摘要
本发明涉及一种基于流动单元指数分类的储层渗透率预测方法,通过对目标井段的进行岩心取样,对样品进行实验,测得岩心样品的流动单元指数,并对流动单元进行分类,优选最佳流动单元数目,构建最佳渗透率解释模型;利用双向长短期记忆网络预测目标井段的流动单元指数;利用孔隙度模型计算目标井段的孔隙度,结合目标井段的最佳渗透率解释模型、流动单元指数、孔隙度,能够更准确地预测目标井段的渗透率,对于提高石油和天然气开采的效率、降低成本、降低钻探风险、保护环境和确保能源安全具有重要意义。
技术关键词
测井解释模型
储层渗透率
循环神经网络模型
双向长短期记忆
指数
岩心孔隙度
数据
岩心取样
构建训练集
岩心样品
数值
参数
天然气
表达式
误差
中子
介质
系统为您推荐了相关专利信息
环境传感器数据
协方差矩阵
贝叶斯模型
多任务损失函数
分区
双向长短期记忆
局部放电特征
脉冲
电信号
高压电气设备
指数
监测方法
异常数据
一元线性回归模型
正态分布函数
命名实体识别方法
常见病
上下文特征
BERT模型
医疗信息处理技术
初始边界条件
三维立体模型
网格
有色金属冶炼烟气
三维模型