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：中国石油大学(华东)

摘要：本发明公开了一种嵌入物理意义的注采量劈分机器学习动态分析方法，属于油藏工程技术领域，包括如下步骤：步骤1、构建流管网格结构矩阵；步骤2、构建特征聚合范围矩阵和多井势能叠加模块；步骤3、构建包含多个分配器子模型的渗透率场表征模块，并对各分配器子模型进行预训练初始化；步骤4、构建油水推进模块，基于油水推进模块计算含水率和产油速率估计值；步骤5、建立产液、产油损失函数，反向传播优化所有神经网络子模块的参数，通过不断迭代训练使得残差下降到指定范围；步骤6、迭代训练完成后，输出各时间步模型中间变量注采劈分系数。本发明能准确地捕捉劈分系数受到的多方面影响，提高对油藏动态行为的理解和预测的精度。

主权项：1.一种嵌入物理意义的注采量劈分机器学习动态分析方法，其特征在于，构建劈分系数精准反演模型，劈分系数精准反演模型包括三个依次连接的嵌入物理意义的神经网络子模块，分别为：多井势能叠加模块、渗透率场表征模块、油水推进模块；具体包括如下步骤：步骤1、根据井网结构和已知的流动关系构建流管网格结构矩阵；步骤2、构建特征聚合范围矩阵和多井势能叠加模块，基于多井势能叠加模块得到所有注水井对各生产井的净流动倾向向量；步骤3、构建包含多个分配器子模型的渗透率场表征模块，并对各分配器子模型进行预训练初始化；步骤4、构建油水推进模块，基于油水推进模块计算含水率和产油速率估计值；步骤5、建立产液、产油损失函数，反向传播优化所有神经网络子模块的参数，通过不断迭代训练使得残差下降到指定范围；步骤6、迭代训练完成后，输出各时间步模型中间变量注采劈分系数；所述步骤1的具体过程为：井网结构中包含若干个生产井和注水井，构建流管网格结构矩阵ConnArrayM×N，M为注水井数量、N为生产井数量；矩阵中使用0、1标识生产井和注水井之间是否存在流动关系，0标识生产井和注水井之间不存在流动关系，1标识生产井和注水井之间存在流动关系；设置生产井和注水井之间流管的最大长度，如果生产井和注水井之间的距离小于最大长度，则认为生产井和注水井之间存在流动关系，否则，不存在流动关系；如果生产井和注水井之间存在断层，则认为不存在流动关系；如果生产井和注水井之间存在高渗通道，则认为存在流动关系；所述步骤2的具体过程为：步骤2.1、对不同种类的历史动态数据与地质静态数据分别进行全局归一化处理，构建各层生产井和注水井射孔段的特征向量特征向量包含动态的注采速率、累计注采量、井底压力、动态的注采速率变化值、累计注采量变化值、井底压变化值、静态的渗透率、射孔厚度、油层厚度、初始含水饱和度、初始压力；步骤2.2、构建特征聚合范围矩阵FeatureArrayM+N；特征聚合范围矩阵中使用0、1标识生产井和注水井之间是否会产生相互压力干扰，0标识生产井和注水井之间不产生相互压力干扰，1标识生产井和注水井之间产生相互干扰，设置方法如下：设置生产井和注水井之间能产生相互压力干扰的最大范围，如果生产井和注水井之间的距离超过最大范围，则认为生产井和注水井之间不产生相互压力干扰，否则，生产井和注水井之间产生相互压力干扰；如果生产井和注水井之间存在断层，则认为生产井和注水井之间不产生相互压力干扰；如果生产井和注水井之间存在高渗通道，则认为生产井和注水井之间产生相互压力干扰；步骤2.3、构建多井势能叠加模块，基于多井势能叠加模块得到所有注水井对各生产井的净流动倾向向量；所述步骤2.3的具体过程为：步骤2.3.1、使用非线性变化将特征向量映射到隐藏空间，得到单井能量特征向量公式如下： 将所有生产井和注水井的原始特征经过公式1的变化后得到整个区块所有井的单井能量矩阵E； 其中，均为多井势能叠加模块的神经元权重；均为多井势能叠加模块的神经元偏置；σ为tanh激活函数；为第M+N口井的单井能量特征向量；为第1口井的单井能量特征向量；步骤2.3.2、以各生产井为中心，使用自注意力神经网络相互映射生产井周围的单井能量特征向量得到各井点的综合能量值e，公式如下： En*＝selfAttenEn,θ2＝[eh*],h∈Wn4；其中，En为第n口生产井特征聚合范围内各生产井和注水井的单井能量矩阵；为第n口生产井特征聚合范围内第h口特征聚合井的单井能量特征向量；Wn为第n口生产井的特征聚合范围内的所有生产井和注水井的编号集合；En*为第n口生产井特征聚合范围内的综合能量矩阵；selfAtten·为自注意力神经网络；θ是自注意力神经网络参数；eh*为第h口特征聚合井的综合能量值；步骤2.3.3、使用反距离余弦公式，计算各生产井和注水井流动方向的几何权重，然后加权求和得到净流动倾向值，具体公式如下： amn＝En*·GmnT7；其中，为以第m口注水井为中心的井组中第n口生产井周围的第h口特征聚合井的几何权重；为以井组中心第m口注水井为起点，第n口生产井为终点的平面二维向量；为以井组中心第m口注水井为起点，第h口特征聚合井为终点的平面二维向量；为以第h口特征聚合井为起点，井组中心第m口注水井为终点的平面二维向量；Gmn为以第m口注水井为中心的井组中第n口生产井周围所有特征聚合井的几何权重；amn为第m口注水井向第n口生产井的净流动倾向值；T为转置符号；步骤2.3.4、对于注水井组中的每一口生产井均通过步骤2.3.2-步骤2.3.3的过程进行处理，得到注水井对各生产井的净流动倾向向量，第m口注水井对各生产井的净流动倾向向量Am表示如下：Am＝[amn]，n∈Nm8；其中，Nm为第m口注水井所在井组所有生产井编号的集合；步骤2.3.5、对于整个区块的所有生产井均通过步骤2.3.2-步骤2.3.4进行处理，得到所有注水井对各生产井的净流动倾向向量A；所述步骤3中，多个分配器子模型并列连接，每一个分配器代表一个以注水井为中心的井组，每一个分配器均输出一个劈分系数结果；第m口注水井对应第m个分配器，第m个分配器的输入向量为Am，输出向量为以第m个注水井为中心的井组内各生产井的劈分系数Cm；计算公式如下：Km＝Wm2*σWm1Am+bm1+bm29；A*m＝Km⊙Am＝[a*mj]，j∈Nm10； Cm＝[cmj]，j∈Nm12；其中，Km为第m口注水井所在井组的渗透率场权重；Wm2、Wm1均为第m个分配器的神经元权重；bm1、bm2均为第m个分配器的神经元偏置；σ为tanh激活函数；A*m为第m口注水井向其组内各生产井的综合流动倾向向量；a*mj为第m口注水井向第j口生产井的综合流动倾向值；cmn为第m口注水井向第n口生产井的分配比例；e为底数；a*mn为第m口注水井向第n口生产井的综合流动倾向值；cmj为第m口注水井向第j口生产井的分配比例；Cm为第m口注水井与其井组内各生产井的劈分系数向量；没有与注水井连接的生产井的分配比例将设置为0，使得Cm为一个长度为N的向量，其中N为生产井数量；将所有分配器输出的劈分系数结果进行聚合得到各生产井的产液速率，公式如下：CM×N＝[Cm]T，m＝1，2，3…M13； FM×N＝CM×N⊙I15；FM×N＝[fmn]，m＝1，2，3…M，n＝1，2，3…N16； 根据以上步骤，本方法对液量物质平衡有如下约束关系： 其中，CM×N为M口注水井的劈分系数矩阵；I为M口注水井的注水速率向量；为第m口注水井的注水速率；FM×N为基于劈分系数矩阵估计的第M口注水井向第N口生产井分配的液量矩阵；fmn为第m口注水井流向第n口生产井的估计劈分液量；fin为第i口注水井流向第n口生产井的估计劈分液量；为第n口生产井产液速率的估计值；为产液速率估计值；Mn为与第n口生产井相连接的所有注水井。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种嵌入物理意义的注采量劈分机器学习动态分析方法