[發明專利]基于深度自編碼器的自動歷史擬合優勢通道參數預測方法

有效

• 申請號: 202011339059.5
• 申請日: 2020-11-25
• 公開（公告）號: CN112541304B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 張凱;張金鼎;李彥來;周文勝;姚軍;王志偉;劉均榮;姚傳進;張黎明
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06K9/62;G06N3/04;G06Q10/04;G06Q50/06
• 代理公司: 北京匯澤知識產權代理有限公司 11228
• 代理人: 關宇辰

1.一種基于深度自編碼器的自動歷史擬合優勢通道參數預測方法，包括以下步驟：

S1、使用直線表征油藏中的優勢通道，建立油藏優勢通道數值模擬模型

S2、結合優勢通道油藏的先驗信息，使用不同的分布函數生成學習樣本庫

S3、結合神經網絡逐層訓練及微調方法訓練深度自編碼器

S4、基于深度自編碼器的編碼解碼屬性將先驗樣本數據進行降維重構

S5、根據貝葉斯理論建立優勢通道油藏歷史擬合目標函數

S6、使用多數據同化集合平滑算法ES-MDA更新參數并最小化目標函數。

2.根據權利要求1所述的基于深度自編碼器的自動歷史擬合優勢通道參數預測方法，其特征在于：S1具體方法如下：

第一步，根據油藏中優勢通道的特征，使用直線的長度，角度，中點參數表征優勢通道，進而根據優勢通道的這些參數計算出每個優勢通道的端點；優勢通道端點的計算公式為：

式中，x_mid，y_mid為優勢通道的中點坐標，L為優勢通道的長度，θ為優勢通道的角度，x₁，y₁，x₂，y₂為優勢通道端點坐標；

第二步，建立嵌入式離散裂縫網絡模型EDFM，將優勢通道的端點坐標代入模型進行模擬，進而得到模擬生產數據。

3.根據權利要求2所述的基于深度自編碼器的自動歷史擬合優勢通道參數預測方法，其特征在于：S2具體方法如下：

第一步，設置訓練樣本數量、大優勢通道數量及小優勢通道數量；

第二步，設置大優勢通道參數，首先確定大優勢通道的數量N_l，然后結合大優勢通道角度、長度和中點參數的范圍，根據隨機均勻分布函數生成大優勢通道參數樣本；

第三步，設置小優勢通道參數；首先確定小優勢通道數量N_s，然后將整個區域平均劃分成4個小區域，通過產生4個隨機數ri，來確定每個區域小優勢通道的數量n_i；

n_i＝N_s·d_i (3)

小優勢通道的長度使用對數正太分布函數生成，角度使用正態分布函數生成，中點位置在區域內隨機生成。

4.根據權利要求3所述的基于深度自編碼器的自動歷史擬合優勢通道參數預測方法，其特征在于：S3具體方法如下：

第一步，自編碼器類型為稀疏自編碼器，設深度自編碼器的隱層數量為n_a，設置反映稀疏特征的參數λ，β和ρ；

第二步，進行自編碼器的逐層訓練，先訓練第一個自編碼器，將自編碼器的隱層數據作為第二個自編碼器的輸入，繼續訓練下一個自編碼器，直至所有自編碼器都訓練完成；

第三步，逐層訓練結束后，堆疊所有自編碼器，形成深度自編碼器，最后進行微調，即使用樣本數據訓練堆疊形成的深度自編碼器。

5.根據權利要求4所述的基于深度自編碼器的自動歷史擬合優勢通道參數預測方法，其特征在于：S4具體方法如下：

第一步，將樣本數據輸入到訓練好的深度自編碼器中，經編碼后得到隱層數據，隱層數據即為降維后的數據；

第二步，使用深度自編碼器解碼隱層數據，得到重構樣本數據；將降維后的數據作為反演參數，可以大大減少運算耗費。

6.根據權利要求5所述的基于深度自編碼器的自動歷史擬合優勢通道參數預測方法，其特征在于：S5具體方法如下：

基于貝葉斯理論，歷史擬合的后驗概率及目標函數可表示為：

P(m|d)∝exp[-O(m)] (5)

其中，P(m|d)為后驗概率，O(m)為歷史擬合的目標函數；d_obs為歷史生產數據；g(m)為油藏數值模擬數據；m為模型參數；C_D為觀測數據的協方差；m_pr為先驗模型參數；C_M為先驗模型參數的協方差。

7.根據權利要求6所述的基于深度自編碼器的自動歷史擬合優勢通道參數預測方法，其特征在于：S6具體方法如下：

第一步，設置集合數量和最大迭代次數；

第二步，對模型參數進行迭代更新；多數據同化集合平滑算法ES-MDA更新規則為：

其中，n表示第n次迭代，j表示集合中的第j個，a表示分析，f表示數值模擬；表示更新后的參數；表示上一次的參數；為模型參數與模擬數據間的協方差矩陣；為模擬數據的協方差矩陣；為觀測數據的協方差矩陣；d_obs為觀測數據；z_d為高斯分布函數；α_i為一個系數；

第三步，通過多數據同化集合平滑算法ES-MDA不斷迭代更新，使得目標函數值不斷下降，當迭代次數達到最大迭代次數時，目標函數值最小時的模型即為歷史擬合的最終模型。