基于集合光滑的深度学习自动历史拟合方法

发布时间：2020-12-12 10:56

　　针对具有复杂地质特征的大规模油藏反演建模难题,研究整合深度学习模型与数据同化算法的自动历史拟合方法。提出奇异值分解-深度变分自编码模型,基于奇异值差分谱估计油藏模型参数的本征维数,并以此作为潜变量维数;编码器对油藏模型参数进行特征提取并降维至低维潜变量空间,解码器将低维潜变量重构生成与先验地质统计特征一致的油藏模型;结合多次迭代同化的集合光滑方法,更新低维潜变量并解码重构至对应的油藏模型参数,进行生产历史拟合。结果表明:保留90%信息估计的模型参数本征维数作为潜变量维数,能够保持清晰的相边界;相比传统的奇异值分解降维方法深度变分自编码模型能够有效地处理复杂离散地质特征;提出的方法能够准确地预测河流相分布。 

【文章来源】：中国石油大学学报(自然科学版). 2020年04期 第68-76页 北大核心

【文章页数】：9 页

【部分图文】：

变分自编码模型结构示意图

C j = ∑ i=1 j σ i / ∑ i=1 k σ i ,k= min (Μ,Ν),j=1,?,k.?????? ??? (14)该方法适用于小样本情形,对于大量样本情形,由于样本数量增加导致次要奇异值部分被高估,无法真实反映奇异值的信息保留贡献率。因此提出奇异值差分谱方法,确定矩阵本征维数,奇异值差分谱定义为

整合奇异值分解方法、变分编码模型以及ES-MDA数据同化方法形成综合的自动历史拟合求解方法,如图3所示。首先根据初始油藏模型计算地质特征的本征维数,并训练变分编码模型。其次使用变分编码模型的解码器对油藏模型进行降维参数化表征,ES-MDA迭代同化油田历史观测数据,更新降维潜变量;使用变分编码模型的解码器重构油藏模型并进行数值模拟计算,用于下一次潜变量迭代更新,多次迭代求解,直至满足收敛条件,如达到提前设定的迭代次数,输出最终拟合模型。2 算 例

【参考文献】：
期刊论文
[1]海域天然气水合物水平井储层关键参数反演方法[J]. 张鑫,黄芳飞,谭玉阳,梁前勇,董一飞,何川.  中国石油大学学报(自然科学版). 2019(06)
[2]基于单井敏感性局域化EnKF的油藏辅助历史拟合方法[J]. 刘伟,赵辉,雷占祥,陈增顺,曹琳,张凯.  石油学报. 2019(06)
[3]基于先验信息约束的核磁共振数据反演新方法[J]. 金国文,谢然红,徐红军,郭江峰,高伦.  中国石油大学学报(自然科学版). 2019(02)
[4]种强非均质性油藏自动历史拟合混合求解方法[J]. 张凯,马小鹏,王增飞,刘凡,马玮,姚军.  中国石油大学学报(自然科学版). 2018(05)
[5]基于循环神经网络的测井曲线生成方法[J]. 张东晓,陈云天,孟晋.  石油勘探与开发. 2018(04)
[6]陆相油气地质理论在中国中西部盆地的重大进展[J]. 贾承造,邹才能,杨智,朱如凯,陈竹新,张斌,姜林.  石油勘探与开发. 2018(04)
[7]基于TTr1SVD的张量奇异值分解及其在人脸识别上的应用[J]. 董超,徐宁,Kim Batselier,Nagi Wong,喻文健.  计算机应用研究. 2018(01)
[8]基于奇异值分解（SVD）差分谱降噪和本征模函数（IMF）能量谱的改进Hilbert-Huang方法[J]. 柴凯,张梅军,黄杰,唐俊刚.  科学技术与工程. 2015(09)
[9]无梯度多参数自动历史拟合方法[J]. 张凯,路然然,周文胜,姚军,潘彩霞,沙雁红.  中国石油大学学报(自然科学版). 2014(05)
[10]利用奇异值分解方法提高地震数据信噪比[J]. 桑雨,高树生,宋宏文,赵军,汤聪.  石油地球物理勘探. 2014(S1)



本文编号：2912420