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：本发明公开了一种基于深度神经算子的水驱油藏生产动态预测方法，属于油藏工程技术领域，包括如下步骤：定义水驱油藏模型，使用序贯高斯过程生成不同的渗透率场样本，利用油藏数值模拟器计算不同渗透率场下油藏模型生产过程中各个时刻的压力场和含水饱和度场作为标签数据；然后对深度神经算子网络中的分支网结构进行改进；利用有限体积法离散油水两相渗流控制方程，构建物理意义损失函数，计算其方程残差作为模型损失值并进行训练，训练完成后即得到渗透率场到压力场和含水饱和度场的代理模型。本发明可实现对不同渗透率场生产过程中特定时刻压力场和含水饱和度场的快速预测。本发明具有更好的可解释性，可实现更高的预测精度。

主权项：1.一种基于深度神经算子的水驱油藏生产动态预测方法，其特征在于，包括如下步骤：步骤1、定义二维非均质水驱油藏模型和油藏参数，包括定义水驱油藏模型尺寸、网格划分、孔隙度、初始压力场、初始含水饱和度场、压缩系数以及生产制度数据；步骤2、使用序贯高斯模拟生成不同的渗透率场样本，利用油藏数值模拟器计算不同渗透率场下油藏模型生产过程中各个时刻的压力场和含水饱和度场作为标签数据；同时，定义油藏模型的邻接矩阵；步骤3、构建深度神经算子网络模型，对深度神经算子网络的分支网结构进行改进；步骤4、构建物理意义损失函数，利用有限体积法离散油水两相渗流控制方程，计算物理方程残差作为损失值；步骤5、训练深度神经算子网络模型，通过反向传播更新模型权重，当残差下降至指定范围，模型训练完成；步骤6、利用训练完成的模型预测对应渗透率场下的压力场和含水饱和度场；所述步骤2中，首先从二维非均质水驱油藏模型的高斯随机场采样生成绝对渗透率场，然后使用SGeMS的序贯高斯模拟对生成的绝对渗透率场进行模拟生成二维矩阵渗透率场样本数据k；同时，定义油藏模型的邻接矩阵，邻接矩阵表示油藏模型中各个网格的连接情况；最后将生成的二维矩阵渗透率场样本k和定义油藏模型的邻接矩阵组成数据集合，并按照9:1的比例划分为训练集和测试集；所述步骤3中，构建的深度神经算子网络包括主干网和分支网，模型输入为二维矩阵渗透率场样本和油藏模型的邻接矩阵，输出为对应时刻的压力场和含水饱和度场；主干网采用全连接神经网络，分支网在全连接神经网络的基础上进行改进，改进后的分支网具体包括依次连接的四层网络，分别为输入层、中间层、隐藏层、输出层；四层网络中融入了自适应激活函数、跨层连接以及门控更新；分支网的具体映射过程为： 其中，B1为输入层输出值；B2为中间层输出值；B3为隐藏层输出值，B4为输出层最终输出值W1和b1分别为输入层可学习的权重和偏置；w1为中间层的权重；W2和b2分别为隐藏层可学习的权重和偏置，BatchNorm·为归一化函数；ReLU·为自适应激活函数；α为激活函数的权重；W3和b3分别为输出层可学习的权重和偏置；w2为自适应权重；主干网的映射过程为： 其中，madj表示输入的油藏模型的邻接矩阵；W和分别表示神经网络各层的权重和偏置；T表示主干网最终的输出结果；将分支网和主干网输出结果的对应元素相乘得到最终的输出结果：O＝B4×T；其中，O表示深度神经算子网络模型最终的输出结果；输出结果O自动分为上下两部分，上半部分为当前时刻的压力场，下半部分为含水饱和度场。

全文数据：

权利要求：

百度查询： 青岛理工大学 一种基于深度神经算子的水驱油藏生产动态预测方法