| 数据驱动与物理驱动融合的双驱动渗流代理模型构建 |
| |
| 引用本文： | 毕剑飞,李靖,吴克柳,陈掌星,高艳玲,冯东,张晟庭,李相方. 数据驱动与物理驱动融合的双驱动渗流代理模型构建[J]. 油气地质与采收率, 2023, 30(3): 104-114 |
| |
| 作者姓名： | 毕剑飞 李靖 吴克柳 陈掌星 高艳玲 冯东 张晟庭 李相方 |
| |
| 作者单位： | 1.中国石油大学（北京）油气资源与探测国家重点实验室,北京102249;;1.中国石油大学（北京）油气资源与探测国家重点实验室,北京102249;2.加拿大卡尔加里大学石油与化学工程系,阿尔伯塔卡尔加里T2N1N4 |
| |
| 基金项目： | 国家自然科学基金项目“页岩储层压裂液侵入/返排/滞留机理及其对气井产能影响规律研究”（52104051）、“非常规储层纳米孔中水驱气动态润湿机理与传输特性”（52174041）和“页岩气有效储渗孔隙跨尺度耦合渗流及产出规律研究”（51874319）,教育部启动基金项目“页岩储层气水两相赋存特征及流动机理研究”（2462021QNXZ002）,国家博士后创新人才支持计划“页岩油藏注CO2开发油-气-水多元共存体系复杂相变与流动机制研究"（BX20220350）。 |
| |
| 摘 要： | 渗流代理模型的构建是油气藏模拟技术研究的前沿方向,而目前广泛使用的纯数据驱动渗流代理模型无理论支撑,对数据数量和质量的要求较高,很大程度上限制了渗流代理模型的发展。为此提出了数据驱动与物理驱动相融合的双驱动渗流代理模型,其在纯数据驱动渗流代理模型的基础上,融合油气渗流理论,模拟预测油气渗流过程。结果表明：相较于纯数据驱动渗流代理模型,即使训练数据极度稀疏,双驱动渗流代理模型仍具有较高的预测精度;通过在训练数据中加入不同等级的干扰噪声,验证了双驱动渗流代理模型的鲁棒性优于纯数据驱动渗流代理模型;通过迁移学习,将训练好的双驱动渗流代理模型应用到新的渗流场,实现了快速收敛并节省了计算资源。
|
| 关 键 词： | 油藏模拟 代理模型 渗流理论 噪声干扰 迁移学习 |
A data-driven flow surrogate model based on a data-driven and physics-driven method |
| |
| BI Jianfei,LI Jing,WU Keliu,CHEN Zhangxing,GAO Yanling,FENG Dong,ZHANG Shengting,LI Xiangfang. A data-driven flow surrogate model based on a data-driven and physics-driven method[J]. Petroleum Geology and Recovery Efficiency, 2023, 30(3): 104-114 |
| |
| Authors: | BI Jianfei LI Jing WU Keliu CHEN Zhangxing GAO Yanling FENG Dong ZHANG Shengting LI Xiangfang |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《油气地质与采收率》浏览原始摘要信息 |
|
点击此处可从《油气地质与采收率》下载全文 |
|
