予模型各部分实际物理含义，从而在符合油藏流动机理的框架内，进行模型参数的更新；物质平衡方程为： 式中，k为生产井索引；j为注水井索引；为注水井总数；Ctkj为第k口生产井与第j口注水井的总压缩系数；Vpkj为第k口生产井与第j口注水井的岩石孔隙体积；qkt为t时刻第k口生产井的产液速率；λkj为第k口生产井与第j口注水井的井间连通系数；ijt为t时刻第j口注水井的注入速率；目标函数为： 式中，F为油藏模型整体的损失函数；Vi为第i个井组的控制体积流体体积变化速率项；Qi为第i个井组的产液速率项；Ii为第i个井组的流入速率项；为井组总数；步骤3、使用目标井网的生产动态数据进行模型训练，基于训练完成的知识交互图神经网络模型，进行连通性预测分析；步骤4、利用测试集数据检查模型的泛化能力；步骤5、实时获取当前待预测油藏区块的地质数据与生产动态数据，进行归一化处理后输入知识交互图神经网络模型进行训练，根据训练完成的知识交互图神经网络模型得到井间连通系数，从而进行井间连通性的预测。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种基于知识交互图神经网络的井间连通性预测方法