申请/专利权人：中国石油大学(华东)

申请日：2024-01-17

公开（公告）日：2024-04-16

公开（公告）号：CN117892626A

主分类号：G06F30/27

分类号：G06F30/27;G06F30/23;G06N3/084;G06N3/045;G06F17/13;G06F17/16

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开了一种基于增强物理意义神经网络的复杂油藏数值模拟方法，该方法利用增强物理意义的神经网络正向求解复杂油藏的压力和饱和度分布，设计邻接位置锚定、使用自适应激活函数、设计跳跃连接门控更新来提升模型的训练速度与求解精度，利用硬约束边界条件、嵌入式离散裂缝、有限体积法结合反向传播梯度下降法来计算损失函数以及更新神经网络参数，利用隐压显饱法结合神经网络预测结果来显式更新饱和度，将神经网络参数迁移来加快训练速度，神经网络训练整体无需标签数据，在复杂三维非均质与三维裂缝问题的实施例中具备优秀的训练速度与求解精度。

主权项：1.一种基于增强物理意义神经网络的基于增强物理意义神经网络的复杂油藏数值模拟方法，其特征在于，包括如下步骤：步骤1、获取复杂油藏相关数据，所述复杂油藏相关数据包括复杂油藏的尺寸、油藏孔隙度、油藏渗透率、油藏相渗曲线、岩石压缩系数以及裂缝参数；步骤2、构建增强物理意义神经网络模型，设计邻接位置锚定、自适应激活函数和跳跃连接门控更新结构，以当前时间步为初始时间步时，设置模型的初始参数；步骤3、将初始压力数据输入所述增强物理意义神经网络模型进行正向传播，利用嵌入式离散裂缝模型处理裂缝，利用硬约束处理初始条件和边界条件，利用有限体积法计算损失误差，使用梯度下降法反向传播更新神经网络参数至损失值降低到指定范围，模型输出下一时间步油藏压力数据；步骤4、基于增强物理意义神经网络模型，求解得到的下一时间步的压力以及当前时间步的饱和度，更新得到下一时间步的饱和度；步骤5、将每个时间步最终输出的压力场作为下一个时间步的初始压力场，将每个时间步最终训练得到神经网络参数迁移至下一个时间步，作为对应时间步的初始神经网络参数，重复步骤3-步骤4，得到复杂油藏任意时间步压力和饱和度分布。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种基于增强物理意义神经网络的复杂油藏数值模拟方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD