基于条件生成式对抗网络的油藏单井产量预测模型

为克服机器学习方法在油藏单井产量预测中的过拟合问题, 提高油田生产中的产量预测精度, 提出一种基于条件生成式对抗网络(CGAN)的油藏单井产量预测模型。该模型使用长短期记忆、全连接等基础神经网络, 构建生成和判别网络模型。生成网络模型以产量影响因素为条件输入, 生成预测产量数据, 利用对数损失函数评价预测数据与真实数据之间的偏差, 通过条件生成式对抗网络的博弈训练, 并结合贝叶斯超参数优化算法, 优化模型结构, 综合提高模型的泛化能力。基于Eclipse数值模拟软件建立同一井网条件下不同地质和生产条件下的油藏单井产量数据库, 以地质与生产条件等产量影响因素作为模型的条件输入, 进行油藏单井产量预测。结果表明: 与全连接神经网络(FCNN)、随机森林(RF)以及长短期记忆神经网络(LSTM)模型的预测结果相比, CGAN模型在测试集上的平均绝对百分比误差分别提升了2.59%、0.81%以及1.72%, 并且过拟合比最小(1.027)。说明CGAN降低了机器学习产量预测模型的过拟合程度, 提高了模型的泛化能力与预测精度, 验证了所提算法的优越性, 对指导油田高效开发和保障我国能源战略安全具有重要意义。     

薄壳的蠕变

在非弹性变形固体力学的许多问题中,结构构件的蠕变(尤其是薄壳的蠕变)占有显著的地位,并具有越来越大的意义。这同机器零件或设备上的力及温度的作用加大有关,也同现代技术中广泛使用轻合金、塑料以及其它人造材料有关,这类材料在常温或温度稍许提高时都显出蠕变。最近,壳的蠕变理论作为非线性变形体力学的比较年青领域得到了重大发展。      

LARGE DEFLECTION PROBLEM OF THIN ORTHOTROPIC CIRCULAR PLATE ON ELASTIC FOUNDATION WITH VARIABLE THICKNESS UNDER UNIFORM PRESSURE

ＬＡＲＧＥＤＥＦＬＥＣＴＩＯＮＰＲＯＢＬＥＭＯＦＴＨＩＮＯＲＴＨＯＴＲＯＰＩＣＣＩＲＣＵＬＡＲＰＬＡＴＥＯＮＥＬＡＳＴＩＣＦＯＵＮＤＡＴＩＯＮＷＩＴＨＶＡＲＩＡＢＬＥＴＨＩＣＫＮＥＳＳＵＮＤＥＲＵＮＩＦＯＲＭＰＲＥＳＳＵＲＥ（王嘉新）（刘杰）ＬＡＲＧ...     

弹性地基上正交各向异性变厚度圆薄板的大挠度问题

本文推出了均布载荷下弹性基地上的正交各向异性变厚度圆薄板大挠度问题的基本方程。利用修正迭代法获得了该问题的二阶近似解。     

非线性断裂力学诸判据的相互关系

<正> 断裂力学的诸判据式都要求提供有关物体开始达到临界状态的信息.为此,需要确定物体在给定载荷下的临界裂纹尺寸,或是确定零件在给定裂纹尺寸时的承载能力.本文着重分析实际中最常用的断裂力学判据特性间的关系,这些特性包括临界应力强度因子K_(Ic),抗裂性极限I_c,裂纹顶端临界张开量δ_c,弹塑性范围中应变强度因子M_(εc)和能量积分J_v.