本发明提出了一种基于元学习(Meta‑Learning)的多任务油田生产动态拟合模型。油田生产任务众多，特性复杂，针对每一类任务每一个油田设计算法模型不现实，因此我们提出了基于元学习的多任务油田生产动态拟合模型。该模型相比与常用的算法模型具有以下优势：该模型适用于多类任务，例如分类、回归以及强化学习等；该模型适用于当前常用的多种模型，例如CNN、DNN等；该模型在数据集较少的情况下表现优于常见的模型，模型训练速度快，通过较少次数的梯度下降就可以到达很好的效果；该模型针对油田任务提出了一种通用的表达方式。该模型分为训练阶段与运行测试阶段：训练阶段，通过不同井的生产数据，调整模型参数，找到每口井的敏感参数，从而得到较好的油田生产动态模型；运行阶段，针对不同类型的任务，可以较好的实现某口井的生产动态预测任务(回归)，井下故障预测任务(分类)，或者其他任务。
声明：
“基于元学习的多任务油田生产动态拟合模型” 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)
1190
编辑：管理员
来源：北方有色网
咨询细节
