基于深度学习加速的油藏数值模拟自动历史拟合方法

摘要

历史拟合是降低油藏模型不确定性的重要方法，是对油藏进行生产动态预测和开发方案设计的基础。由于油藏模型往往包含数十万甚至数百万个不确定参数，重复调用油藏数值模拟器将对历史拟合的计算效率造成严重影响。针对该问题，提出一种基于多样视角深度全卷积编码-解码神经网络的油藏数值模拟代理模型构建方法。模型包含编码-解码单元和时间处理单元两部分，嵌入多样视角网络(VoVNet)的编码-解码单元实现输入参数的空间特征提取，而时间处理单元用来捕获时间的影响。经过训练的代理模型能够以图像-图像的形式实现从油藏渗透率场到压力场和饱和度场的预测，从而为自动历史拟合提供快速的生产动态响应。将所构建的代理模型与多重数据同化集合平滑方法(ES-MDA)结合，形成基于深度学习加速的油藏数值模拟自动历史拟合方法。结果表明：所提出的代理模型能够有效预测油藏压力场和饱和度场的动态变化；与传统油藏数值模拟相比，代理模型预测的生产动态与之相吻合，同时运算速度大大提升；基于代理模型的自动历史拟合方法能够实现油藏渗透率场的准确反演，且在计算效率上表现出较大优势。

关键词

自动历史拟合 / 油藏数值模拟 / 代理模型 / 深度学习