本發(fā)明提出一種基于機器學習的井間連通性評價方法,包括:1)根據數值模擬技術獲取數據集,包括動態(tài)數據與靜態(tài)數據;2)對樣本數據集中的動態(tài)數據進行特征關聯性提??;3)對動態(tài)數據與儲層樣本中的靜態(tài)數據進行歸一化處理;4)將樣本數據集劃分為訓練集與測試集,并構建機器學習模型的輸入與輸出;5)使用機器學習方法對模型的權值矩陣與偏置矩陣激進行訓練,獲得訓練模型;6)驗證所述訓練模型歸一化后計算結果的準確性與有效性;7)利用所述訓練模型根據動態(tài)數據計算出的地層平均滲透率定義井間的連通系數,表征井間連通性。本發(fā)明的方法只需要油田中最容易獲取的各個井的動態(tài)生產數據得到儲層地質信息,進而得到井間連通性。
聲明:
“基于機器學習的井間連通性評價方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)