多模型的油藏模拟自动历史拟合方法研究

传统油气藏数值模拟通常仅建立单个随机地质模型，采用人工历史拟合方式获得符合油藏动态的地质模型并用于方案预测。但由于地质资料相对稀少且地层非均质性的客观事实存在，历史拟合问题必然存在多解性，所获得的单个地质模型无法保证准确反映地下真实情况。本次研究中首先利用静态地质资料生产大量随机实现，使用PCA降维方法减少模型数据量，再利用聚类方法挑选出多个特征各异的实现作为初始模型，采用基于SPSA算法的自动历史拟合方法，获得多个符合油藏动态却又包含不同特征的历史拟合模型。结果表明，多模型能够更接近地下的真实情况，产生的预测结果不再是单一动态曲线，而是具有多种开发可能性的一系列曲线，这样使预测更为科学可靠。     

基于集合光滑的深度学习自动历史拟合方法

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。     

无梯度多参数自动历史拟合方法

通过历史拟合以降低油藏地质参数的不确定性,提出一种稳定高效的无梯度多参数最优化调参技术,根据贝叶斯统计理论建立历史拟合最小化数学模型,并利用奇异值分解算法进行降维分解,然后采用基于方向导数的无梯度算法对该最优化问题进行求解。该方法同时实现了渗透率、孔隙度、相对渗透率、原油黏度及水体参数的拟合,进一步降低了反问题的不确定性。与人工历史拟合结果相比,基于降维方法的自动历史拟合结果表现出高度的一致性,节省了大量的人力与机时,证明了该方法的有效性与正确性。     

基于四维变分的油藏数模自动历史拟合方法

应用基于最优控制理论的四维变分资料同化方法,将油藏初始参数场和历史拟合时间段内的动态资料作为约束条件,将历史拟合过程转化为非线性规划中求解定义在多维空间的最优化问题,采用Levenberg-Marquardt优化算法求解目标函数极小值,从而建立基于四维变分资料同化的油藏自动历史拟合模型。将某小断块油藏渗透率和油水相渗曲线作为被估参数,自动拟合油藏产油量和含水率历史数据。结果表明:应用四维变分资料同化方法进行油藏数模自动历史拟合是可行的,可大幅提高历史拟合的效率。     

通信不确定MPI并行程序的测试数据自动生成方法

通过对用不确定方式传递信息的MPI并行程序进行分析, 给出测试数据自动生成的数学模型, 提出相似路径概念, 并将交叉思想与协同进化机制融入到人工蜂群算法中, 提出一种测试数据生成算法〖CD2〗交叉协同进化人工蜂群算法. 应用该算法求解并行程序的测试数据, 并与人工蜂群算法、 随机法进行对比分析. 实验结果 表明, 该方法可以求解测试数据, 并降低了时间消耗.     

多层砂岩油藏层内纵向非均质性表征方法探索

提出了基于拟相对渗透率曲线的层内纵向非均质性表征方法。根据具有区域代表性的岩芯规模的相对渗透率曲线计算出任意测井分度点的相对渗透率曲线;基于层状砂岩油藏动力拟函数的思想,计算出井点小层产层规模的动力拟相对渗透率曲线;研究了岩芯规模的相对渗透率函数与产层规模动力拟相对渗透率函数之间的关系;采用插值方法得到井间任意网格动力拟相对渗透率曲线;最后采用等效含水率方法对油藏模型任意网格的原始相对渗透率曲线进行端点标定,确定不同区域的动力拟相对渗透率曲线。采用上述方法对海上M油田X井组进行了历史拟合,与传统数值模拟方法相比,该方法历史拟合程度更高,更能精确地描述非均质性储层综合驱替特征。     

基于集合和神经网络架构搜索的自动历史拟合方法

由于人工经验选取的局限性,难以获取决定模型重构精度的最优网络参数是目前使用深度学习方法在自动历史拟合中对油藏地质模型进行降维时的难点之一.针对此问题,通过将深度自编码器与粒子群优化算法相互结合实现最佳网络架构的自动搜索,并以此构建一种基于集合数据同化和神经网络架构自动搜索的油藏自动历史拟合方法.分别对一个二维河流相油藏...     

多模型油藏闭环管理

 针对目前基于单一模型进行油藏闭环管理的局限性,结合油藏数值模拟技术,提出了一种基于多模型实现的油藏闭环管理方法。利用集合卡尔曼滤波(EnKF)法通过拟合实测数据对地质模型进行实时更新,并以更新后模型的经济净现值的期望值作为目标函数,通过随机扰动近似算法(SPSA)进行油田生产优化。计算实例显示,应用该方法进行油藏闭环管理能够降低油藏模型的不确定性,给出更为合理的地质模型估计,所得控制方案相比常规方案明显改善了注水开发效果、提高了经济效益、降低了开发的风险性。     

配对组合测试用例集生成的一种新策略

基于人工蜂群(ABC)算法与粒子群优化(PSO)算法,提出了一种新的配对混合人工蜂群(PHABC)策略,用于求解含约束条件的配对组合测试中测试用例集的生成问题.实验结果表明,即使在带有参数约束的情况下,PHABC输出的最佳组合测试集结果正确性更高,相较于其他现有的策略,性能更优.     

基于Memetic框架混合群智能算法的NARMAX模型参数辨识

针对NARMAX模型的参数辨识问题,提出一种新颖的混合群智能算法.该算法在Memetic算法框架的基础上,采用粒子群算法与人工蜂群算法融合作为全局搜索策略,采用单纯形优化法作为局部搜索策略.针对三个复杂程度不同的NARMAX模型进行的参数辨识仿真实验,结果显示,与标准人工蜂群算法和随机惯性权重粒子群算法相比,新算法无论在鲁棒性还是求解精度上都具有一定优势.     

求解分布式装配式建筑逆向物流问题的离散人工蜂群算法

给出了一种混合离散的人工蜂群算法(HDABC)用于求解分布式装配式建筑逆向物流问题.为实现ABC算法的离散化,提出了一种基于两级向量链表的十进制编码机制.结合逆向物流特征和ABC算法特点,设计了8种邻域结构.算法通过对两个现实生产实例求解,并与当前文献中的典型算法对比分析,验证了提出的算法无论在算法运行时间还是在求解质量上,都具备良好的性能.     

基于单纯形法的人工蜂群算法改进研究

人工蜂群算法中的侦察蜂阶段的搜索操作在一定程度上可以解决算法陷入局部最优的问题,但也和其他启发式优化算法一样,存在着局部搜索能力差,在接近最优解时搜索效率下降,以及求解复杂问题时可能陷入局部最优而使算法停滞等缺陷。为了改善此缺陷,采用NM算法来取代人工蜂群算法侦察蜂阶段的随机产生个体机制,提出了一种基于NM算法的改进人工蜂群算法(NMABC)。希望基于NM算法优异的局部搜寻能力,改善人工蜂群算法局部搜索能力较差之缺陷并提高搜索效率。     

基于ABC算法的航空发动机管路自动优化布局

为求解航空发动机管路路径规划问题,引入了人工蜂群算法,并通过设定最大允许路径节点数、采用规则引导的搜索策略及锦标赛选择策略方法分别探讨了人工蜂群算法应用于航空发动机路径规划中的3大问题,即路径节点不固定、邻域构造困难和标准ABC算法过早收敛和停滞问题.提出了应用于航空发动机管路自动优化布局的人工蜂群算法,实例研究证明了该算法的有效性和可行性.     

利用试井资料描述塔河裂隙油藏储层非均质特征

对塔河碳酸盐岩油藏储层缝洞分布规律、储层的非均质性和连通性研究是提高该油田开发效果的基础.针对该储层的特点,提出了双重介质径向复合油藏模型,并对其进行求解.分析了模型油藏的压力恢复曲线的特征和意义.在此基础上,对塔河油田试井资料进行了解释与分析.试井解释结果表明,塔河油田奥陶系油藏储集空间的多样性、复杂性决定了所测试井压力导数诊断曲线形态的多样性,只有结合钻井、测井、地质及该井与其邻井的生产史才能对试井曲线做出较合理的解释;储层存在多种类型,但以径向复合类型为主;近井区物性好的井生产初期产量高,但递减快,而钻遇差物性储层的井可能是低产井或干井;塔河油田奥陶系油藏储层非均质强,横向连通性有待深入研究.这些认识对该储层开发中后期的井网调整、措施实施及最终提高采收率有重要指导作用.     

复杂裂缝性油气藏裂缝系统储量的早期预测

川中大安寨油藏为典型的低孔、低渗复杂裂缝性油藏,具有严重的非均质性,其独特的地质与开发特征,使常规的油藏工程方法难以开展或不能取得满意的效果。裂缝系统地质储量的早期预测一直是急待解决的问题。为此,提出了油藏影响函数法,建立了通用影响函数模型,并采用线性规划法求解其数值解。利用该方法可快速、准确地预测裂缝系统弹性容量、地质储量等,为滚动勘探开发提供了决策技术依据,为深化裂缝系统的油藏工程研究提供了新的途径。     

基于油藏流场强度的井网优化方法研究

受地质情况、井网条件、流体物性影响,在注水开发油藏中的某些部位会出现以注入水快速突破、注入水无效 循环等为特征的不均衡驱替。对于非均质油藏,为了实现相对较高的均衡驱替,获得更高的原油采收率,布井时必须 充分考虑储层的非均质性进行井网优化设计。通过分析,选取油藏流场强度变异系数最小作为优化目标,建立了井网 优化数学模型,使用遗传算法求解数学模型,获取与储层非均质匹配的最优井网。油藏实例进行的分析结果表明,用 优化后的井网进行生产,水驱状况得到改善,提高了采收率。     

基于粒子群和人工蜂群算法的混合优化算法

提出一种基于粒子群(PSO)和人工蜂群算法(ABC)相结合的新型混合优化算法—PSOABC。该算法基于一种双种群进化策略,一个种群中的个体由粒子群算法进化而来,另一种群的个体由人工蜂群算法进化而来,并且在人工蜂群算法中按轮盘赌的方式选择个体进化所需的随机个体。此外,算法采用一种信息分享机制,使两个种群中的个体可以实现协同进化。对4个基准函数进行仿真实验并与ABC进行比较,表明本文提出的算法能有效地改善寻优性能,增强摆脱局部极值的能力。     

基于交叉的全局人工蜂群算法的研究

人工蜂群(Artificial Bee Colony,ABC)算法在求解函数最优值时,存在后期收敛速度慢、易于陷入局部最优、疏于开发等问题.为了解决这些问题,对算法进行了深入研究,结合其他仿生智能优化算法的机制,提出了一种能有效提高收敛速度,增强算法开发性和全局寻优能力,并能有效避免种群个体陷入局部最优的算法——基于交叉的全局人工蜂群算法.选取7个标准测试函数进行实验仿真,结果表明,与ABC算法、全局最优人工蜂群算法(GABC)相比,基于交叉的全局人工蜂群算法(CGABC)的收敛速度及精度均有明显提高.     

基于人工蜂群算法求解不同尺寸工件单机批调度问题

采用人工蜂群算法对工件尺寸有差异的单机批调度问题的制造跨度进行优化的提出,是针对问题的离散优化特征,采用遗传算法中的变异操作方法产生蜂群路径的邻域解. 在解码时采用Batch First Fit算法,将蜂群的路径转化为可行的批调度方案,来获得制造跨度. 仿真实验中对问题的各种不同复杂度的随机算例均进行了编程实现,结果表明人工蜂群算法在求解该问题时是有效的.     

基于多目标MQABC算法的无人机协同任务分配

针对多无人机协同任务分配问题经过单目标简化后对决策处理存在片面性和主观性等问题,提出了一种利用多目标自适应快速人工蜂群算法对其进行处理的方法.首先,建立多目标无人机协同任务分配模型;其次通过建立外部种群的约束处理技术及重置Harmonic平均距离循环策略对自适应快速人工蜂群算法(ABCSGQ)进行改进.另外通过定义自主决策准则引导多目标任务分配的方案选取.仿真实验结果表明:相比于多目标人工蜂群算法及非支配排序遗传算法,改进算法具有较好的分布性、收敛性及更高效的求解能力.