針對具有復雜地質(zhì)特征的大規(guī)模油藏反演建模難題,研究整合深度學習模型與數(shù)據(jù)同化算法的自動歷史擬合方法。提出奇異值分解-深度變分自編碼模型,基于奇異值差分譜估計油藏模型參數(shù)的本征維數(shù),并以此作為潛變量維數(shù);編碼器對油藏模型參數(shù)進行特征提取并降維至低維潛變量空間,解碼器將低維潛變量重構(gòu)生成與先驗地質(zhì)統(tǒng)計特征一致的油藏模型;結(jié)合多次迭代同化的集合光滑方法,更新低維潛變量并解碼重構(gòu)至對應的油藏模型參數(shù),進行生產(chǎn)歷史擬合。結(jié)果表明:保留90%信息估計的模型參數(shù)本征維數(shù)作為潛變量維數(shù),能夠保持清晰的相邊界;相比傳統(tǒng)的奇異值分解降維方法深度變分自編碼模型能夠有效地處理復雜離散地質(zhì)特征;提出的方法能夠準確地預測河流相分布。 

【文章來源】：中國石油大學學報(自然科學版). 2020年04期 第68-76頁 北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

變分自編碼模型結(jié)構(gòu)示意圖

C j = ∑ i=1 j σ i / ∑ i=1 k σ i ,k= min (Μ,Ν),j=1,?,k.?????? ??? (14)該方法適用于小樣本情形,對于大量樣本情形,由于樣本數(shù)量增加導致次要奇異值部分被高估,無法真實反映奇異值的信息保留貢獻率。因此提出奇異值差分譜方法,確定矩陣本征維數(shù),奇異值差分譜定義為

整合奇異值分解方法、變分編碼模型以及ES-MDA數(shù)據(jù)同化方法形成綜合的自動歷史擬合求解方法,如圖3所示。首先根據(jù)初始油藏模型計算地質(zhì)特征的本征維數(shù),并訓練變分編碼模型。其次使用變分編碼模型的解碼器對油藏模型進行降維參數(shù)化表征,ES-MDA迭代同化油田歷史觀測數(shù)據(jù),更新降維潛變量;使用變分編碼模型的解碼器重構(gòu)油藏模型并進行數(shù)值模擬計算,用于下一次潛變量迭代更新,多次迭代求解,直至滿足收斂條件,如達到提前設定的迭代次數(shù),輸出最終擬合模型。2 算 例

【參考文獻】：
期刊論文
[1]海域天然氣水合物水平井儲層關(guān)鍵參數(shù)反演方法[J]. 張鑫,黃芳飛,譚玉陽,梁前勇,董一飛,何川.  中國石油大學學報(自然科學版). 2019(06)
[2]基于單井敏感性局域化EnKF的油藏輔助歷史擬合方法[J]. 劉偉,趙輝,雷占祥,陳增順,曹琳,張凱.  石油學報. 2019(06)
[3]基于先驗信息約束的核磁共振數(shù)據(jù)反演新方法[J]. 金國文,謝然紅,徐紅軍,郭江峰,高倫.  中國石油大學學報(自然科學版). 2019(02)
[4]種強非均質(zhì)性油藏自動歷史擬合混合求解方法[J]. 張凱,馬小鵬,王增飛,劉凡,馬瑋,姚軍.  中國石油大學學報(自然科學版). 2018(05)
[5]基于循環(huán)神經(jīng)網(wǎng)絡的測井曲線生成方法[J]. 張東曉,陳云天,孟晉.  石油勘探與開發(fā). 2018(04)
[6]陸相油氣地質(zhì)理論在中國中西部盆地的重大進展[J]. 賈承造,鄒才能,楊智,朱如凱,陳竹新,張斌,姜林.  石油勘探與開發(fā). 2018(04)
[7]基于TTr1SVD的張量奇異值分解及其在人臉識別上的應用[J]. 董超,徐寧,Kim Batselier,Nagi Wong,喻文健.  計算機應用研究. 2018(01)
[8]基于奇異值分解（SVD）差分譜降噪和本征模函數(shù)（IMF）能量譜的改進Hilbert-Huang方法[J]. 柴凱,張梅軍,黃杰,唐俊剛.  科學技術(shù)與工程. 2015(09)
[9]無梯度多參數(shù)自動歷史擬合方法[J]. 張凱,路然然,周文勝,姚軍,潘彩霞,沙雁紅.  中國石油大學學報(自然科學版). 2014(05)
[10]利用奇異值分解方法提高地震數(shù)據(jù)信噪比[J]. 桑雨,高樹生,宋宏文,趙軍,湯聰.  石油地球物理勘探. 2014(S1)



本文編號：2912420