Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于多阶段历史经验迁移的快速更新历史拟合范式 

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:本发明公开了一种基于多阶段历史经验迁移的快速更新历史拟合范式,涉及油藏历史拟合技术领域。本发明根据油藏的先验地质模型,获取先验信息并对先验地质模型进行降维处理,确定降维信息后,在油田开采周期各历史阶段分别利用降维信息与先验信息进行高斯随机采样获取历史经验建立历史阶段代理模型,再在目标阶段进行高斯随机采集模拟建立目标阶段代理模型,将历史阶段代理模型与目标阶段代理模型相耦合,建立历史经验迁移模型,结合最优化算法搜索最优地质参数。本发明方法引入了历史阶段至目标阶段的迁移学习,大幅减少了目标阶段所需样本数目,既缩短了拟合时间,又提高了油藏新阶段历史拟合的速度和精度,实现了对油藏历史拟合的快速更新。

主权项:1.一种基于多阶段历史经验迁移的快速更新历史拟合范式,其特征在于,包括以下步骤:步骤1,根据油藏的先验地质模型,获取先验信息并对先验地质模型进行归一化处理,选择合适的方差解释比,通过主成分分析对先验地质模型进行降维处理,得到降维后的先验地质模型信息,获取降维信息;步骤2,根据油藏开采周期内的各历史阶段,在各历史阶段分别利用降维信息与先验信息进行高斯随机采样建立历史地质参数场,并通过真实数值模拟获取地质参数所对应的模拟响应值,构建历史阶段代理模型;步骤3,在目标阶段通过高斯随机采集样本点获取地质参数场,进行真实数值模拟建立目标阶段代理模型,通过元回归将历史阶段代理模型与目标阶段代理模型自适应权重耦合,建立历史经验迁移模型;步骤4,将历史经验迁移模型与最优化算法相结合,搜索地质参数空间确定最优地质参数;所述地质模型为渗透率场模型,所述地质参数场为渗透率场,所述地质参数为渗透率;所述步骤1中,包括以下步骤:步骤1.1,根据油藏的先验地质模型,获取先验信息,包括先验渗透率场的数量、维度、上界、下界和均值;步骤1.2,对先验渗透率场进行归一化处理,如公式(1)所示: (1)式中,为归一化后的渗透率参数;为先验渗透率场的行数;为降维前先验渗透率场的列数,用于表示先验渗透率场的维度;为先验渗透率场的渗透率参数;步骤1.3,基于奇异值分解协方差矩阵对归一化后的先验渗透率场进行主成分分析降维,如公式(2)所示: (2)式中,为降维后先验渗透率场的维度,且;为一个的矩阵;为一个的方阵;为矩阵V的转置矩阵,为一个的矩阵;设置方差解释比确定保留维度为: (3)式中,为对角矩阵特征值的序号;为对角矩阵,对角矩阵中各特征值按照从大到小的顺序排列在对角线上;为方差解释比,用于表示主成分分析降维后降维信息所保留信息的百分数;获取主成分分析降维后先验渗透率场的上界、下界、均值和方差,得到降维信息;所述步骤2,包括以下步骤:步骤2.1,根据油藏生产阶段,将油藏开采周期划分为个历史阶段,结合降维信息,利用高斯随机采样分别针对各历史阶段建立历史地质参数场;利用高斯分布函数随机采样确定降维渗透率场为: (4)其中, (5)式中,为变量;为高斯分布的均值;为高斯分布的标准差;为自然指数函数;步骤2.2,将降维渗透率场重构至原维度,得到历史渗透率场为: (6)式中,为主成分分析的压缩系数的转置矩阵;步骤2.3,对历史渗透率场反归一化,结合先验渗透率场的上界和下界对历史渗透率场实行边界吸收,如公式(7)所示: (7)式中,为反归一化后的历史渗透率场;利用历史渗透率场进行数值模拟获取模拟响应值;步骤2.4,根据降维后的先验渗透率场与模拟响应值,分别针对各历史阶段构建历史阶段代理模型;所述历史阶段代理模型为: (8)式中,为近似真实函数;为神经元中心点的序号;为神经元中心点的总数;为第个径向基函数单元的权重系数;为径向基核函数,或,为样本点与径向基函数所选神经元中心点之间的欧式距离,;所述步骤3,包括以下步骤:步骤3.1,设置目标阶段,利用高斯分布函数随机采样获取目标阶段降维后的渗透率场,重复步骤2.1~步骤2.3处理降维后的渗透率场,获取反归一化后的重构渗透率场并作为初始渗透率场,利用初始渗透率场进行数值模拟获取模拟响应值,再根据目标阶段的初始渗透率场与模拟响应值建立目标阶段代理模型;步骤3.2,基于多目标问题分解的Tchebycheff方法,将历史阶段代理模型与目标阶段代理模型视为不同目标任务的模型,组合至指定阶段用于解决油藏的历史拟合问题,如公式(9)所示: (9)式中,为取最小值;为所有目标的集合;为决策变量集合;为元回归系数集合,表示所有目标函数权重的集合,包含各目标函数的权重,且所有目标函数的权重累加和为1,所述目标函数为历史阶段代理模型或目标阶段代理模型;为最大值函数;为目标函数的序号;为目标函数的总数;为第个目标函数的权重;为第个目标函数;为第个目标的参考点;步骤3.3,基于元回归将多个历史阶段代理模型与目标阶段代理模型相结合,过程如下: (10)其中, (11)式中,为均方误差函数;为数据序号;为样本数据的总数;为历史阶段的序号;为历史阶段总数;为第个历史阶段所对应历史阶段代理模型的权重;为第个历史阶段所对应历史阶段代理模型对第个数据的预测值;为目标阶段代理模型的权重;为目标阶段代理模型对第个数据的预测值;为第个数据的数值模拟响应值;从而得到历史经验迁移模型为: (12)式中,为基于历史阶段代理模型与目标阶段代理模型的共同预测值;为新样本;为第个历史阶段所对应历史阶段代理模型对新样本的预测值;为目标阶段代理模型对新样本的预测值。

全文数据:

权利要求:

百度查询: 中国石油大学(华东) 一种基于多阶段历史经验迁移的快速更新历史拟合范式

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。