一种基于小样本学习的剩余油挖潜方法

摘要

本发明提出一种基于小样本学习的剩余油挖潜方法，主要涉及深度学习，石油勘探领域。主要步骤包含：对获取的测井曲线数据进行预处理，并进行任务划分，设置支持集和查询集；设计基于小样本学习的地层划分方法，以识别单口井附近的含油储层，从而判断多口井的含油储层是否为同一地层，实现智能小层对比；设计三层循环的MAML(Model‑Agnostic Meta‑Learning)架构，解决井场间地质差异较大问题，根据地层划分所识别的油层，预测单口井附近的储集层的含油饱和度；设计基于度量学习的含油区块搜索方法，根据识别出的油层以及所预测出的该油层的含油饱和度，在横向储层中针对井网结构使用图神经网络进行特征相似度表征，进行剩余油挖潜相关研究。本发明针对地质数据样本量不足，借助小样本学习方法进行剩余油挖潜，并对元学习方法进行优化，实现有效的剩余油挖潜。