科研動(dòng)態(tài)
一種數(shù)據(jù)-物理雙驅(qū)動(dòng)的油氣藏模擬代理模型
中文題目：一種數(shù)據(jù)-物理雙驅(qū)動(dòng)的油氣藏模擬代理模型
論文題目：A data-physical dual-driven surrogate model for reservoir simulation
錄用期刊：Physics of Fluids（中科院大類(lèi)二區(qū)）
原文DOI：10.1063/5.0253146
原文鏈接：https://pubs.aip.org/aip/pof/article-abstract/37/2/026632/3337562/A-data-physical-dual-driven-surrogate-model-for?redirectedFrom=fulltext
錄用/見(jiàn)刊時(shí)間：2025年2月27日
作者列表：
1） 曾 桃 中國(guó)石油大學(xué)（北京）人工智能學(xué)院 石油與天然氣工程專(zhuān)業(yè)（人工智能方向）博23/中海石油（中國(guó)）有限公司海南分公司 氣藏資深工程師
2） 曾楠諾 中海石油（中國(guó)）有限公司海南分公司 數(shù)字化專(zhuān)務(wù)
3） 鄧傳中 中海石油（中國(guó)）有限公司海南分公司 公司級(jí)技術(shù)專(zhuān)家
4） 林伯韜 中國(guó)石油大學(xué)（北京）人工智能學(xué)院智能科學(xué)與技術(shù)系/海南研究院海洋油氣人工智能中心 教師
文章簡(jiǎn)介:
本文提出了一項(xiàng)關(guān)于A(yíng)I for Science的技術(shù)方法及應(yīng)用案例。在油氣藏模擬中，數(shù)據(jù)驅(qū)動(dòng)的滲流代理模型計(jì)算高效，但受限于數(shù)據(jù)稀缺、采集成本高和信噪比低，易導(dǎo)致過(guò)擬合和“黑箱”效應(yīng)。相比之下，物理機(jī)理模型雖具理論支撐，但計(jì)算效率低，難以融合實(shí)時(shí)數(shù)據(jù)。為此，本研究提出物理約束神經(jīng)網(wǎng)絡(luò)模型，將油氣滲流理論嵌入深度學(xué)習(xí)架構(gòu)，結(jié)合數(shù)據(jù)驅(qū)動(dòng)與物理機(jī)理優(yōu)勢(shì)，提升計(jì)算效率、可解釋性和魯棒性。在中國(guó)南海某深水氣田的應(yīng)用表明，該模型在預(yù)測(cè)精度和計(jì)算效率上均優(yōu)于傳統(tǒng)方法，為油氣藏模擬提供了新的思路。
摘要:
滲流替代模型的構(gòu)建是油氣儲(chǔ)層模擬技術(shù)研發(fā)的前沿領(lǐng)域。然而，當(dāng)前廣泛使用的純數(shù)據(jù)驅(qū)動(dòng)型滲流替代模型缺乏理論支撐，且對(duì)數(shù)據(jù)量和數(shù)據(jù)質(zhì)量要求較高，這在很大程度上制約了滲流替代模型的發(fā)展。因此，本文提出了一種融合數(shù)據(jù)驅(qū)動(dòng)與物理驅(qū)動(dòng)的雙驅(qū)動(dòng)滲流代理模型。該模型基于純數(shù)據(jù)驅(qū)動(dòng)型滲流替代模型，整合滲流理論以模擬和預(yù)測(cè)油氣滲流過(guò)程。研究結(jié)果表明：（1）相較于純數(shù)據(jù)驅(qū)動(dòng)模型，即使訓(xùn)練數(shù)據(jù)極度稀疏，雙驅(qū)動(dòng)滲流代理模型仍能保持高預(yù)測(cè)精度；（2）通過(guò)向訓(xùn)練數(shù)據(jù)添加不同層級(jí)的噪聲干擾測(cè)試雙驅(qū)動(dòng)模型的魯棒性，驗(yàn)證其性能優(yōu)于純數(shù)據(jù)驅(qū)動(dòng)模型；（3）最后，通過(guò)遷移學(xué)習(xí)將訓(xùn)練好的雙驅(qū)動(dòng)滲流代理模型應(yīng)用于新滲流場(chǎng)，結(jié)果顯示該模型能夠快速收斂并節(jié)省計(jì)算資源。
背景與動(dòng)機(jī):
如今，數(shù)據(jù)驅(qū)動(dòng)的滲流代理模型被廣泛用于油氣藏的模擬與預(yù)測(cè)以提高效率和減少用時(shí)，然而其面臨數(shù)據(jù)量少、收集昂貴、信噪比低等諸多問(wèn)題，導(dǎo)致過(guò)擬合、精度不足和模型“黑箱”問(wèn)題。另一方面，傳統(tǒng)物理機(jī)理驅(qū)動(dòng)、求解偏微分方程的數(shù)值模型面臨計(jì)算效率低、融合實(shí)時(shí)數(shù)據(jù)困難、魯棒性不足等問(wèn)題；亟需研發(fā)融合物理機(jī)理與現(xiàn)場(chǎng)數(shù)據(jù)的人工智能模型，以提高計(jì)算效率以及工程分析的靈活性和魯棒性。
設(shè)計(jì)與實(shí)現(xiàn):
采用深度學(xué)習(xí)并借由自動(dòng)微分技術(shù)求解偏微分方程，同時(shí)將物理驅(qū)動(dòng)加入神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)中：物理驅(qū)動(dòng)包括初始條件、邊界條件和控制方程的殘差項(xiàng)。模型架構(gòu)見(jiàn)圖1。
圖1 雙驅(qū)動(dòng)滲流代理模型架構(gòu)
主要內(nèi)容:
基于Karhunen-Loève分解生成一個(gè)1500×1500平方米的隨機(jī)滲透率場(chǎng)（圖2a）。滲流區(qū)域的左右兩側(cè)分別為壓力邊界，左側(cè)壓力為5 MPa，右側(cè)壓力為10 MPa；頂部和底部邊界設(shè)為封閉邊界，中間滲流區(qū)域初始?jí)毫? MPa。流體黏度為20 mPa·s，綜合壓縮因子為3.3×10-? MPa-1，孔隙度為20%，模擬時(shí)長(zhǎng)為70天，時(shí)間步長(zhǎng)為1天，由油氣藏?cái)?shù)值模擬器計(jì)算得到的壓力場(chǎng)結(jié)果（圖2b）作為參考解。
圖2 隨機(jī)滲透率場(chǎng)與數(shù)值模擬壓力場(chǎng)
對(duì)比驗(yàn)證純數(shù)據(jù)驅(qū)動(dòng)和雙驅(qū)動(dòng)滲流代理模型的預(yù)測(cè)結(jié)果。兩者均采用逐層全連接神經(jīng)網(wǎng)絡(luò)，并以Google Brain提出的Swish函數(shù)作為激活函數(shù)。為驗(yàn)證模型性能，分別將純數(shù)據(jù)驅(qū)動(dòng)和雙驅(qū)動(dòng)滲流代理模型的預(yù)測(cè)結(jié)果與模擬器計(jì)算結(jié)果進(jìn)行對(duì)比，并通過(guò)滲流區(qū)域內(nèi)均勻采樣的點(diǎn)開(kāi)展相關(guān)性分析。純數(shù)據(jù)驅(qū)動(dòng)和雙驅(qū)動(dòng)滲流代理模型的預(yù)測(cè)結(jié)果均接近模擬器計(jì)算結(jié)果。其中，雙驅(qū)動(dòng)滲流代理模型的模擬預(yù)測(cè)精度較高。
實(shí)驗(yàn)結(jié)果及分析:
現(xiàn)場(chǎng)觀(guān)測(cè)數(shù)據(jù)的稀疏性是純數(shù)據(jù)驅(qū)動(dòng)滲流代理模型在石油工業(yè)應(yīng)用中的一個(gè)主要限制。為分析雙驅(qū)動(dòng)滲流代理模型對(duì)訓(xùn)練數(shù)據(jù)量的依賴(lài)性，分別設(shè)置了四種不同數(shù)據(jù)量的訓(xùn)練場(chǎng)景（10、40、400、4000個(gè)樣本），并對(duì)比了純數(shù)據(jù)驅(qū)動(dòng)和雙驅(qū)動(dòng)滲流代理模型的表現(xiàn)。如圖3和圖4所示，當(dāng)訓(xùn)練數(shù)據(jù)量充足時(shí)，兩種模型的預(yù)測(cè)結(jié)果與模擬器計(jì)算結(jié)果的差異均較?。浑S著訓(xùn)練數(shù)據(jù)量的減少，純數(shù)據(jù)驅(qū)動(dòng)模型的預(yù)測(cè)精度顯著下降，而雙驅(qū)動(dòng)模型的性能基本未受影響，其預(yù)測(cè)結(jié)果仍與模擬器計(jì)算結(jié)果保持較小的誤差。
圖3 不同體量訓(xùn)練數(shù)據(jù)下的純數(shù)據(jù)驅(qū)動(dòng)模型預(yù)測(cè)結(jié)果
圖4 不同體量訓(xùn)練數(shù)據(jù)下的雙驅(qū)動(dòng)模型預(yù)測(cè)結(jié)果
同時(shí)，研究還通過(guò)加入高斯白噪聲的形式測(cè)試模型的魯棒性，發(fā)現(xiàn)隨著高斯白噪聲水平的增加，純數(shù)據(jù)驅(qū)動(dòng)滲流代理模型的預(yù)測(cè)精度迅速下降，而雙驅(qū)動(dòng)滲流代理模型的預(yù)測(cè)精度僅略有下降，但仍保持在較高水平。此外，為測(cè)試模型的可遷移性，通過(guò)重頭訓(xùn)練和遷移學(xué)習(xí)對(duì)比雙驅(qū)動(dòng)滲流代理模型在不同訓(xùn)練輪次下的預(yù)測(cè)結(jié)果，發(fā)現(xiàn)該模型僅需較短訓(xùn)練時(shí)間即可達(dá)到長(zhǎng)時(shí)間密集訓(xùn)練的效果，并實(shí)現(xiàn)快速收斂，同時(shí)節(jié)省計(jì)算資源。
結(jié)論:
通過(guò)融合油氣滲流理論與純數(shù)據(jù)驅(qū)動(dòng)滲流代理模型，建立了雙驅(qū)動(dòng)滲流代理模型。該模型在相同訓(xùn)練條件下具有更高的預(yù)測(cè)精度和更低的數(shù)據(jù)依賴(lài)性，有效解決了深度學(xué)習(xí)模型應(yīng)用于數(shù)據(jù)稀疏場(chǎng)景的難題。與純數(shù)據(jù)驅(qū)動(dòng)滲流代理模型不同，雙驅(qū)動(dòng)模型的強(qiáng)魯棒性使其能夠更好地處理訓(xùn)練數(shù)據(jù)中的干擾噪聲，為低信噪比訓(xùn)練數(shù)據(jù)的利用提供了新方法。此外，雙驅(qū)動(dòng)滲流代理模型展現(xiàn)出良好的可遷移性，可復(fù)用現(xiàn)有模型解決類(lèi)似油氣藏模擬問(wèn)題。
作者簡(jiǎn)介:
曾桃，中海石油（中國(guó)）有限公司海南分公司生產(chǎn)部氣藏資深工程師，高級(jí)工程師職稱(chēng)，一級(jí)注冊(cè)計(jì)量師。2003年于西南石油大學(xué)石油工程學(xué)院獲學(xué)士學(xué)位，2006年于西南石油大學(xué)獲碩士學(xué)位，2023年中國(guó)石油大學(xué)人工智能學(xué)院工程博士在讀。主要從事油氣田開(kāi)發(fā)，油氣產(chǎn)量計(jì)量，油氣生產(chǎn)與人工智能融合領(lǐng)域的研究。
通訊作者簡(jiǎn)介:
林伯韜, 教授/博導(dǎo), PhD, SPE, IEEE，中國(guó)石油大學(xué)（北京）人工智能學(xué)院院長(zhǎng)/海南研究院海洋油氣人工智能中心主任。主要從事智能石油工程與工業(yè)數(shù)字孿生的教學(xué)與研究工作。