结合常微分方程与神经网络预测储层含水饱和度的方法

结合常微分方程与神经网络预测储层含水饱和度的方法，在石油储层地质模型中提取出一口井的测井数据，将数据预处理过后的测井数据先送入卷积神经网络进行数据特征的放大，再进入长短期记忆网络计算出隐藏层状态与细胞状态，最主要利用固定步长的四阶龙格库塔法来数值求解微分方程得到新的隐藏层状态从而提高训练预测的精度，最后用最优模型参数来预测储层含水饱和度；本发明着重考虑了通过引入常微分方程求解有效捕捉隐藏状态的动态变化规律，提升了模型的含水饱和度预测精度和稳定性，也为油气田开发的决策过程提供更为精确的依据。