[发明专利]一种基于并行代理模型的油藏生产机器学习方法

权利要求书

1.一种基于并行代理模型的油藏生产机器学习方法，其特征在于：所述方法包括以下步骤：

(1)确定优化变量和初始设计空间，初始化优化迭代次数FEs设置为零，油田的生产优化的数学描述为：

Find x＝[x₁,x₂,…,x_m] (1)

Max f(x) (2)

式中：x为生产优化变量；m是优化变量的维数；f(x)为油田生产优化问题的目标函数；和分别为优化变量的下边界、上边界；J(u,v)表示净现值NPV，单位为USD；N_t为总共的模拟步长；t_n为第n次模拟步长的时间，单位为D；b为年衰减率；和分别代表第j口生产井在第n步中的日平均产油量、日平均产水量和第i口注水井在第n步中的日注水量，单位为STB/D；r_o，c_w，c_wi分别为每单位油的价格和处理每单位废水的费用和注入一方水的费用，单位为USD/STB；P和I分别是生产井与注水井的数量；

(2)在初始设计空间中进行采样得到采样点集S＝[x¹；x²；…x^N]，使用MATLAB根据采样点集修改油田的生产制度，并行调用油藏数值模拟软件Eclipse对修改后的生产制度进行真实的数值模拟得到响应集Y＝[y¹；y²；…y^N]，使用采样点与对应的响应集值构建样本数据库DB，N为初始设计空间中采样的样本数量；

(3)基于投影并行加点策略，在样本数据库DB中选出q个用于真实模拟的候选点；

(4)使用MATLAB并行调用油藏数值模拟软件Eclipse计算q个用于真实模拟的候选点的响应值，将q个用于真实模拟的候选点及其对应响应值添加进样本数据库DB，更新采样点集S与响应集Y，优化迭代次数FEs增加一次；

(5)判断是否满足停止准则，如果优化迭代次数达到了设定的次数则停止迭代，并输出最优解，否则，返回步骤(3)；

所述的生产优化变量包括注水井的注水量、油井井底流压、油井生产量和井位；

步骤(3)中的投影并行加点策略具体实施步骤为：

1)创建一个临时采样点集S^temp，令S^temp＝S；创建一个临时响应集Y^temp，令Y^temp＝Y；

2)使用差分进化算法对临时采样点集S^temp进行交叉变异得到高维候选种群C^temp＝[c¹；c²；…c^N]；

3)将S^temp与C^temp使用萨蒙投影方法同时投影到低维空间中，得到低维空间中对应的种群和

4)使用与Y^temp作为训练样本构造Kriging代理模型；

5)利用得到的代理模型和置信下界加点准则，计算中各个点的置信下界值，选出其中置信下界值最高的点

6)在高维候选种群C^temp中找到与相对应的个体c^best，设c^best的响应值为L，更新临时采样点集S^temp和临时响应集Y^temp，令S^temp＝[S^temp；c^best]，Y^temp＝[Y^temp；L]，并将c^best记录下来，返回步骤2)，直到产生q个点。