[發(fā)明專利]基于物理約束的DL模型預(yù)測(cè)致密油壓裂范圍的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110076317.3
• 申請(qǐng)日: 2021-01-20
• 公開（公告）號(hào): CN112818591B
• 公開（公告）日: 2021-08-03
• 發(fā)明（設(shè)計(jì)）人: 岳明;宋鸝影;宋洪慶;宋田茹;王九龍;都書一
• 申請(qǐng)（專利權(quán)）人: 北京科技大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06F30/28;G06F30/23;G06N3/04;G06F111/04;G06F111/10
• 代理公司: 北京市廣友專利事務(wù)所有限責(zé)任公司 11237
• 代理人: 張仲波

本發(fā)明提供一種基于物理約束的DL模型預(yù)測(cè)致密油壓裂范圍的方法，屬于致密油壓裂技術(shù)領(lǐng)域。該方法首先對(duì)所研究的問題提出合理物理假設(shè)并設(shè)置相關(guān)參數(shù)，然后建立二維軸對(duì)稱的數(shù)值計(jì)算模型，進(jìn)行網(wǎng)絡(luò)的劃分并設(shè)置時(shí)間步，建立深度學(xué)習(xí)模型，設(shè)置深度神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)和其他參數(shù)，用測(cè)試集得到預(yù)測(cè)結(jié)果，使用L2范數(shù)和決定系數(shù)R²作為評(píng)價(jià)指標(biāo)對(duì)預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià)，比較考慮物理約束與不考慮物理約束下神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的精度，最后在添加物理約束的神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上改變訓(xùn)練數(shù)據(jù)量大小并衡量其預(yù)測(cè)能力。該方法可應(yīng)用于兩驅(qū)模型分區(qū)的流場(chǎng)分布的快速預(yù)測(cè)，其預(yù)測(cè)準(zhǔn)確率及適應(yīng)能力較強(qiáng)，計(jì)算速度快，可良好的解決致密油流場(chǎng)分布未知問題和小樣本預(yù)測(cè)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及致密油壓裂技術(shù)領(lǐng)域，特別是指一種基于物理約束的DL模型預(yù)測(cè)致密油壓裂范圍的方法。

背景技術(shù)

大多數(shù)情況下，深度學(xué)習(xí)算法被認(rèn)為是一個(gè)黑匣子，沒有考慮任何先驗(yàn)知識(shí)，包括物理方程、經(jīng)驗(yàn)公式等，然而很多情況下先驗(yàn)知識(shí)舉足輕重，其所涉及的控制方程等可以快速地將深度學(xué)習(xí)過程引導(dǎo)到正確的解，并使其能夠?qū)W習(xí)輸入和輸出之間的全部規(guī)則，并且可以有效去掉系統(tǒng)的非真實(shí)解。而單單從訓(xùn)練數(shù)據(jù)中訓(xùn)練出來的模型不能保證與工程問題相關(guān)的基本物理定律得到滿足。此外，在大多數(shù)工程應(yīng)用中，數(shù)據(jù)獲取是一個(gè)費(fèi)時(shí)的工作，且成本高，代價(jià)大，因此，如何有效地從小樣本中學(xué)習(xí)數(shù)據(jù)之間的關(guān)系也成為關(guān)鍵問題。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種基于物理約束的DL模型預(yù)測(cè)致密油壓裂范圍的方法。

該方法首先對(duì)所研究的問題提出合理物理假設(shè)并設(shè)置相關(guān)參數(shù)，包括儲(chǔ)層地質(zhì)條件和流體流動(dòng)規(guī)律，同時(shí)考慮基質(zhì)區(qū)和改造區(qū)的絕對(duì)滲透率的變化情況，然后在合理假設(shè)與參數(shù)設(shè)置的基礎(chǔ)上建立二維軸對(duì)稱的數(shù)值計(jì)算模型，表征基質(zhì)區(qū)和改造區(qū)范圍以及流體的流動(dòng)規(guī)律，對(duì)建好的模型進(jìn)行網(wǎng)絡(luò)的劃分并設(shè)置時(shí)間步，然后通過計(jì)算生成模擬數(shù)據(jù)，并將其處理為機(jī)器學(xué)習(xí)學(xué)習(xí)可使用的樣本數(shù)據(jù)集，建立深度學(xué)習(xí)模型，設(shè)置深度神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)和其他參數(shù)，自定義神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)，在數(shù)據(jù)項(xiàng)的基礎(chǔ)上通過自動(dòng)微分添加控制方程項(xiàng)，在添加物理約束的深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上，對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，用測(cè)試集得到預(yù)測(cè)結(jié)果，使用L2誤差和決定系數(shù)R²作為評(píng)價(jià)指標(biāo)對(duì)預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià)，比較考慮物理約束與不考慮物理約束下神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的精度，衡量添加物理約束后神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)能力，最后在添加物理約束的神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上改變訓(xùn)練數(shù)據(jù)量大小，然后衡量其預(yù)測(cè)能力。

具體包括步驟如下：

(1)對(duì)所研究的致密油壓裂范圍求解問題提出物理假設(shè)：假定所研究的地層是水平、均質(zhì)、各向同性的，液體是單相、均質(zhì)、弱可壓縮的牛頓液體，并假定滲流過程中等溫，無任何特殊的物理化學(xué)現(xiàn)象發(fā)生，滲流符合達(dá)西定律，然后在數(shù)值模擬軟件中設(shè)置相關(guān)參數(shù)，同時(shí)考慮基質(zhì)區(qū)和改造區(qū)的絕對(duì)滲透率的變化情況；

(2)在物理假設(shè)與參數(shù)設(shè)置的基礎(chǔ)上利用數(shù)值模擬軟件中的建模模塊選擇二維軸對(duì)稱模型建立致密油壓裂開發(fā)滲流數(shù)值計(jì)算模型，表征基質(zhì)區(qū)和改造區(qū)范圍以及流體的流動(dòng)規(guī)律；

(3)利用數(shù)值模擬軟件中網(wǎng)格自動(dòng)劃分方法對(duì)建好的模型進(jìn)行網(wǎng)格的劃分，然后設(shè)置時(shí)間步，最后通過數(shù)值模擬軟件中的計(jì)算功能模塊生成模擬數(shù)據(jù)，并將模擬數(shù)據(jù)中的離散數(shù)據(jù)和分類數(shù)據(jù)映射為計(jì)算機(jī)可以處理的二進(jìn)制數(shù)據(jù)格式，連續(xù)型數(shù)據(jù)通過Matlab轉(zhuǎn)為.mat文件，即處理為機(jī)器學(xué)習(xí)學(xué)習(xí)可使用的樣本數(shù)據(jù)集，并隨機(jī)抽取樣本數(shù)據(jù)集的70％作為訓(xùn)練集，剩下的30％作為測(cè)試集；

(4)采用適用性最廣的深度神經(jīng)網(wǎng)絡(luò)模型對(duì)獲取的樣本數(shù)據(jù)集進(jìn)行學(xué)習(xí)，即建立深度學(xué)習(xí)模型；

(5)設(shè)置深度神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)，即確定神經(jīng)網(wǎng)絡(luò)的層數(shù)和每層神經(jīng)元的數(shù)量，此外，還要設(shè)置激活函數(shù)、優(yōu)化器和權(quán)重初始化方法；

(6)自定義神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)，即在數(shù)據(jù)項(xiàng)的基礎(chǔ)上通過自動(dòng)微分添加控制方程項(xiàng)；