一種數(shù)據(jù)-物理雙驅(qū)動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/見刊時間：2025年2月27日
作者列表：
1） 曾 桃 中國石油大學(xué)（北京）人工智能學(xué)院 石油與天然氣工程專業(yè)（人工智能方向）博23/中海石油（中國）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）有限公司海南分公司 數(shù)字化專務(wù)
3） 鄧傳中 中海石油（中國）有限公司海南分公司 公司級技術(shù)專家
4） 林伯韜 中國石油大學(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
文章簡介:
本文提出了一項關(guān)于AI 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)動的滲流代理模型計算高效，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，但計算效率低，難以融合實時數(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)動與物理機(jī)理優(yōu)勢，提升計算效率、可解釋性和魯棒性。在中國南海某深水氣田的應(yīng)用表明，該模型在預(yù)測精度和計算效率上均優(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)動型滲流替代模型缺乏理論支撐，且對數(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)動與物理驅(qū)動的雙驅(qū)動滲流代理模型。該模型基于純數(shù)據(jù)驅(qū)動型滲流替代模型，整合滲流理論以模擬和預(yù)測油氣滲流過程。研究結(jié)果表明：（1）相較于純數(shù)據(jù)驅(qū)動模型，即使訓(xùn)練數(shù)據(jù)極度稀疏，雙驅(qū)動滲流代理模型仍能保持高預(yù)測精度；（2）通過向訓(xùn)練數(shù)據(jù)添加不同層級的噪聲干擾測試雙驅(qū)動模型的魯棒性，驗證其性能優(yōu)于純數(shù)據(jù)驅(qū)動模型；（3）最后，通過遷移學(xué)習(xí)將訓(xùn)練好的雙驅(qū)動滲流代理模型應(yīng)用于新滲流場，結(jié)果顯示該模型能夠快速收斂并節(jié)省計算資源。
背景與動機(jī):
如今，數(shù)據(jù)驅(qū)動的滲流代理模型被廣泛用于油氣藏的模擬與預(yù)測以提高效率和減少用時，然而其面臨數(shù)據(jù)量少、收集昂貴、信噪比低等諸多問題，導(dǎo)致過擬合、精度不足和模型“黑箱”問題。另一方面，傳統(tǒng)物理機(jī)理驅(qū)動、求解偏微分方程的數(shù)值模型面臨計算效率低、融合實時數(shù)據(jù)困難、魯棒性不足等問題；亟需研發(fā)融合物理機(jī)理與現(xiàn)場數(shù)據(jù)的人工智能模型，以提高計算效率以及工程分析的靈活性和魯棒性。
設(shè)計與實現(xiàn):
采用深度學(xué)習(xí)并借由自動微分技術(shù)求解偏微分方程，同時將物理驅(qū)動加入神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)中：物理驅(qū)動包括初始條件、邊界條件和控制方程的殘差項。模型架構(gòu)見圖1。
圖1 雙驅(qū)動滲流代理模型架構(gòu)
主要內(nèi)容:
基于Karhunen-Loève分解生成一個1500×1500平方米的隨機(jī)滲透率場（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)域初始壓力為5 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%，模擬時長為70天，時間步長為1天，由油氣藏數(shù)值模擬器計算得到的壓力場結(jié)果（圖2b）作為參考解。
圖2 隨機(jī)滲透率場與數(shù)值模擬壓力場
對比驗證純數(shù)據(jù)驅(qū)動和雙驅(qū)動滲流代理模型的預(yù)測結(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)。為驗證模型性能，分別將純數(shù)據(jù)驅(qū)動和雙驅(qū)動滲流代理模型的預(yù)測結(jié)果與模擬器計算結(jié)果進(jìn)行對比，并通過滲流區(qū)域內(nèi)均勻采樣的點開展相關(guān)性分析。純數(shù)據(jù)驅(qū)動和雙驅(qū)動滲流代理模型的預(yù)測結(jié)果均接近模擬器計算結(jié)果。其中，雙驅(qū)動滲流代理模型的模擬預(yù)測精度較高。
實驗結(jié)果及分析:
現(xiàn)場觀測數(shù)據(jù)的稀疏性是純數(shù)據(jù)驅(qū)動滲流代理模型在石油工業(yè)應(yīng)用中的一個主要限制。為分析雙驅(qū)動滲流代理模型對訓(xùn)練數(shù)據(jù)量的依賴性，分別設(shè)置了四種不同數(shù)據(jù)量的訓(xùn)練場景（10、40、400、4000個樣本），并對比了純數(shù)據(jù)驅(qū)動和雙驅(qū)動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，兩種模型的預(yù)測結(jié)果與模擬器計算結(jié)果的差異均較小；隨著訓(xùn)練數(shù)據(jù)量的減少，純數(shù)據(jù)驅(qū)動模型的預(yù)測精度顯著下降，而雙驅(qū)動模型的性能基本未受影響，其預(yù)測結(jié)果仍與模擬器計算結(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)動模型預(yù)測結(jié)果
圖4 不同體量訓(xùn)練數(shù)據(jù)下的雙驅(qū)動模型預(yù)測結(jié)果
同時，研究還通過加入高斯白噪聲的形式測試模型的魯棒性，發(fā)現(xiàn)隨著高斯白噪聲水平的增加，純數(shù)據(jù)驅(qū)動滲流代理模型的預(yù)測精度迅速下降，而雙驅(qū)動滲流代理模型的預(yù)測精度僅略有下降，但仍保持在較高水平。此外，為測試模型的可遷移性，通過重頭訓(xùn)練和遷移學(xué)習(xí)對比雙驅(qū)動滲流代理模型在不同訓(xùn)練輪次下的預(yù)測結(jié)果，發(fā)現(xiàn)該模型僅需較短訓(xùn)練時間即可達(dá)到長時間密集訓(xùn)練的效果，并實現(xiàn)快速收斂，同時節(jié)省計算資源。
結(jié)論:
通過融合油氣滲流理論與純數(shù)據(jù)驅(qū)動滲流代理模型，建立了雙驅(qū)動滲流代理模型。該模型在相同訓(xùn)練條件下具有更高的預(yù)測精度和更低的數(shù)據(jù)依賴性，有效解決了深度學(xué)習(xí)模型應(yīng)用于數(shù)據(jù)稀疏場景的難題。與純數(shù)據(jù)驅(qū)動滲流代理模型不同，雙驅(qū)動模型的強(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)有模型解決類似油氣藏模擬問題。
作者簡介:
曾桃，中海石油（中國）有限公司海南分公司生產(chǎn)部氣藏資深工程師，高級工程師職稱，一級注冊計量師。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。主要從事油氣田開發(fā)，油氣產(chǎn)量計量，油氣生產(chǎn)與人工智能融合領(lǐng)域的研究。
通訊作者簡介:
林伯韜, 教授/博導(dǎo), PhD, SPE, IEEE，中國石油大學(xué)（北京）人工智能學(xué)院院長/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。