[发明专利]一种基于神经网络的确定储层压力的方法及装置

权利要求书

1.一种基于神经网络的确定储层压力的方法，其特征在于，包括：

获得储层中待解释点的位置信息和时间信息；

基于所述位置信息和时间信息，生成输入特征；

将所述输入特征输入至储层压力预测模型，预测得到储层压力，所述储层压力预测模型为基于质量守恒、控制方程和边界条件训练得到的神经网络模型；

对所述预测得到的储层压力进行编码处理，得到所述待解释点的目标储层压力。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获得训练数据，所述训练数据包括储层中任意点的位置信息和时间信息；

将所述训练数据输入到主神经网络，得到主网络输出；

对所述主网络输出进行编码处理，得到编码后的网络输出；

将所述编码后的网络输出带入到预构建的目标损失函数，以通过最小化损失训练神经网络，直至损失达到目标值，得到储层压力预测模型；

其中，所述目标损失函数为基于质量守恒、控制方程和边界条件确定的函数。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

基于储层初始压力、以井中心点为圆心的圆的半径、生产井的半径、地层体积系数、流体粘度、储层厚度和储层渗透率，确定边界条件损失函数；

基于孔隙度、流体压缩系数、参考压力下的底层体积系数、参考压力下的孔隙度、岩石压缩系数、地层体积系数、储层初始压力、以井中心点为圆心的圆的半径和储层渗透率，确定控制方程损失函数；

基于流量、孔隙度、当前时间的储层压力、地层体积系数和整个储层的体积，确定质量守恒损失函数；

根据所述边界条件损失函数、所述控制方程损失函数和所述质量守恒损失函数，确定目标损失函数。

4.根据权利要求2所述的方法，其特征在于，所述对所述主网络输出进行编码处理，得到编码后的网络输出，包括：

获得储层中开采井的位置信息；

基于所述位置信息和采集时间，构造得到渐进函数；

基于所述渐进函数对所述主网络输出进行编码处理，得到编码后的网络输出。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

基于预测得到储层压力对所述储层压力预测模型进行调整，得到调整后的储层压力预测模型。

6.一种基于神经网络的确定储层压力的装置，其特征在于，包括：

获取单元，用于获得储层中待解释点的位置信息和时间信息；

生成单元，用于基于所述位置信息和时间信息，生成输入特征；

预测单元，用于将所述输入特征输入至储层压力预测模型，预测得到储层压力，所述储层压力预测模型为基于质量守恒、控制方程和边界条件训练得到的神经网络模型；

编码单元，用于对所述预测得到的储层压力进行编码处理，得到所述待解释点的目标储层压力。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

数据获取单元，用于获得训练数据，所述训练数据包括储层中任意点的位置信息和时间信息；

第一输入单元，用于将所述训练数据输入到主神经网络，得到主网络输出；

编码处理单元，用于对所述主网络输出进行编码处理，得到编码后的网络输出；

训练单元，用于将所述编码后的网络输出带入到预构建的目标损失函数，以通过最小化损失训练神经网络，直至损失达到目标值，得到储层压力预测模型；

其中，所述目标损失函数为基于质量守恒、控制方程和边界条件确定的函数。