基于集合光滑的深度学习自动历史拟合方法

作者：马小鹏,张凯,陈昕晟,曹庆平,姚传进,谷建伟

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。

发文机构：中国石油大学（华东）石油工程学院 中国石油大港油田分公司石油工程技术研究院

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complex geological featuresautomatic history matchingdeep learningdata assimilationsingular value decompositiondeep variational autoencoder

分类号： TE33[石油与天然气工程—油气田开发工程]