[發明專利]一種機器學習輔助的兩相流油藏隨機建模的網格粗化方法

有效

• 申請號: 202110023186.2
• 申請日: 2021-01-08
• 公開（公告）號: CN112800590B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 李航宇;王彥集;卜忠宇;樊靈;徐建春;劉樹陽;王曉璞
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N20/00;G06F111/10
• 代理公司: 青島潤集專利代理事務所(普通合伙) 37327
• 代理人: 趙以芳

1.一種機器學習輔助的兩相流油藏隨機建模的網格粗化方法，其特征在于，包括以下步驟：

（1）通過隨機建模方法建立若干地質模型實現，確定地質模型實現將要粗化成粗網格的尺寸和數量；

（2）選取部分地質模型實現記為模型集P1，其余模型記為模型集P2，對模型集P1中模型實現進行相對滲透率粗化計算，得到P1中粗網格的粗尺度相對滲透率數據；

（3）對所有地質模型實現的滲透率進行數據預處理；

（4）提取P1和P2中每個粗網格的滲透率分布特征，用機器學習算法對所有粗網格的滲透率分布特征進行歸類，得到P1和P2中粗網格的類別；提取粗網格的滲透率分布特征，通過把數據預處理后的粗網格中細網格的滲透率場畫成圖，以圖片識別的方式對粗網格進行歸類；提取粗網格的滲透率分布特征，對滲透率分布特征進行降維處理以加快計算機處理速度；用機器學習算法對所有粗網格的滲透率分布特征進行歸類，歸類方法為分類或聚類算法；

（5）將P1中粗網格的粗尺度相對滲透率數據賦值給與之同類P2中的網格，得到P2近似的粗尺度相對滲透率數據；

（6）使用P1和P2中粗網格粗尺度的相對滲透率數據進行油藏數值模擬計算。

2.如權利要求1所述的一種機器學習輔助的兩相流油藏隨機建模的網格粗化方法，其特征在于，對所有地質模型實現的滲透率進行數據預處理的處理方式為：先對所有細網格的滲透率做ln對數變換，然后對每個粗網格進行特征放縮處理，特征放縮處理式為（1）所示：

（1）

其中，為粗網格中每個細網格的滲透率，為該粗網格中所有細網格滲透率的平均值，為該粗網格中所有細網格滲透率的最大值，為該粗網格中所有細網格滲透率的最小值，為特征放縮后的細網格滲透率。

3.如權利要求1所述的一種機器學習輔助的兩相流油藏隨機建模的網格粗化方法，其特征在于，步驟（2）中選取地質模型實現劃分模型集P1，在所有模型實現中按比例隨機選取。

4.如權利要求1所述的一種機器學習輔助的兩相流油藏隨機建模的網格粗化方法，其特征在于，步驟（2）中選取地質模型實現劃分模型集P1，通過手動選取部分有明顯地質特征的模型實現。

5.如權利要求1所述的一種機器學習輔助的兩相流油藏隨機建模的網格粗化方法，其特征在于，步驟（4）中提取粗網格的滲透率分布特征，直接采用數據預處理后粗網格中每個細網格的滲透率數據。