基于机器学习与遗传算法的地热储层渗透率智能反演研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

[摘要］拟合地热储层长期注采过程中的生产动态是反演储层渗透率分布的重要技术。为了逼近真实的储层特征，传统反演方法需要反复调用数值模型进行试错搜索，计算成本高，时间周期长。对此，提出将机器学习代理模型与遗传算法相结合的智能反演思路，以实现地热储层的高效表征。本研究通过随机森林算法建立了均质、各向异性和非均质渗透率储层的智能预测模型，以代理不同生产时间的数模计算。（剩余23276字）

试读结束

目录
monitor
客服机器人