期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
深度学习在油气产量预测中的研究进展与技术展望
被引量：
2
1
作者
郭子熙
马骉
+5 位作者
张帅
张舒
邓慧
陈东
陈怡羽
周嵩锴
《天然气工业》
EI
CAS
CSCD
北大核心
2024年第9期88-98,共11页
随着大数据和人工智能的不断进步,数字和智能化的油气产量预测技术已经成为石油天然气行业发展的新趋势。深度学习与油气产量预测的有效结合为解决非常规油气和复杂场景下的产量预测等问题提供了新的方案与策略。为此,在系统回顾油气产...
随着大数据和人工智能的不断进步,数字和智能化的油气产量预测技术已经成为石油天然气行业发展的新趋势。深度学习与油气产量预测的有效结合为解决非常规油气和复杂场景下的产量预测等问题提供了新的方案与策略。为此,在系统回顾油气产量预测技术发展历程的基础上,重点阐述了基于深度学习方法的油气产量预测技术的应用现状及关键流程,归纳了油气产量预测领域的特征工程以及不同场景下的神经网络构建方法,最后深入探讨了智能油气产量预测技术的未来发展方向。研究结果表明:(1)油气产量预测技术发展历程主要划分为传统油气产量预测方法、机器学习方法和深度学习方法 3个阶段;(2)深度学习方法已大量应用于油气产量预测研究中,尤其在复杂地质条件下的非常规油气领域,该技术表现出了良好的应用前景;(3)多样化的神经网络构建方法能够解决不同场景下的精细化油气产量预测需求;(4)需进一步加强人工智能领域与油气领域跨学科理论技术研究,促进两者在理论技术和生产实践等方面的深入融合;(5)智能油气产量预测技术未来可在实时预测与优化、数据融合与增强、物理约束与解释和模型更新与适应等方面开展深度攻关研究。结论认为,深度学习模型可显著提高油气产量预测技术的准确性和可靠性,为复杂气藏及非常规油气开发提供参考和指导,建议继续深化人工智能与油气行业应用等方面的有机结合,以推动油气行业的技术创新和高质量发展。
展开更多
关键词
机器学习
深度学习
人工智能
产量预测
非常规油气
在线阅读
下载PDF
职称材料
题名
深度学习在油气产量预测中的研究进展与技术展望
被引量：
2
1
作者
郭子熙
马骉
张帅
张舒
邓慧
陈东
陈怡羽
周嵩锴
机构
清华
大学
数学科学系
油气藏地质及开发工程全国
重点
实验室
•西南
石油
大学
中国
石油
集团川庆钻探工程有限公司井下作业公司
西南
石油
大学
计算机与软件学院
四川省油气勘探开发智能化工程研究中心
数据挖掘与知识管理南充市重点实验室•西南石油大学
中联煤层气国家工程研究中心
中
石油
煤层气有限责任公司
中国
石油
化工股份有限公司中原油田普光分公司
出处
《天然气工业》
EI
CAS
CSCD
北大核心
2024年第9期88-98,共11页
基金
国家自然科学基金重点项目“基于新一代信息技术的复杂油气储层地震勘探理论和方法”(编号:42330801)
油气藏地质及开发工程全国重点实验室开放基金课题“基于迁移学习的气井产量预测方法研究”(编号:PLN2022-50)。
文摘
随着大数据和人工智能的不断进步,数字和智能化的油气产量预测技术已经成为石油天然气行业发展的新趋势。深度学习与油气产量预测的有效结合为解决非常规油气和复杂场景下的产量预测等问题提供了新的方案与策略。为此,在系统回顾油气产量预测技术发展历程的基础上,重点阐述了基于深度学习方法的油气产量预测技术的应用现状及关键流程,归纳了油气产量预测领域的特征工程以及不同场景下的神经网络构建方法,最后深入探讨了智能油气产量预测技术的未来发展方向。研究结果表明:(1)油气产量预测技术发展历程主要划分为传统油气产量预测方法、机器学习方法和深度学习方法 3个阶段;(2)深度学习方法已大量应用于油气产量预测研究中,尤其在复杂地质条件下的非常规油气领域,该技术表现出了良好的应用前景;(3)多样化的神经网络构建方法能够解决不同场景下的精细化油气产量预测需求;(4)需进一步加强人工智能领域与油气领域跨学科理论技术研究,促进两者在理论技术和生产实践等方面的深入融合;(5)智能油气产量预测技术未来可在实时预测与优化、数据融合与增强、物理约束与解释和模型更新与适应等方面开展深度攻关研究。结论认为,深度学习模型可显著提高油气产量预测技术的准确性和可靠性,为复杂气藏及非常规油气开发提供参考和指导,建议继续深化人工智能与油气行业应用等方面的有机结合,以推动油气行业的技术创新和高质量发展。
关键词
机器学习
深度学习
人工智能
产量预测
非常规油气
Keywords
Machine learning
Deep learning
Artificial intelligence
Production prediction
Unconventional petroleum
分类号
TE328 [石油与天然气工程—油气田开发工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
深度学习在油气产量预测中的研究进展与技术展望
郭子熙
马骉
张帅
张舒
邓慧
陈东
陈怡羽
周嵩锴
《天然气工业》
EI
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
