[發(fā)明專(zhuān)利]基于深度自編碼器的自動(dòng)歷史擬合優(yōu)勢(shì)通道參數(shù)預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011339059.5
• 申請(qǐng)日: 2020-11-25
• 公開(kāi)（公告）號(hào): CN112541304B
• 公開(kāi)（公告）日: 2022-04-22
• 發(fā)明（設(shè)計(jì)）人: 張凱;張金鼎;李彥來(lái);周文勝;姚軍;王志偉;劉均榮;姚傳進(jìn);張黎明
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)石油大學(xué)（華東）
• 主分類(lèi)號(hào): G06F30/28
• 分類(lèi)號(hào): G06F30/28;G06K9/62;G06N3/04;G06Q10/04;G06Q50/06
• 代理公司: 北京匯澤知識(shí)產(chǎn)權(quán)代理有限公司 11228
• 代理人: 關(guān)宇辰

本發(fā)明涉及一種基于深度自編碼器的自動(dòng)歷史擬合優(yōu)勢(shì)通道參數(shù)預(yù)測(cè)方法，包括以下步驟：S1、使用直線表征油藏中的優(yōu)勢(shì)通道，建立油藏優(yōu)勢(shì)通道數(shù)值模擬模型；S2、結(jié)合優(yōu)勢(shì)通道油藏的先驗(yàn)信息，使用不同的分布函數(shù)生成學(xué)習(xí)樣本庫(kù)；S3、結(jié)合神經(jīng)網(wǎng)絡(luò)逐層訓(xùn)練及微調(diào)方法訓(xùn)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(yàn)樣本數(shù)據(jù)進(jìn)行降維重構(gòu)；S5、根據(jù)貝葉斯理論建立優(yōu)勢(shì)通道油藏歷史擬合目標(biāo)函數(shù)；S6、使用多數(shù)據(jù)同化集合平滑算法(ES?MDA)更新參數(shù)并最小化目標(biāo)函數(shù)。與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)現(xiàn)了對(duì)具有尺度不同的優(yōu)勢(shì)通道的油藏模型進(jìn)行反演，給實(shí)際具有大規(guī)模優(yōu)勢(shì)通道的油藏自動(dòng)歷史擬合提供參考。

技術(shù)領(lǐng)域

本發(fā)明屬于油氣田開(kāi)發(fā)領(lǐng)域，具體地說(shuō)，涉及一種基于深度自編碼器的自動(dòng)歷史擬合優(yōu)勢(shì)通道參數(shù)預(yù)測(cè)方法。

背景技術(shù)

實(shí)際油藏中存在大量的裂縫和高滲通道，極大影響了地層中流體的運(yùn)動(dòng)。具有優(yōu)勢(shì)通道的油藏，巖相變化大，非均質(zhì)性強(qiáng)，油藏的強(qiáng)非均質(zhì)性對(duì)油田開(kāi)發(fā)帶來(lái)很多問(wèn)題，如水竄，水錐等現(xiàn)象。油藏內(nèi)部?jī)?yōu)勢(shì)通道的狀態(tài)和分布也有極大的不確定性，因此，提高對(duì)強(qiáng)非均質(zhì)優(yōu)勢(shì)通道性油藏的認(rèn)識(shí)至關(guān)重要。目前常規(guī)的具有優(yōu)勢(shì)通道的油藏反演是利用人工完成的，反演時(shí)間長(zhǎng)，對(duì)人為經(jīng)驗(yàn)依賴性大，不利于現(xiàn)場(chǎng)實(shí)際應(yīng)用。具有優(yōu)勢(shì)通道的油藏參數(shù)數(shù)量巨大，而常規(guī)的反演只能對(duì)少量參數(shù)進(jìn)行反演，難以表征真實(shí)的油藏模型。近年來(lái)有學(xué)者將輔助歷史擬合的方法用于反演油藏模型，但是應(yīng)用于具有大量參數(shù)的強(qiáng)非均質(zhì)的油藏反演尚未有報(bào)道。

由于優(yōu)勢(shì)通道大小分布的隨機(jī)性，建立準(zhǔn)確有效的流動(dòng)數(shù)學(xué)模型是很困難的。自19世紀(jì)60年代，已經(jīng)提出了多種流動(dòng)數(shù)學(xué)模型。最常用的模型是雙重孔隙介質(zhì)模型，優(yōu)勢(shì)通道性巖體同時(shí)存在兩個(gè)獨(dú)立的系統(tǒng)，基巖系統(tǒng)和裂縫系統(tǒng)，其中裂縫系統(tǒng)為主要的流動(dòng)通道，然而雙重介質(zhì)模型簡(jiǎn)化實(shí)際的裂縫形態(tài)，很難對(duì)實(shí)際的裂縫性油藏進(jìn)行數(shù)值模擬。離散裂縫網(wǎng)絡(luò)模型(DFM)明確考慮了裂縫對(duì)流體流動(dòng)的影響，通過(guò)非結(jié)構(gòu)化網(wǎng)格對(duì)裂縫所在位置進(jìn)行描述，然而非結(jié)構(gòu)化網(wǎng)格的建立具有一點(diǎn)的難度，運(yùn)算耗費(fèi)相對(duì)較大。嵌入式離散裂縫網(wǎng)絡(luò)模型(EDFM)，在嵌入式離散裂縫網(wǎng)絡(luò)模型中，裂縫網(wǎng)格獨(dú)立于基質(zhì)網(wǎng)格，通過(guò)結(jié)構(gòu)化網(wǎng)格對(duì)優(yōu)勢(shì)通道位置進(jìn)行描述，計(jì)算耗費(fèi)較小。目前，嵌入式離散裂縫網(wǎng)絡(luò)模型有了很廣泛的應(yīng)用。

從20世紀(jì)60年代以來(lái)，出現(xiàn)了各種自動(dòng)歷史擬合方法，隨著數(shù)字計(jì)算技術(shù)和現(xiàn)代優(yōu)化算法的發(fā)展，一定程度上提高了歷史擬合的精度和工作效率，自動(dòng)歷史擬合的方法在得到了進(jìn)一步的發(fā)展。集合卡爾曼濾波(EnKF)是一種根據(jù)預(yù)測(cè)響應(yīng)數(shù)據(jù)和觀測(cè)數(shù)據(jù)，通過(guò)更新迭代計(jì)算，反求模型的靜態(tài)參數(shù)和系統(tǒng)動(dòng)態(tài)參數(shù)的方法。集合卡爾曼濾波在很多領(lǐng)域都有廣泛的應(yīng)用。集合平滑(ES)算法，不考慮模型的系統(tǒng)的狀態(tài)變量，因此更適合油藏歷史擬合問(wèn)題，然而集合平滑算法在全局更新時(shí)同步吸收所有的數(shù)據(jù)，可能會(huì)造成數(shù)據(jù)不匹配情況。多數(shù)據(jù)同化集合平滑方法(ES-MDA)，在集合平滑算法的基礎(chǔ)上，通過(guò)多次數(shù)據(jù)同化吸收，進(jìn)而反演模型參數(shù)。在歷史擬合中，多數(shù)據(jù)同化集合平滑的方法在提升歷史數(shù)據(jù)擬合精度的同時(shí)，顯著減少了計(jì)算耗費(fèi)。

自編碼器是一種數(shù)據(jù)壓縮重構(gòu)方法，基于神經(jīng)網(wǎng)絡(luò)神經(jīng)元的結(jié)構(gòu)，對(duì)大量樣本進(jìn)行訓(xùn)練學(xué)習(xí)，自編碼器可以提取數(shù)據(jù)的特征，進(jìn)而對(duì)數(shù)據(jù)進(jìn)行降維。隨著多層感知器的發(fā)展，以及國(guó)內(nèi)外學(xué)者的不斷研究，具有多層結(jié)構(gòu)的深度自編碼器在數(shù)據(jù)降維上體現(xiàn)出了優(yōu)越性。然而目前深度自編碼器還未應(yīng)用于具有優(yōu)勢(shì)通道的油藏反演預(yù)測(cè)研究當(dāng)中。

因此，需要提供一種基于深度自編碼器的自動(dòng)歷史擬合優(yōu)勢(shì)通道參數(shù)預(yù)測(cè)方法。

發(fā)明內(nèi)容

針對(duì)上述問(wèn)題，本發(fā)明提供一種基于深度自編碼器的自動(dòng)歷史擬合優(yōu)勢(shì)通道參數(shù)預(yù)測(cè)方法，該方法使用油藏優(yōu)勢(shì)通道參數(shù)先驗(yàn)信息生成樣本，使用深度自編碼器進(jìn)行訓(xùn)練，將數(shù)據(jù)壓縮降維，可以實(shí)現(xiàn)大規(guī)模油藏優(yōu)勢(shì)通道參數(shù)的反演。

為實(shí)現(xiàn)上述目的，本發(fā)明采用下述方案：

基于深度自編碼器的自動(dòng)歷史擬合優(yōu)勢(shì)通道參數(shù)預(yù)測(cè)方法，包括以下步驟：

S1、使用直線表征油藏中的優(yōu)勢(shì)通道，建立油藏優(yōu)勢(shì)通道數(shù)值模擬模型