基于卷积编码器-解码器网络的剩余油分布预测方法

摘要

本发明涉及一种基于深度卷积编码器—解码器网络的预测剩余油分布方法，包括以下步骤：步骤一、构建随机偏微分方程(SPDE)替代模型，实现不确定性的传播，将该物理问题转换为图像到图像的回归问题；步骤二、针对图像到图像回归的物理问题构建深度卷积神经网络模型，以实现捕获高维输入和输出之间的复杂非线性映射关系；步骤三、将渗透率场输入图像以及饱和度场标签图像作为训练数据，利用深度卷积神经网络结构，训练剩余油预测模型；步骤四、利用均方误差根RMSE和决定系数R2对模型预测性能进行评估，评价应用于实际生产开发可行性。本发明能够更加简单快速的预测油藏剩余油分布的变化，与传统数值模拟方法相比，能够更加简单快速的预测油藏剩余油分布的变化。