[發明專利]一種蒸汽驅油藏溫度場的預測方法及系統

在審

• 申請號: 202110905371.4
• 申請日: 2021-08-09
• 公開（公告）號: CN113487115A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 趙輝;宮汝祥;饒翔;劉英憲;孫永濤;王正;彭曉寅;王飛;劉東;李敬松;黃子俊;孫玉豹;楊浩
• 申請（專利權）人: 長江大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06Q50/02
• 代理公司: 武漢謙源知識產權代理事務所(普通合伙) 42251
• 代理人: 王力

1.一種蒸汽驅油藏溫度場的預測方法，其特征在于，包括：

S100、基于深度卷積生成對抗神經網絡，建立滲透率與溫度分布之間的動態映射關系，構建并訓練根據滲透率快速預測油藏溫度動態分布的代理模型；

S200、將滲透率分布圖輸入訓練好的代理模型，預測蒸汽驅油藏的溫度分布。

2.根據權利要求1所述的預測方法，其特征在于，所述代理模型由生成器和鑒別器兩個不同的模型組成，生成器用于制造和真實的訓練集相似的偽造圖片，鑒別器用于接受圖像并輸出該圖像是真實的訓練集中的真實圖片還是生成器生成的偽造圖片；在整個訓練過程中，生成器通過不斷地生成更好的偽造圖片來嘗試騙過鑒別器，而鑒別器則不斷努力地成為更好的分類器去能準確地去區分真實圖片和偽造圖片，最終訓練的平衡點是當生成器生成的偽造圖片看起來像直接來自訓練集數據，而鑒別器總是輸出生成器所生成的圖片為偽造圖片的概率為50％左右；

定義x為圖片數據，D(x)表示鑒別器網絡，當x來自于生成器時D(x)越低，當x來自訓練集數據時D(x)越高，G(z)表示生成器網絡，代表輸入圖像與輸出圖像的映射關系，D(G(z))表示生成器生成的偽造圖片被鑒別器判別為真的概率，其中，鑒別器的目的是最大程度地提高分辨真實圖片與偽造圖片的準確性，用logD(x)表示，生成器的目的是最小化判別它所生成的圖片為假的可能性，用log(1-D(G(x)))表示；

生成器和鑒別器的損失函數為：

其中，E(*)代表分布函數的期望值；p_data指真實數據的分布；p_z指在低維的噪音分布；z代表噪音分布；

通過不斷地迭代計算去提高生成器和鑒別器的精度。

3.根據權利要求2所述的預測方法，其特征在于，所述代理模型的構建過程包括：

構建生成器：使用深度卷積網絡構建生成器，通過輸入高維參數，經過一系列卷積操作，包括卷積、偏置、歸一化、激活操作，形成中間參數特征圖像，再通過一系列的反卷積操作進行上采樣，形成高維映射后的圖像，其中，輸出層使用雙曲正切函數作為激活函數來恢復連續值，并生成具有與輸入圖像大小相同的輸出圖像；

構建鑒別器：使用卷積神經網絡構建鑒別器，跨步卷積的卷積核為4，步長為2，補0設置為1，通過一系列的Conv2d，BatchNorm2d和Relu函數對輸入圖片進行處理，其中，Relu函數用于過濾負值，設置所有負值均為零。

4.根據權利要求3所述的預測方法，其特征在于，所述代理模型的訓練過程包括：更新鑒別器和更新生成器兩個部分；

訓練鑒別器：第一步，從真實的訓練集中獲取一批樣本，向前傳遞到鑒別器中并計算損失率logD(x)，然后在向后傳遞計算梯度；第二步，讓生成器生成一批偽數據，同樣將偽數據導入鑒別器并計算損失率log(1-D(G(z)))，向后傳遞計算梯度；通過上述兩步對鑒別器進行優化；

訓練生成器：將第一次生成器輸出的偽數據輸入鑒別器進行分類，然后用真假的標簽去計算生成器的損失以及梯度，最后通過Adam優化器去更新生成器中的參數；最終理想的情況是D(x)從接近1開始，然后在生成器變得更好的過程中不斷收斂到0.5；而D(G(z)))在一次訓練中會產生兩個數據，第一個在鑒別器更新之前，第二個在鑒別器更新之后，前后數據都應該從0開始不斷收斂到0.5，D(G(z)))的值代表圖片的真假程度，越趨近于0圖片越假，越趨近于1圖片越真。

5.根據權利要求1-4任一項所述的預測方法，其特征在于，所述代理模型的滲透率利用克里金插值生成滲透率場。

6.一種蒸汽驅油藏溫度場的預測系統，其特征在于，包括：

構建模塊，用于基于深度卷積生成對抗神經網絡，建立滲透率與溫度分布之間的動態映射關系，構建并訓練根據滲透率快速預測油藏溫度動態分布的代理模型；

預測模塊，用于將滲透率分布圖輸入訓練好的代理模型，預測蒸汽驅油藏的溫度分布。