本发明涉及油田开发人工智能,尤其涉及一种油藏地质模型优化方法、装置、电子设备及存储介质。
背景技术:
1、考虑到上天容易入地难,对于几百上千米埋藏深度的地下油气藏,地质专业人员只能通过岩心、露头观测、地震、测井等专业技术手段获得有限和片面的观测信息(通常认为打井位置获取的信息是可靠的);基于这些观测信息,采用地质统计学方法建立起大量的等概率随机三维油藏地质模型;显然,这些随机建立的三维油藏地质模型与油气藏真实状况会存在很大偏差,会增大后面油气藏打井开发的风险。
2、为了降低油气藏开发的风险,油藏工程师会进一步根据油气藏实际生产动态数据来调整油藏地质模型的某些参数,使得基于这些油藏地质模型的数值模拟预测结果(理论预测值)与油气藏实际生产动态数据(观测值)尽可能一致,这个过程叫做地质模型的拟合。
3、拟合效果依赖于研究人员的经验认识,效率低下。
技术实现思路
1、本发明提供了一种油藏地质模型优化方法、装置、电子设备及存储介质,能够保持油藏地质模型拟合效果的同时显著提升拟合效率。
2、根据本发明的一方面,提供了一种油藏地质模型优化方法,该方法包括:
3、获取油藏地质模型;其中,所述油藏地质模型用于表征地下油气藏的分布情况;
4、对所述油藏地质模型进行降维处理,得到低维参数;其中,所述低维参数包括油藏地质模型均值和油藏地质模型特征值;
5、将所述低维参数作为输入,基于网络模型对所述低维参数进行训练,输出目标油藏地质模型;其中,所述网络模型是根据所述油藏地质模型和目标油藏地质模型进行确定的。
6、根据本发明的另一方面,提供了一种油藏地质模型优化装置,该装置包括:
7、油藏地质模型获取模块,用于获取油藏地质模型;其中,所述油藏地质模型用于表征地下油气藏的分布情况;
8、低维参数得到模块,用于对所述油藏地质模型进行降维处理,得到低维参数;其中,所述低维参数包括油藏地质模型均值和油藏地质模型特征值;
9、目标油藏地质模型输出模块,用于将所述低维参数作为输入,基于网络模型对所述低维参数进行训练,输出目标油藏地质模型;其中,所述网络模型是根据所述油藏地质模型和目标油藏地质模型进行确定的。
10、根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
11、至少一个处理器;以及
12、与所述至少一个处理器通信连接的存储器;其中,
13、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的一种油藏地质模型优化方法。
14、根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种油藏地质模型优化方法。
15、本发明实施例的技术方案,通过获取油藏地质模型;其中,油藏地质模型用于表征地下油气藏的分布情况;然后对油藏地质模型进行降维处理,得到低维参数;并将低维参数作为输入,基于网络模型对低维参数进行训练,输出目标油藏地质模型。本技术方案,能够保持油藏地质模型拟合效果的同时显著提升拟合效率。
16、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种油藏地质模型优化方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述网络模型的确定过程包括:
3.根据权利要求2所述的方法,其特征在于,根据所述油藏地质模型和目标油藏地质模型构建待训练网络模型的损失函数,包括:
4.根据权利要求3所述的方法,其特征在于,包括:
5.根据权利要求3所述的方法,其特征在于,包括:
6.根据权利要求2所述的方法,其特征在于,在输出目标油藏地质模型之后,所述方法还包括:
7.根据权利要求1所述的方法,其特征在于,对所述油藏地质模型进行降维处理,得到低维参数,包括:
8.一种油藏地质模型优化装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的一种油藏地质模型优化方法。