一种基于深度学习的油藏年度规划储量预测方法研究

作者：赫俊民; 李亚传

来源：计算机与数字工程, 2021, 49(04): 787-796.

• 规划储量预测
• 深度学习
• 归一化
• 特征向量
• 循环神经网络

油藏年度规划储量预测是勘探规划决策方案中必要且关键的一环。针对传统储量预测方法精度低、方法复杂度高等问题,该论文提出一种基于深度学习的油藏年度规划储量预测方法。首先,通过分析勘探基础数据,确定影响油藏年度规划储量的关键因素;然后,根据一定专家经验以及客观规律,对基础数据进行归一化处理,将复杂的油田数据转化为规范可用的输入特征向量;最后,利用循环神经网络进行模型训练,得到预测储量。实验结果表明,相比传统方法,该论文方法预测精度有显著提高,且复现能力强,可为今后油田企业储量预测领域提供一定参考价值。

• 出版日期2021
• 单位中国石油大学（华东）