[发明专利]基于元学习的多任务油田生产动态拟合模型

摘要

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。

主权项

1.一种基于元学习的多任务油田生产动态拟合模型，其优势在于，适用于多类任务，适用于多种模型，适用于小样本数据，模型收敛速度快，提出了一种通用的任务表达方式：步骤(1)、根据数据输入对数据进行数据预处理操作包括归一化、补全、主成分分析等操作；步骤(2)、将预处理数据输入到元学习模型中进行训练，在数据集中随机选取几组数据，通过梯度下降训练模型，学习到对该任务敏感的模型参数；步骤(3)、重复前两部步骤，得到根据油田多口井数据构建出的元学习油田系统化模型；步骤(4)、构建出的油田系统化模型在面对新任务时，可以通过较少的数据集进行训练快速收敛适应新任务，达到预测、回归等任务需求。