摘要
本发明提供了一种水力压裂地震可能性预测方法,涉及水力压裂技术领域,该方法包括构建结合重要性采样方法的物理约束深度算子网络模型;收集和处理在不同场景下的数据作为训练数据;对物理约束深度算子网络模型进行迭代训练,得到最优步的物理约束深度算子网络模型权重;对物理约束深度算子网络模型进行初始化,并根据目标水力压裂地震预测任务数据,得到目标场景下的水力压裂地震可能性预测结果。本发明将重要性采样融入到深度算子网络中,通过计算函数集中各函数的重要性、自适应改变采样分布,从而加速模型收敛和提高模型稳定性,解决了在无标签数据场景下训练难度大、收敛速度缓慢、求解精度低的问题,对水力压裂地震可能性进行更精准的预测。
技术关键词
网络
地震
物理
加权损失函数
采样方法
场景
应力
数据
初始边界条件
水力压裂技术
坐标
约束方法
分支
表达式
样条
参数
偏差
数学模型
序列
系统为您推荐了相关专利信息
金融
产品推送方法
产品推送装置
数据
特征提取模型
列车运行状态
事件流数据
环境感知数据
注意力
智能展示方法
矿井智能
数字孪生
模型构建方法
数据驱动模型
轨迹跟踪控制方法