本发明涉及一种油田剩余油饱和度分布的预测方法，其包括如下步骤：(1)从油田区块的历史数据获取样本数据集，包括动态样本数据和静态样本数据；(2)对样本数据集进行归一化处理；(3)对归一后的样本数据集中的静态样本数据进行特征关联性压缩；(4)在保留时间维度的基础上对已归一压缩的样本数据集进行降维处理；(5)分割已归一压缩并降维处理的样本数据集以获得训练集和测试集；(6)构建训练集的输入集和测试集的输入集；(7)使用机器学习方法对训练集输入集的权值矩阵和偏置项进行训练，并对关键数据单元进行强化训练，以获得最优训练模型；(8)根据最优训练模型获得测试集输出集，并进行逆归一化和升维处理。该方法可应用于目前复杂地质情况下的剩余油开采能力快速预测，其预测准确率及适应能力较强。
声明：
“基于机器学习的油田剩余油饱和度分布的预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1117
编辑：管理员
来源：北方有色网
咨询细节
