一种基于岩石力学理论融合多层感知机和图卷积神经网络的套损预测方法

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
一种基于岩石力学理论融合多层感知机和图卷积神经网络的套损预测方法
申请号:CN202411939859
申请日期:2024-12-26
公开号:CN119357785B
公开日期:2025-05-23
类型:发明专利
摘要
本申请公开了一种基于岩石力学理论融合多层感知机和图卷积神经网络的套损预测方法,包括:首先,构建井层位数据属性图来描述井间复杂连接关系,其次,设计了基于岩石力学理论的地应力数据增强模块,基于MLP对油田单井生产数据进行映射的数据分层模块和堆叠多层网络以获取高阶邻居信息的图卷积模块。该方案通过应用地应力信息作为特征属性、利用MLP实现单井生产数据到层位生产数据的映射、通过地理加权实现井节点邻接关系的修正和应用图卷积神经网络提取井间关联关系达到了提高套损预测准确性和可靠性的目的。
技术关键词
岩石力学理论 多层感知机 数据 Softmax函数 信息传递机制 卷积神经网络提取 节点 高斯核函数 剪切模量 应力 卷积模块 关系 采油井 输出特征 注水井 矩阵 拓扑图 代表 泊松比 多层次
系统为您推荐了相关专利信息
机器人环境感知 激光点云数据 点云特征 图像特征数据 HSV颜色空间
数据集构建方法 动静态数据融合 云端 数据处理方式 识别特征
自定义协议 谱聚类算法 数据完整性检查 服务端 客户端
三维图像数据 二维图像数据 三维图像信息 神经网络模型 图像重建
分类方法 Pearson相关系数 深度学习模型训练 滑动窗口方法 风电机组功率曲线