智能油田开发中的大数据及智能优化理论和方法研究现状及展望

发布时间：2021-11-25 10:45

　　简要概述智能油田开发中大数据及智能优化理论发展现状,基于智能油田的基本理念、基本特点以及当前国内外研究现状,系统论述智能油田开发中面临的生产问题、大数据分析与机器学习方法以及智能优化理论和方法,归纳凝练出两大研究领域:构建数据与油藏工程方法相融合形成油田大数据分析理论体系;数据、模型与智能算法相融合形成数据与模型双驱动的智能优化理论体系。针对两研究领域中的前沿科学问题,综述其研究进展和发展趋势,总结出基于数据与物理规律融合形成复杂油藏系统模型精准构建和快速优化是油田生产开发智能化的核心,以促进石油工业智能化转型升级。 

【文章来源】：中国石油大学学报(自然科学版). 2020,44(04)北大核心EICSCD

【文章页数】：11 页

【部分图文】：

基于特征选择和敏感性分析实现井间连通性分析

通常处理时间序列预测问题的模型[26]有物理模型、统计模型以及人工神经网络模型等。油田开发中的时间序列数据由于油藏物性差异明显使物理模型难以得到广泛应用。此外,油田生产开发是一个不断变化的动态过程,统计学方法难以实现模型的自适应更新。以人工神经网络为代表的机器学习模型能够自动更新模型参数,大大提高了预测能力的泛化性和鲁棒性。如图3所示,基于深度学习方法构建多层卷积神经网络能够快速预测剩余油。3.4 知识迁移学习

(3)基于模型的迁移。将源域中训练好的模型应用到目标域上进行预测,充分利用模型之间的相似性与关联性[29],如图4(c)所示,在油田开发中使用目标油藏过去某个时刻的已训练模型,只需要对改变的有限参数进行训练即可得到新的模型,快速完成开发预测工作。4 智能油田开发中的优化理论与方法

【参考文献】：
期刊论文
[1]人工智能在石油工业中的应用现状探讨[J]. 林伯韬,郭建成.  石油科学通报. 2019(04)
[2]致密油多级压裂水平井井网参数分级优化[J]. 冯其红,徐世乾,任国通,王森,李昱垚.  石油学报. 2019(07)
[3]基于粒子群优化的最小二支持向量机在页岩气井当中的产量预测应用[J]. 蔡骏驰.  信息与电脑(理论版). 2019(13)
[4]大数据在智能油田中的应用[J]. 韩书婷,曹于勤,王炳国.  信息技术与标准化. 2019(03)
[5]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)
[6]基于改进的同步扰动随机逼近算法的聚表二元驱优化[J]. 张凯,张秀清,张黎明,张进,孙海,黄朝琴,姚军.  中国石油大学学报(自然科学版). 2017(05)
[7]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)
[8]油藏生产优化理论研究[J]. 张凯,李阳,姚军,刘均荣,闫霞.  石油学报. 2010(01)
[9]油田智能生产管理技术[J]. 张凯,姚军,徐晖,孙洪亮,刘均荣.  油气田地面工程. 2009(12)
[10]各向异性油藏的矢量井网[J]. 李阳,王端平,李传亮.  石油勘探与开发. 2006(02)



本文编号：3517982