买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：青岛理工大学

摘要：本发明公开了一种集成地质建模和数值模拟代理模型的自动历史拟合方法，属于石油工程领域，包括如下步骤：建立样本数据集；基于注意力机制变体长短期记忆神经网络构建数值模拟代理模型，并通过样本数据集对数值模拟代理模型进行训练；基于去噪扩散生成对抗网络构建地质建模神经网络模型，并通过样本数据集对地质建模神经网络模型进行训练；在保证各井油水产注量物质守恒的条件下，对实际生产观测数据进行扰动处理，通过训练完成的地质建模神经网络模型得到优化后的先验模型；通过优化后的先验模型，结合多重数据同化的集合平滑算法进行历史拟合。本发明是一种集成地质建模和数值模拟代理模型的自动历史拟合方法，可以提高自动历史拟合的稳定性。

主权项：1.一种集成地质建模和数值模拟代理模型的自动历史拟合方法，其特征在于，包括如下步骤：步骤1、获取地质模型数据和井点位置处的约束数据，建立样本数据集；步骤2、基于注意力机制变体长短期记忆神经网络构建数值模拟代理模型，并通过样本数据集对数值模拟代理模型进行训练；所述步骤2中，数值模拟代理模型包括注意力机制层、变体长短期记忆神经网络单元和输出层，变体长短期记忆神经网络单元包含耦合的遗忘门、输入门、长时间细胞状态的简单遗忘门、输出门，通过逐步更新当前单元的状态来实现对时序记忆的更新；步骤2的具体过程为：步骤2.1、对样本数据集的数据进行归一化处理；将样本数据集中的数据划分为输入样本集合和输出样本集合，先验模型和井点位置处的约束数据集组成输入样本集合，油水井生产动态数据构成输出样本集合；设输入样本集合为X＝{x1,x2,…,xk,…,xn}，xk是第k组输入样本；n是输入样本总组数；输出样本集合为Y＝{y1,y2,…,yu,…,yN}，yu是第u组输出样本；N是输出样本总组数，对应N条油水井生产动态数据；归一化方法采用如下公式： 其中，xnorm是归一化后的输入样本，xmax和xmin分别为输入样本的最大值和最小值；步骤2.2、计算注意力得分及权重，对输入数据进行加权，计算公式如下：at＝Va·tanhWax·xt+ba2；pt＝Softmaxat3； 其中，at是注意力得分；Va和Wax是两个可学习的权重矩阵，Wax将输入数据映射到隐藏层，Va将计算结果转换为得分；pt为注意力权重；tanh·为tanh激活函数；t是当前时间步，xt是当前时间步的输入数据；ba为偏置向量；Softmax·为Softmax激活函数；⊙表示逐元素相乘；为加权后的输入数据；步骤2.3、通过变体长短期记忆神经网络单元更新隐藏状态，计算公式如下： ht＝ot⊙tanhct10；其中，t-1是上一时间步；ht-1是上一时间步的隐藏状态；ft、it、ot分别为遗忘门、输入门和输出门当前时间步的激活值，Wxf、Wxi、Wxo分别为遗忘门、输入门和输出门对应输入数据的权重矩阵；Whf、Whi、Who分别为遗忘门、输入门和输出门对应上一时间步隐藏状态的权重矩阵；bf、bi、bo分别为遗忘门、输入门和输出门的偏置向量；表示当前时间步新的候选单元状态；Wxc、Whc分别为对应输入数据、上一时间步隐藏状态的权重矩阵；bc为偏置向量；ct为当前时间步的单元状态；ht为当前时间步的隐藏状态；σ·为Sigmoid激活函数；ct-1为上一时间步的单元状态；步骤2.4、初始化网络参数，使用样本数据集中的渗透率场及对应的油水井生产动态数据训练网络，计算预测参数值与真实参数值之间的误差，根据所得误差修改网络参数，最后输出训练完成的数值模拟代理模型；采用均方误差E和决定系数R2作为损失函数来表示预测参数值与真实参数值之间的误差，计算公式如下： 其中，g表示参数值的序号，G表示参数值的总个数；og表示第g个预测参数值；zg为第g个真实参数值；yi表示第i个参数值，fi表示第i个参数值对应的预测值；表示平均参数值，具体计算公式为： 步骤3、基于去噪扩散生成对抗网络构建地质建模神经网络模型，并通过样本数据集对地质建模神经网络模型进行训练；具体过程为：步骤3.1、构建的地质建模神经网络模型包含生成器、判别器和损失函数；生成器G负责根据油水井生产动态数据和井点位置处的约束数据生成渗透率场，判别器D负责区分生成的渗透率场和真实的渗透率场；计算公式如下： 其中，是在当前时间步t生成的渗透率场，Xt是在当前时间步t的真实渗透率场；S是油水井生产动态数据；C是井点位置处的约束数据；J表示判定为真实渗透率场的概率；地质建模神经网络模型的训练通过同时优化生成器和判别器的损失函数来进行；生成器和判别器的损失函数表达式如下： 其中，LG为生成器损失函数；E为均方误差；Z为符合高斯分布的随机噪声；pZz为高斯分布；LD为判别器损失函数；X为输入样本集合；prealx为真实渗透率场分布；步骤3.2、训练地质建模神经网络模型；步骤4、在保证各井油水产注量物质守恒的条件下，对实际生产观测数据进行扰动处理，通过训练完成的地质建模神经网络模型得到优化后的先验模型；步骤5、通过优化后的先验模型，结合多重数据同化的集合平滑算法进行历史拟合。

全文数据：

权利要求：

百度查询： 青岛理工大学 集成地质建模和数值模拟代理模型的自动历史拟合方法