(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111493520.7 (22)申请日 2021.12.08 (71)申请人 中国石油大 学(北京) 地址 102249 北京市昌平区府学路18号 (72)发明人 蒋丽丽　田冷　黄灿　王恒力　 顾岱鸿　王嘉新　柴晓龙　王泽川　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 代理人 杨勇　崔博 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/28(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 113/08(2020.01)G06F 119/14(2020.01) (54)发明名称 基于条件生成式对抗网络的MMP预测方法及 装置 (57)摘要 本发明实施例公开了一种基于条件生成式 对抗网络的MMP预测方法及装置， 该方法包括： 获 取目标油藏的MMP影响 因素数据； 将所述MMP影 响 因素数据输入到预先训练出的生成器中， 得到所 述预先训练出的生成器输出的所述目标油藏的 MMP预测值， 其中， 所述生成器为根据训练样本集 进行多次迭代训练得到的， 所述训练样本集中的 每个训练样本包含： 油藏的MMP值以及油藏的MMP 影响因素数据。 本发明实现了准确、 高效的对油 藏的MMP进行预测的有益效果。 权利要求书2页 说明书11页 附图5页 CN 114169240 A 2022.03.11 CN 114169240 A 1.一种基于条件生成式对抗网络的M MP预测方法， 其特 征在于， 包括： 获取目标油藏的M MP影响因素 数据； 将所述MMP影响因素数据输入到预先训练出的生成器中， 得到所述预先训练出的生成 器输出的所述目标油藏的MMP预测值， 其中， 所述生成器为根据训练样 本集进行多次迭代训 练得到的， 所述训练样本集中的每个训练样本包含： 油藏的MMP值以及油藏的MMP影响因素 数据。 2.根据权利要求1所述的基于条件生成式对抗网络的MMP预测方法， 其特征在于， 还包 括： 获取所述训练样本集； 根据所述训练样本集进行H1次迭代训练， 得到所述预先训练出的生成器， 其中， 每一次 迭代训练分为多个批次的训练， 在进行每一个批次的训练时， 先从所述训练样本集中选取 H2个训练样本， 然后基于选取的训练样本对判别器的网络权重进行训练， 最后基于选取 的 训练样本在由判别器和生成器组成的组合模型中对生 成器的网络权重进 行训练， H1和H2均 为正整数。 3.根据权利要求2所述的基于条件生成式对抗网络的MMP预测方法， 其特征在于， 所述 训练样本由第一数据和 第二数据组成， 所述第一数据为油藏的MMP影响因素数据， 所述第二 数据为油藏的M MP值； 所述基于 选取的训练样本对判别器的网络 权重进行训练， 具体包括： 分别针对将每个选取的训练样本， 将生成器根据训练样本的第一数据输出的MMP预测 值与该训练样本的第一数据进行组合， 得到组合数据， 并将该组合数据的标签设置为0； 将每个选取的训练样本的标签设置为1； 将设置完标签后的组合数据以及 设置完标签后的训练样本输入到判别器中， 对判别器 的网络权重进行训练。 4.根据权利要求3所述的基于条件生成式对抗网络的MMP预测方法， 其特征在于， 所述 基于选取 的训练样本在由判别器和 生成器组成的组合模型中对生成器的网络权重进行训 练， 具体包括： 分别针对每个选取的训练样本， 将训练样本的第一数据输入到生成器中， 得到生成器 输出的该训练样本对应的M MP预测值； 分别针对将每个选取的训练样本， 将训练样本的第一数据与训练样本对应的MMP预测 值进行组合， 得到组合数据， 并将该组合数据的标签设置为1； 将设置完标签后的组合数据输入到判别器中， 得到判别器输出的该组合数据为真实数 据的概率。 5.根据权利要求2所述的基于条件生成式对抗网络的MMP预测方法， 其特征在于， 所述 根据所述训练样本集进行H1次迭代训练， 得到所述预 先训练出的生成器， 包括： 采用超参数优化方法对迭代训练次数H1、 训练样本数量H2、 生成器的超参数以及判别 器的超参数进行优化， 得到最佳参数组合。 6.根据权利要求2所述的基于条件生成式对抗网络的MMP预测方法， 其特征在于， 生成 器的输入为MMP影响因素数据， 生 成器的输出为MMP预测值； 生 成器的网络结构具体包括： 第 一FCNN层、 第一拼接层以及第二FCNN层， 所述第一FCNN层用于对MMP影 响因素数据进行预处权　利　要　求　书 1/2 页 2 CN 114169240 A 2理， 所述第一拼接层用于将所述第一FCNN层输出的预处理后的数据与随机噪声进行拼接， 所述第二FCN N层用于对所述第一 拼接层输出的拼接后的数据进行处 理输出MMP预测值。 7.根据权利要求2所述的基于条件生成式对抗网络的MMP预测方法， 其特征在于， 判别 器的输入为MMP影响因素数据和MMP值， 该MMP值包括生成器的输出为MMP预测值， 判别器的 输出为数据为真实数据的概率； 判别器的网络结构具体包括： 第三FCNN层、 第二拼接层以及 第四FCNN层， 所述第三FCNN层用于对MMP影 响因素数据进行预处理， 所述第二拼接层用于将 所述第三FCNN层输出的预处理后的数据与MMP值进行拼接， 所述第四FCNN层用于对所述第 二拼接层输出的拼接后的数据进行处 理输出数据为真实数据的概 率。 8.一种基于条件生成式对抗网络的M MP预测装置， 其特 征在于， 包括： 数据获取 单元， 用于获取目标油藏的M MP影响因素 数据； 预测单元， 用于将所述MMP影响因素数据输入到预先训练出的生成器 中， 得到所述预先 训练出的生成器输出的所述目标油藏的MMP预测值， 其中， 所述生成器为根据训练样 本集进 行多次迭代训练得到的， 所述训练样本集中的每个训练样本包含： 油藏的MMP值以及油藏的 MMP影响因素 数据。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至7任意一项所 述方法的步骤。 10.一种计算机程序产品， 包括计算机程序/指令， 其特征在于， 该计算机程序/指令被 处理器执行时实现权利要求1至7任意 一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114169240 A 3