[發明專利]基于圖神經網絡的油藏模擬代理模型的構建方法

在審

• 申請號: 202310096800.7
• 申請日: 2023-01-19
• 公開（公告）號: CN116341364A
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 王楠哲;常海濱;張東曉
• 申請（專利權）人: 北京大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/08;G06Q50/02;G06N3/0442;G06F111/10
• 代理公司: 北京萬象新悅知識產權代理有限公司 11360
• 代理人: 王巖

1.一種基于圖神經網絡的油藏模擬代理模型的構建方法，其特征在于，所述構建方法包括以下步驟：

1)建立原始油藏模型：

利用油藏數值模擬器對油藏建立原始油藏模型，包括離散化的網格和節點；原始油藏模型中采用規則的或非規則的網格對油藏進行離散化，得到離散化的網格，網格的中心作為節點，并得到節點坐標；

2)選取關注的參數：

選取構建代理模型時所關注的參數，即代理模型的輸入參數和輸出參數；其中輸入參數為隨空間變化的空間分布數據，輸出參數為隨時間變化的時間序列數據；

3)生成輸入參數：

對步驟2)中選取的輸入參數隨機生成不同的多組實現，一組實現就代表輸入參數取值的一種分布情況；

4)獲取訓練數據：

將步驟3)中生成的輸入參數的多組實現，分別輸入到步驟1)中建立的原始油藏模型中，運行油藏數值模擬器，計算不同的輸入參數的實現對應的輸出參數的計算結果；一組輸入參數的實現與相應的輸出參數的計算結果組成數據對，多組數據對構成訓練數據集，每一個輸出參數的計算結果是一個隨時間變化的時間序列，序列長度為總模擬時間步數；

5)構建代理模型：

(1)構建圖神經網絡：

根據步驟1)中離散化的網格和節點坐標，每個節點與距其距離最近的N個節點連接形成邊，N為自然數，節點和邊共同組成圖結構；構建用來描述圖結構的鄰接矩陣，鄰接矩陣中的元素表示了節點之間連接的權重，具體計算方式如下：

其中，z_i和z_j分別表示圖結構中不同的兩個節點的節點坐標；W_ij表示矩陣中節點坐標分別為z_i和z_j的兩個節點之間的連接權重；σ為歸一化系數，取值為所有節點之間距離的均值；

根據得到的鄰接矩陣，利用已有的開源深度學習程序庫對圖結構建立切比雪夫網絡ChebNet，ChebNet為基于切比雪夫多項式的圖神經網絡，以ChebNet作為圖神經網絡；采用圖神經網絡對空間分布的輸入參數通過圖卷積提取空間信息并進行降維，輸出得到隱變量列向量；

(2)處理隱變量列向量：

將得到的隱變量列向量進行復制，復制成與步驟4)中總模擬時間步數相同的長度，

并將復制得到的隱變量列向量拼接在一起組成復制拼接后的時間序列；

(3)搭建長短時記憶LSTM網絡：

利用已有的開源深度學習程序庫搭建LSTM網絡，輸入為復制拼接后的時間序列，輸出為輸出參數的計算結果的時間序列；

(4)建立代理模型：

將圖神經網絡和LSTM網絡結合，得到油藏模擬的代理模型；在構建好的代理模型中，輸入參數經過其中的圖神經網絡得到隱變量列向量，隱變量列向量經過復制和拼接后傳到LSTM網絡部分，最終LSTM網絡輸出得到輸出參數的計算結果的時間序列，這就是構建的代理模型的前向計算流程；

6)訓練代理模型：

利用步驟4)得到的訓練數據集對步驟5)建立的代理模型進行訓練，設定訓練的迭代次數，使用優化算法最小化模型預測輸出與真實值之間的差距，達到預先設定的迭代次數后，完成訓練代理模型，得到訓練好的代理模型；

7)預測輸出參數：

將新的輸入參數的實現輸入至訓練好的代理模型中，得到對應的輸出參數的計算結果，實現對輸出參數的直接預測。

2.如權利要求1所述的構建方法，其特征在于，在步驟1)中，原始油藏模型中的非規則的網格采用：三角形網格或垂直等分線排比PEBI網格。

3.如權利要求1所述的構建方法，其特征在于，在步驟2)中，輸入參數為油藏滲透率和/或孔隙度，輸出為油藏生產井的產油速率、產水速率、井底壓力、注水井的注水速率和井底壓力中的一個或多個。

4.如權利要求1所述的構建方法，其特征在于，在步驟3)中，輸入參數生成的實現的組數不少于100組。

5.如權利要求1所述的構建方法，其特征在于，在步驟6)中，優化算法采用隨機梯度下降、自適應矩估計、自適應梯度和均方根傳遞算法中的一種。