CN113378951A - 一种油田画像的可视化类比方法、系统、可读介质和设备 - Google Patents
一种油田画像的可视化类比方法、系统、可读介质和设备 Download PDFInfo
- Publication number
- CN113378951A CN113378951A CN202110691639.9A CN202110691639A CN113378951A CN 113378951 A CN113378951 A CN 113378951A CN 202110691639 A CN202110691639 A CN 202110691639A CN 113378951 A CN113378951 A CN 113378951A
- Authority
- CN
- China
- Prior art keywords
- oil field
- analogy
- oilfield
- candidate
- oil
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000000007 visual effect Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003068 static effect Effects 0.000 claims abstract description 38
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- 239000003921 oil Substances 0.000 claims description 155
- 230000006870 function Effects 0.000 claims description 36
- 238000011084 recovery Methods 0.000 claims description 10
- 239000010779 crude oil Substances 0.000 claims description 9
- 210000005069 ears Anatomy 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000035699 permeability Effects 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012800 visualization Methods 0.000 claims description 5
- 230000037308 hair color Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种油田画像的可视化类比方法、系统、可读介质和设备，其首先通过确定待评价油田的类比目标函数和油田类型选定候选油田集；根据类比目标函数的影响程度，对候选油田集中各油田的静态特征参数进行排序；运用人脸识别中脸部特征值识别顺序对油田画像特征参数进行排序，将静态特征参数和油田画像特征参数对应，并对候选油田集中的各油田进行画像。根据人脸识别模型计算候选油田与待评价油田的相似度，选择相似度超过阈值的油田进行油田类比，并根据候选油田的类比目标函数得出待评价油田的类比目标函数推荐值。其通过改进的人脸识别相似度方法，得到候选油田与待评价油田的相似度，判断标准更加客观、全面，判断结果更加准确。
Description
技术领域
本发明涉及一种油田画像的可视化类比方法、系统、可读介质和设备，属于油气开发技术领域，特别涉及油田特征可视化技术领域。
背景技术
油田类比方法是以不同研究对象间某些相似关系作为基础，推断两事物的其他相似性，从而达到预测的目的，其广泛应用于油气勘探目标选区、优质资产筛选、油气田开发方案设计领域，尤其适用于未投产油田开发前期研究。由于油藏深埋于地下不可见，在油田类比方法评估时，候选油田的筛选十分重要，现有的油田筛选方法往往通过经验或者通过计算各油田特征参数间的差异来综合判定其油田相似度，缺乏各特征参数的整体可视化图像，使得油田相似度数值计算不仅缺乏直观性，而且也无法综合考虑各特征参数的影响权重，从而影响了油田类比预测结果的准确性。
发明内容
针对上述问题，本发明的目的是提供了一种能够综合考虑油田特征参数，确定各特征参数权重的油田画像的可视化类比方法和系统。
为实现上述目的，本发明采取以下技术方案：一种油田画像的可视化类比方法，包括以下步骤：S1通过确定待评价油田的类比目标函数和油田类型选定候选油田集；S2根据对类比目标函数的影响程度，将候选油田集中各油田的静态特征参数进行排序；S3运用人脸识别中脸部特征值识别顺序对油田画像特征参数进行排序；S4将静态特征参数和油田画像特征参数进行对应，并对候选油田集中的各油田进行画像；S5根据人脸识别模型计算各候选油田与待评价油田的相似度，选择相似度超过阈值的油田进行油田类比，并根据各候选油田的类比目标函数值得出待评价油田的类比目标函数推荐值。
进一步，步骤S5中相似度采用改进的余弦距离相似度计算方法，其公式为：
其中，ai是A油田的第i个静态特征值，bi是B油田的第i个静态特征值，Wi是第i个静态特征值对目标函数影响的权重，n为静态特征值的数量。
进一步，步骤S1中类比目标函数至少包括：油田开发生产单井产能、油田采收率和高峰采油速度的类比。
进一步，步骤S1中油田类型以沉积类型、岩性、油藏深度、渗透率分级和原油性质中至少一种对待评价油田类型进行界定。
进一步，步骤S2中通过递归特征消除和随机森林相结合的算法获得静态特征参数排序结果。
进一步，步骤S2中的静态特征参数至少包括：沉积类型、岩性、油藏深度、原始地质储量、原始油藏压力、原始油藏温度、油柱高度、叠合含油面积、平均孔隙度、平均渗透率、平均净毛比、平均有效厚度、原始含油饱和度、平均K/u、平均API度、地层原油粘度和原始油气比，其中，K是平均渗透率，u是地层原油粘度。
进一步，步骤S3中画像特征参数至少包括：脸型、肤色、脸的长度、脸的宽度、发型、头发颜色、头发的高度、头发的宽度、眼睛的宽度、眼睛的高度、鼻子的长度、鼻子的宽度、嘴型、嘴的宽度、嘴的高度、耳朵的长度和耳朵的宽度。
本发明还公开了一种油田画像的可视化类比系统，包括：候选油田集生成模块，用于通过确定待评价油田的类比目标函数和油田类型选定候选油田集；静态特征参数排序模块，用于根据对类比目标函数的影响程度，将候选油田集中各油田的静态特征参数进行排序；画像特征参数排序模块，用于通过人脸识别中脸部特征值识别顺序对油田画像特征参数进行排序；可视化模块，用于将静态特征参数和油田画像特征参数进行对应，并对候选油田集中的各油田进行画像；结果输出模块，用于根据人脸识别模型计算各候选油田与待评价油田的相似度，选择相似度超过阈值的油田进行油田类比，并根据各候选油田的类比目标函数值得出待评价油田的类比目标函数推荐值。
本发明还公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行以实现如任一项的油田画像的可视化类比方法。
本发明还公开了一种计算设备，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据上述任一项的油田画像的可视化类比方法。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明通过改进的人脸识别相似度方法，得到各候选油田与待评价油田的相似度，判断标准更加客观、全面，判断结果更加准确；
2、本发明将深埋地下不可见的油藏，通过油田画像的方式简单、直观的进行展示，让油田类比方法可视化，一目了然。
附图说明
图1是本发明一实施例中人脸识别中脸部特征值排列顺序示意图；
图2是本发明一实施例中部分油田画像的示意图，其中画像上方的字母或字母和数字的组合为油田名；
图3是本发明一实施例中不同相似程度类比油田采收率分析图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方向，通过具体实施例对本发明进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。
本发明涉及一种油田画像的可视化类比方法、系统、可读介质和设备，在确定类比目标函数、界定待评价油田类型，筛选得到候选油田集基础上，逐一对各候选油田画像，通过改进的人脸识别相似度方法，得到各候选油田与待评价油田的相似度，在相似度大于60％的类比油田的类比目标函数值综合分析基础上，得到待评价油田类比目标函数的推荐值。本发明将深埋地下不可见的油藏，通过油田画像的方式简单、直观的进行展示，让类比工作可视化，一目了然。与此同时，考虑权重的人脸识别相似度改进方法，提高了类比油田相似度计算的精准度。下面结合附图，通过实施例对本发明方案进行详细说明。
实施例一
本实施例公开了一种油田画像的可视化类比方法，包括以下步骤：
S1通过确定待评价油田的类比目标函数和油田类型选定候选油田集。
类比目标函数包括但不限于：油田开发生产单井产能、油田采收率和高峰采油速度的类比。如待评价油田M油田目前正处于前期研究阶段，M油田的基本情况如表1所示，筛选出可与M油田类比的候选油田，进而确定M油田采收率的预测推荐值。
油田类型以沉积类型、岩性、油藏深度、渗透率分级和原油性质中至少一种对待评价油田类型进行界定。
筛选得到类比候选油田集：通过选择1种油田类型、2种油田类型、3种油田类型、4种油田类型、5种油田类型进行组合筛选可得容量不等的32个候选油田集。
表1 M油田的基本情况表
本实施例中的M油田属于：过渡相-浅水辫状河三角洲、陆相-曲流河、砂岩、浅-中层、高渗、黑油-稠油油藏。通过岩性和原油性质组合筛选得到候选油田集中包括94个油田。
S2通过递归特征消除和随机森林相结合的算法，按照静态特征参数对类比目标函数的影响程度，获得候选油田集中各油田的17项静态特征参数排序结果。
静态特征参数至少包括：沉积类型、岩性、油藏深度、原始地质储量、原始油藏压力、原始油藏温度、油柱高度、叠合含油面积、平均孔隙度、平均渗透率、平均净毛比、平均有效厚度、原始含油饱和度、平均K/u、平均API度、地层原油粘度和原始油气比。最终获得的静态特征参数排序结果为：沉积类型>岩性>平均K/u>原始油藏压力>原始地质储量>平均API度>油藏深度>叠合含油面积>平均净毛比>地层原油粘度>油柱高度>原始油藏温度>平均有效厚度>油藏压力梯度>原始含油饱和度>孔隙度>平均油气比。
S3运用人脸识别中脸部特征值识别顺序对17个油田画像特征参数进行排序。
如图1所示，画像特征参数至少包括：脸型、肤色、脸的长度、脸的宽度、发型、头发颜色、头发的高度、头发的宽度、眼睛的宽度、眼睛的高度、鼻子的长度、鼻子的宽度、嘴型、嘴的宽度、嘴的高度、耳朵的长度和耳朵的宽度。画像特征参数的排序结果为：肤色>头发颜色>脸型>脸的长度>脸的宽度>发型>头发的高度>头发的宽度>鼻子的长度>鼻子的宽度>眼睛的宽度>眼睛的高度>嘴型>嘴的宽度>嘴的高度>耳朵的长度>耳朵的宽度。
S4将静态特征参数和油田画像特征参数进行对应，并对候选油田集中的各油田进行画像。
油田静态特征参数与17个油田画像特征参数一一对应；二者的对应关系如表2所示，对候选油田集中的各油田进行画像；部分油田画像图如图2所示。
表2 M油田地质油藏静态特征参数与画像特征参数对应关系表
S5根据人脸识别模型计算各候选油田与待评价油田的相似度，选择相似度超过阈值的油田进行油田类比，并根据各候选油田的类比目标函数值得出待评价油田的类比目标函数推荐值。
相似度采用改进的余弦距离相似度计算方法，将各特征参数对类比目标函数的影响程度权重值进行充分考虑，逐个量化类比候选油田与待评价油田的相似度，其公式为：
即：
其中，ai是A油田的第i个静态特征值，bi是B油田的第i个静态特征值，Wi是第i个静态特征值对目标函数影响的权重，n为静态特征值的数量。本实施例中，上述阈值优选为60％，但不限于60％，即选取相似度高于60％的类比候选油田，对类比目标函数值进行分析，得到待评价油田的类比目标函数推荐值。
部分油田计算结果节选如表3所示，其中OF-42与M油田相似度最大，OF-7与M油田相似度最小。选取相似度高于60％的19个候选油田，对该油田采收率进行分析，结果如图3所示，得到待评价M油田采收率推荐值范围[17％,21％]，推荐均值19.5％。
表3部分候选油田与M油田相似度计算结果表
| 油田名 | OF-7 | OF-13 | OF-15 | OF-27 | OF-29 | OF-34 |
| 相似度 | 37.4 | 57.6 | 75.1 | 35.8 | 71.7 | 46.8 |
| 油田名 | OF-42 | OF-43 | OF-46 | OF-53 | OF-63 | OF-69 |
| 相似度 | 92.0 | 50.7 | 58.4 | 47.5 | 86.3 | 50.1 |
| 油田名 | OF-74 | OF-75 | OF-81 | OF-95 | OF-108 | OF-116 |
| 相似度 | 50.5 | 48.9 | 54.8 | 46.9 | 49.2 | 91.5 |
| 油田名 | OF-117 | |||||
| 相似度 | 91.3 |
实施例二
基于相同的发明构思，本实施例公开了一种油田画像的可视化类比系统，包括：
候选油田集生成模块，用于通过确定待评价油田的类比目标函数和油田类型选定候选油田集；
静态特征参数排序模块，用于根据对类比目标函数的影响程度，将候选油田集中各油田的静态特征参数进行排序；
画像特征参数排序模块，用于通过人脸识别中脸部特征值识别顺序对油田画像特征参数进行排序；
可视化模块，用于将静态特征参数和油田画像特征参数进行对应，并对候选油田集中的各油田进行画像；
结果输出模块，用于根据人脸识别模型计算各候选油田与待评价油田的相似度，选择相似度超过阈值的油田进行油田类比，并根据各候选油田的类比目标函数值得出待评价油田的类比目标函数推荐值。
实施例三
基于相同的发明构思，本实施例公开了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行以实现如任一项的油田画像的可视化类比方法。
实施例四
基于相同的发明构思，本发明还公开了一种计算设备，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据上述任一项的油田画像的可视化类比方法。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围。
Claims (10)
1.一种油田画像的可视化类比方法，其特征在于，包括以下步骤：
S1通过确定待评价油田的类比目标函数和油田类型选定候选油田集；
S2根据对所述类比目标函数的影响程度，将候选油田集中各油田的静态特征参数进行排序；
S3运用人脸识别中脸部特征值识别顺序对油田画像特征参数进行排序；
S4将静态特征参数和油田画像特征参数进行对应，并对候选油田集中的各油田进行画像；
S5根据人脸识别模型计算各候选油田与待评价油田的相似度，选择相似度超过阈值的油田进行油田类比，并根据各候选油田的类比目标函数值得出待评价油田的类比目标函数推荐值。
2.如权利要求1所述的油田画像的可视化类比方法，其特征在于，所述步骤S5中相似度采用改进的余弦距离相似度计算方法，其公式为：
其中，ai是A油田的第i个静态特征值，bi是B油田的第i个静态特征值，Wi是第i个静态特征值对目标函数影响的权重，n为静态特征值的数量。
3.如权利要求1或2所述的油田画像的可视化类比方法，其特征在于，所述步骤S1中类比目标函数至少包括：油田开发生产单井产能、油田采收率和高峰采油速度的类比。
4.如权利要求1或2所述的油田画像的可视化类比方法，其特征在于，所述步骤S1中油田类型以沉积类型、岩性、油藏深度、渗透率分级和原油性质中至少一种对待评价油田类型进行界定。
5.如权利要求1或2所述的油田画像的可视化类比方法，其特征在于，所述步骤S2中通过递归特征消除和随机森林相结合的算法获得静态特征参数排序结果。
6.如权利要求5所述的油田画像的可视化类比方法，其特征在于，所述步骤S2中的静态特征参数至少包括：沉积类型、岩性、油藏深度、原始地质储量、原始油藏压力、原始油藏温度、油柱高度、叠合含油面积、平均孔隙度、平均渗透率、平均净毛比、平均有效厚度、原始含油饱和度、平均K/u、平均API度、地层原油粘度和原始油气比。
7.如权利要求1或2所述的油田画像的可视化类比方法，其特征在于，所述步骤S3中画像特征参数至少包括：脸型、肤色、脸的长度、脸的宽度、发型、头发颜色、头发的高度、头发的宽度、眼睛的宽度、眼睛的高度、鼻子的长度、鼻子的宽度、嘴型、嘴的宽度、嘴的高度、耳朵的长度和耳朵的宽度。
8.一种油田画像的可视化类比系统，其特征在于，包括：
候选油田集生成模块，用于通过确定待评价油田的类比目标函数和油田类型选定候选油田集；
静态特征参数排序模块，用于根据对所述类比目标函数的影响程度，将所述候选油田集中各油田的静态特征参数进行排序；
画像特征参数排序模块，用于通过人脸识别中脸部特征值识别顺序对油田画像特征参数进行排序；
可视化模块，用于将所述静态特征参数和油田画像特征参数进行对应，并对所述候选油田集中的各油田进行画像；
结果输出模块，用于根据人脸识别模型计算各候选油田与待评价油田的相似度，选择所述相似度超过阈值的油田进行油田类比，并根据各候选油田的类比目标函数值得出待评价油田的类比目标函数推荐值。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-7任一项所述的油田画像的可视化类比方法。
10.一种计算设备，其特征在于，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7任一项所述的油田画像的可视化类比方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110691639.9A CN113378951A (zh) | 2021-06-22 | 2021-06-22 | 一种油田画像的可视化类比方法、系统、可读介质和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110691639.9A CN113378951A (zh) | 2021-06-22 | 2021-06-22 | 一种油田画像的可视化类比方法、系统、可读介质和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113378951A true CN113378951A (zh) | 2021-09-10 |
Family
ID=77578258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110691639.9A Pending CN113378951A (zh) | 2021-06-22 | 2021-06-22 | 一种油田画像的可视化类比方法、系统、可读介质和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113378951A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011035151A2 (en) * | 2009-09-18 | 2011-03-24 | Piovesan Carol M | Method, system and apparatus for intelligent management of oil and gas platform surface equipment |
| CN106815566A (zh) * | 2016-12-29 | 2017-06-09 | 天津中科智能识别产业技术研究院有限公司 | 一种基于多任务卷积神经网络的人脸检索方法 |
| CN107133879A (zh) * | 2016-02-26 | 2017-09-05 | 中国石油化工股份有限公司 | 一种筛选相似油田的方法 |
| CN108108807A (zh) * | 2017-12-29 | 2018-06-01 | 北京达佳互联信息技术有限公司 | 学习型图像处理方法、系统及服务器 |
| CN111123866A (zh) * | 2019-12-17 | 2020-05-08 | 中国石油集团工程股份有限公司 | 一种智能油田地面数据治理及管控系统 |
| CN111475685A (zh) * | 2019-12-27 | 2020-07-31 | 北京国双科技有限公司 | 油气勘探方法、装置、存储介质及电子设备 |
-
2021
- 2021-06-22 CN CN202110691639.9A patent/CN113378951A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2011035151A2 (en) * | 2009-09-18 | 2011-03-24 | Piovesan Carol M | Method, system and apparatus for intelligent management of oil and gas platform surface equipment |
| CN107133879A (zh) * | 2016-02-26 | 2017-09-05 | 中国石油化工股份有限公司 | 一种筛选相似油田的方法 |
| CN106815566A (zh) * | 2016-12-29 | 2017-06-09 | 天津中科智能识别产业技术研究院有限公司 | 一种基于多任务卷积神经网络的人脸检索方法 |
| CN108108807A (zh) * | 2017-12-29 | 2018-06-01 | 北京达佳互联信息技术有限公司 | 学习型图像处理方法、系统及服务器 |
| CN111123866A (zh) * | 2019-12-17 | 2020-05-08 | 中国石油集团工程股份有限公司 | 一种智能油田地面数据治理及管控系统 |
| CN111475685A (zh) * | 2019-12-27 | 2020-07-31 | 北京国双科技有限公司 | 油气勘探方法、装置、存储介质及电子设备 |
Non-Patent Citations (3)
| Title |
|---|
| HONG LI, HAIYANG YU, NAI CAO, HE TIAN & SHIQING CHENG: "Applications of Artificial Intelligence in Oil and Gas Development", ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING, vol. 28, 16 January 2020 (2020-01-16), XP037429509, DOI: 10.1007/s11831-020-09402-8 * |
| 陈守泽;: "浅谈油气生产物联网(A11)技术中的功图诊断与量液――以福山油田为例", 江汉石油职工大学学报, no. 01, 20 January 2018 (2018-01-20) * |
| 顾岩: "基于深度学习的人脸识别技术及在油田作业区的应用研究", 中国优秀硕士学位论文全文数据库信息科技辑, 15 January 2020 (2020-01-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110674841B (zh) | 一种基于聚类算法的测井曲线识别方法 | |
| US10228478B2 (en) | Method of searching for oil-gas reservoir based on trap-3D software | |
| CN105528522A (zh) | 一种基于空间网格计算连续性油气藏资源量的方法及装置 | |
| CN105069303A (zh) | 一种低渗透储层产能定量评价方法 | |
| CN104899411B (zh) | 一种储层产能预测模型建立方法和系统 | |
| CN105447762B (zh) | 一种流体替换的低渗透油藏水淹信息的计算方法 | |
| CN102928877A (zh) | 基于d-s证据理论的地震属性融合方法 | |
| CN112861890B (zh) | 一种储层评价模型构建方法及储层识别方法 | |
| CN107895092A (zh) | 一种基于复杂非线性注采建模的井间连通定量评价方法 | |
| CN106446514A (zh) | 一种基于模糊理论和神经网络的测井相识别方法 | |
| CN104632150B (zh) | 海上油田不同井组合理产液量确定的方法 | |
| CN110568495A (zh) | 基于广义目标函数的瑞雷波多模式频散曲线反演方法 | |
| CN113378951A (zh) | 一种油田画像的可视化类比方法、系统、可读介质和设备 | |
| CN104834934A (zh) | 一种用于识别储层流体的核体俘获法 | |
| CN113096240B (zh) | 一种局部异向性椭球体动态生成方法 | |
| CN104880737A (zh) | 测井资料识别地下流体类型的多元Logistic方法 | |
| CN107291798A (zh) | 一种地球化学数据异常信息的提取方法及系统 | |
| Feng et al. | Interpretable Lost Circulation Analysis: Labeled, Identified, and Analyzed Lost Circulation in Drilling Operations | |
| CN109973068B (zh) | 油藏注水诱导裂缝的识别方法及装置 | |
| CN111287739A (zh) | 一种基于地层原油粘度的剩余油分布预测方法 | |
| CN113361111B (zh) | 一种低渗透油藏储层特征模型的划分方法 | |
| CN106227959B (zh) | 一种基于四图叠合法预测岩性油藏有利区的方法及装置 | |
| CN114135269B (zh) | 一种致密砂岩油层识别方法及装置 | |
| Gladkikh et al. | Influence of filtration-capacitive properties of development objects on the value of oil displacement efficiency in various geological and physical conditions | |
| Rodionov et al. | Upgridding methods in reservoir modeling |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |