| 查看: 1979 | 回复: 0 | |||
xxxgdragon新虫 (初入文坛)
|
[交流]
深度学习驱动的油气开发技术与应用专
|
|
1. 油气开发工程中的基本数学物理模型及工程问题 1.1.裂缝性储层流体流动模型：等效连续介质模型、离散裂缝网络模型 1.2.油气藏流体连续介质模拟及数值模拟方法 1.3.油气藏开发中的提高采收率技术： 1.4.非常规油气藏的压裂设计和开发模拟 1.5.偏微分方程（PDE）在油气开发中的作用和体现 1.6.偏微分方程求解方法概述 2. Python 基本指令及库 实战演练：基于简单 NumPy 指令解决油气开发工程分类问题 实战演练：基于 PyTorch 模块求解 3. 基于深度学习的 PDE 求解方法 算例实现：Burgers 方程；扩散方程等 算例实现：单相渗流方程求解 4. 基于深度学习的参数反演 算例实现：Automatic well test interpretation method for circular reservoirs with changing wellbore storage by using one-dimensional convolutional neural network ， Journal of Energy Resources Technology. 2023 算例实现：利用残差神经网络反演储层中的渗透率 K 5. 深度学习在油气开发中的应用：论文复现 5.1.BP 神经网络隐式法在测井数据中的应用研究：利用 BP 神经网络进行 测井数据分析 参考文献： Implicit Approximation of Neural Network and Applications. SPE Res Eval & Eng 2009，12 (6): 921-928. 5.2.神经网络在测井数据预测中的应用研究：侧重如何利用物理信息提高预 测精度 参考文献：硕士论文 5.3.油气水流动的三维多相多组分非定常偏微分方程组的建立、求解及应用 研究：探讨如何建立和求解复杂的 PDE 方程组，并在油气开发中应用 参考文献：Surrogate modeling for porous flow using deep neural networks, Journal of Petroleum Science and Engineering, 2022, 213, 110460 5.4.人工智能技术在油气开发中的应用研究：特别是在处理大数据方面的应 用，如气田开发。 参 考 文 献 ： Deep learning-based analysis of the main controlling factors of different gas-fields recovery rate, Energy，2023, 285, 15, 128767, (代码不公开) 5.5.基于非结构 PEBI 网格的水驱、化学驱、致密油、页岩气开发中的流动 规律数值模拟软件的研发与应用介绍 6. 人工智能方法在油气田开发中的应用：进展与展望 |
回复此楼» 猜你喜欢
302求调剂一志愿华中师范大学
已经有4人回复
-
288求调剂 一志愿哈工大 材料与化工
已经有32人回复
-
一志愿郑大材料工程290求调剂
已经有20人回复
-
环境工程297分求调剂一志愿杭高院
已经有12人回复
-
366求调剂一志愿东北大学
已经有7人回复
-
材料调剂
已经有6人回复
-
一志愿北京科技大学085601材料工程英一数二初试总分335求调剂
已经有9人回复
-
材料调剂
已经有5人回复
-
材料与化工306分找调剂
已经有5人回复
-
301求调剂
已经有5人回复
10