[發明專利]一種基于圖小波神經網絡模型的油藏生產預測方法

有效

• 申請號: 202210571612.0
• 申請日: 2022-05-25
• 公開（公告）號: CN114662414B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 張凱;王曉雅;左袁德;張黎明;劉丕養;嚴俠;張華清;楊勇飛;孫海;張文娟;姚軍;樊靈
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06Q10/04;G06Q50/02;G06N3/04;G06N3/08;G06F111/10;G06F119/22
• 代理公司: 青島智地領創專利代理有限公司 37252
• 代理人: 陳海濱

本發明公開了一種基于圖小波神經網絡模型的油藏生產預測方法，屬于油藏開發技術領域，包括如下步驟：采集油藏數據，生成不同的油藏生產制度，利用數值模擬器計算不同生產制度下各口生產井的產量，構建樣本庫，并劃分訓練集與測試集；構建圖小波神經網絡模型；進行圖小波神經網絡模型的超參數優選，訓練構建的圖小波神經網絡模型；驗證訓練完成的圖小波神經網絡模型的性能；輸出訓練完成且評估性能良好的圖小波神經網絡模型，通過油田區塊內設置的監測設備實時采集油藏生產數據，輸入模型，實時預測油藏產量變化。本發明能夠以相似的精度以及大大提高的速度實現油藏生產中生產井產油產水情況預測。

技術領域

本發明屬于油藏開發技術領域，具體涉及一種基于圖小波神經網絡模型的油藏生產預測方法。

背景技術

油藏生產預測是利用已知的油藏信息和歷史數據，針對不同開發方案預測油藏產量的過程。油藏產量預測是進行開發方案設計與調整等問題的基礎和依據，對各項措施的科學安排部署與選擇、確保計劃目標的實現具有重要意義。傳統的油藏生產預測方法有兩種，油藏工程方法和數值模擬方法。油藏工程方法根據已有數據和資料形成經驗公式或圖版進而指導油藏區塊的生產與開發，例如產量遞減曲線等，但其應用范圍小，較難有效考慮油田非均質性的影響。數值模擬方法借助油藏數值模擬軟件完成，計算原理是數值求解耦合偏微分方程。其預測更加詳細、全面，但是計算網格動輒幾十萬甚至上百萬，計算耗時長、代價高。且在實際油藏管理中，許多情況下并不需要全尺寸的油藏模擬，而只需要針對特定指標的預測。

針對傳統方法在油藏生產預測方面的缺陷，油藏快速代理模型應運而生。快速代理模型的設計目的是在短時間內提供油藏數值模擬的近似預測。其原理是尋找模型輸入數據與模型動態響應如產量變化的內在函數，檢測和提取模型輸入數據與輸出數據之間高度非線性和復雜的關系。現有的神經網絡代理模型大多基于卷積神經網絡或長短期記憶神經網絡，這兩種網絡在處理尺寸較大的油藏數據與時序數據等方面具有顯著優勢。但這些方法多采用數據驅動模式，因此模型具有“黑盒”特性，即缺乏可解釋性；且不同樣本間彼此獨立，新的輸入數據與原先的樣本數據間并無聯系，缺乏信息交流。

發明內容

針對現有的油藏生產預測代理模型缺乏可解釋性與樣本間缺乏信息交流，且傳統的油藏工程方法限制性大、油藏數值模擬計算涉及網格多、計算量大、耗時長的缺點，本發明提出了一種基于圖小波神經網絡模型的油藏生產預測方法，能夠改進現有的代理模型的性能，在油藏生產預測任務中有效提高計算速度，節省計算時間。

本發明的技術方案如下：

一種基于圖小波神經網絡模型的油藏生產預測方法，包括如下步驟：

步驟1、采集油藏數據，生成不同的油藏生產制度，利用數值模擬器計算不同生產制度下各口生產井的產量，構建樣本庫，并將樣本庫按比例劃分訓練集與測試集；

步驟2、構建圖小波神經網絡模型，捕獲輸入樣本數據與輸出樣本數據之間復雜的非線性映射關系；

步驟3、進行圖小波神經網絡模型的超參數優選，并在劃分的訓練集中訓練構建的圖小波神經網絡模型；

步驟4、使用測試集驗證訓練完成的圖小波神經網絡模型的性能；

步驟5、輸出訓練完成且評估性能良好的圖小波神經網絡模型，通過油田區塊內設置的監測設備實時采集油藏生產數據，輸入模型，實時預測油藏產量變化。

進一步地，步驟1具體過程為：

步驟1.1、采集油藏數據，生成2000組不同的油藏生產制度；

每組生產制度包括注入井參數和生產井參數；注入井參數為注水量，生產井參數為產液量；全部的生產過程分成兩個大階段，在油藏開發過程中變化一次生產制度，所以總的生產制度特征數為生產井與注入井數量加和的兩倍；

步驟1.2、使用油藏數值模擬器計算不同生產制度下各口生產井的產量，構建樣本庫；