用深度学习挖掘油田开发指标预测模型的知识

• 作者: 岳永鹏 杨金莲 王淑宁 罗兰 钟仪华
• 来源期刊: 西南石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 油田开发指标 预测模型 知识挖掘 深度学习 实体与关系
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 油气田人工智能技术与应用专刊
• 页码范围: 63-74
• 页数: 12页
• 分类号: TE33
• 语种: 中文
• DOI: 10.11885/j.issn.1674-5086.2020.05.11.02

摘要

油田开发指标变化特征被当作油田开发规划、油田开采状况评价、油田开发方案设计与调整及油田开发风险预测预警等决策管理问题的重要依据.针对至今没有很好解决的建立智慧油田的瓶颈问题之一——油田开发指标智能预测系统的选择预测方法和模型的知识挖掘问题,基于油田开发的海量数据,利用深度学习的卷积神经网络和循环神经网络,提取反映油田开发动态特征和知识.在此基础上,结合已建立的油田开发指标预测的模型库及知识库,利用深度学习的实体和关系的联合提取方法,提出通过油田开发输入信息、油田开发动态特征指标、油田开发指标预测的模型库和知识库挖掘选择油田开发指标最佳预测模型的知识方法.概念设计的模拟实例表明,提出的知识挖掘流程可实现只要输入油田开发的相关信息,就能自主获得恰当的油田开发指标预测模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟仪华		32	180	7.0	12.0
2	罗兰		5	41	2.0	5.0
3	王淑宁		3	0	0.0	0.0
4	杨金莲		4	1	1.0	1.0
5	岳永鹏		2	3	1.0	1.0