[发明专利]一种基于机器学习的油水相对渗透率曲线计算方法在审
| 申请号： | 201910078370.X | 申请日： | 2019-01-28 |
| 公开（公告）号： | CN109800521A | 公开（公告）日： | 2019-05-24 |
| 发明（设计）人： | 谷建伟;张烈;刘巍;黄迎松;郑家朋;刘若凡;赵亮;任燕龙 | 申请（专利权）人： | 中国石油大学（华东） |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/08 |
| 代理公司： | 西安知诚思迈知识产权代理事务所(普通合伙) 61237 | 代理人： | 麦春明 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习的油水相对渗透率曲线计算方法，包括以下步骤：建立表征油水相对渗透率曲线特征的模型；油水相对渗透率曲线样本的预处理；采用神经网络图灵机训练样本及检验模型；预测油水相对渗透率曲线。本发明利用机器学习的计算方法得出油水相对渗透率曲线，速度快，成本低，考虑了油水粘度、孔隙度、渗透率、孔隙结构、矿物成分、沉积相带和驱替条件等动态和静态因素，符合实际矿场应用，为油水相对渗透率曲线的研究提供了新思路。 | ||
| 搜索关键词： | 相对渗透率 油水 基于机器 曲线计算 预处理 机器学习 静态因素 孔隙结构 曲线特征 神经网络 训练样本 油水粘度 沉积相 孔隙度 渗透率 矿场 矿物 样本 学习 预测 检验 应用 研究 | ||
【主权项】：
1.一种基于机器学习的油水相对渗透率曲线计算方法，其特征在于，包括以下步骤：步骤1、建立表征油水相对渗透率曲线特征的模型；步骤2、油水相对渗透率曲线样本的预处理；步骤3、采用神经网络图灵机训练样本及检验模型；步骤4、预测油水相对渗透率曲线。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国石油大学（华东），未经中国石油大学（华东）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910078370.X/，转载请声明来源钻瓜专利网。
