本發明涉及一種優化深度學習降維重構參數的自動歷史擬合方法及系統,包括以下步驟:步驟一、構建初始油藏模型,通過自動編碼器方法訓練深度自編碼模型,使用解碼器進行降維參數化表征,步驟二、利用粒子群優化算法優化自編碼模型的神經網絡結構,步驟三、ES?MDA方法迭代同化數據更新潛變量,自編碼模型解碼器重構油藏模型并進行數值模擬,步驟四、多次迭代進行觀測數據擬合,最終輸出擬合模型,完成自動歷史擬合流程。相對于現有技術,本發明通過深度自編碼模型、粒子群優化算法的結合可將高維地質特征如滲透率映射到低維連續高斯空間進行重參數化表征,結合集合光滑多次數據同化(ES?MDA)方法吸收生產歷史實現復雜大規模油藏自動歷史擬合高效求解。
聲明:
“優化深度學習降維重構參數的油藏自動歷史擬合方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)