基于集合光滑的深度学习自动历史拟合方法

• 作者: 姚传进 张凯 曹庆平 谷建伟 陈昕晟 马小鹏
• 来源期刊: 中国石油大学学报(自然科学版)
• 关键词: 复杂地质特征 自动历史拟合 深度学习 数据同化 奇异值分解 变分自编码
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 石油+人工智能
• 页码范围: 68-76
• 页数: 9页
• 分类号: TE33
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5005.2020.04.008

摘要

针对具有复杂地质特征的大规模油藏反演建模难题,研究整合深度学习模型与数据同化算法的自动历史拟合方法.提出奇异值分解-深度变分自编码模型,基于奇异值差分谱估计油藏模型参数的本征维数,并以此作为潜变量维数;编码器对油藏模型参数进行特征提取并降维至低维潜变量空间,解码器将低维潜变量重构生成与先验地质统计特征一致的油藏模型;结合多次迭代同化的集合光滑方法,更新低维潜变量并解码重构至对应的油藏模型参数,进行生产历史拟合.结果表明:保留90％信息估计的模型参数本征维数作为潜变量维数,能够保持清晰的相边界;相比传统的奇异值分解降维方法深度变分自编码模型能够有效地处理复杂离散地质特征;提出的方法能够准确地预测河流相分布.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹庆平	中国石油大港油田分公司石油工程技术研究院	3	5	2.0	2.0