CN102279852B - 一种基于遗传算法的油藏自动历史拟合系统及其拟合方法 - Google Patents

Abstract

本发明提供了一种基于遗传算法的油藏自动历史拟合方法，属于油藏数值模拟领域。本发明以遗传算法流程为基础，以数据库为数据存储、计算中心实现自动历史拟合，包括算法管理模块、模拟器前处理模块、模拟器调用模块、模拟器后处理模块和用户界面模块。本发明将遗传算法与数据技术有机地结合起来实现了油藏自动历史拟合，充分利用数据库的索引、存储过程技术，不仅实现了数据的高效存储，而且使拟合评价值的计算简单快速，有效地提高了油藏自动历史拟合的效率。

Description

一种基于遗传算法的油藏自动历史拟合系统及其拟合方法

技术领域

本发明属于地球物理学中物探开发领域，具体涉及一种基于遗传算法使用数据库技术的自动历史拟合方法。

背景技术

历史拟合是油藏数值模拟研究中一个十分重要的工作。以最优控制理论为基础的自动历史拟合所使用的数学方法有传统优化算法，如Gauss-Newton、Levenberg-Marquardt、PCG、BFGS、LBFGS，和现代优化算法，如遗传算法、集合卡尔曼滤波、响应面模型。

历史拟合是油藏数值模拟研究中一个十分重要的环节，它是预测油田开发动态的基础。所谓历史拟合，就是先用所录取的地层静态参数来计算油藏开发过程中主要动态指标变化的历史，把计算的结果与所观测到的油藏或油井的主要动态指标例如压力、产量、气油比、含水等进行对比，如果发现两者之间有较大的差异，而使用的数学模型又正确无误，则说明模拟时所用的静态参数不符合油藏的实际情况。这时，就必须根据底层静态参数与压力、产量、气油比、含水等动态参数的相关关系，对所使用的油层静态参数作相应的修改，然后用修改后的油层参数再次进行计算并进行对比。如果仍有差异，则再次进行修改。这样进行下去，直到计算结果与实测动态参数相当接近，达到允许的误差范围为止。用计算机程序来实现这个过程就称为“自动历史拟合”。

历史拟合问题是通过调整敏感参数(如孔隙度、渗透率等)，使得数值模拟计算的量如压力、油气比、含水等都接近实际测量值。实质上是一个最优化问题。

需要拟合的模型可以写为：

U＝U(t，a)

其中U为目标拟合量，如压力、油气比、含水等；a为m个被估参数，a＝(a₁，a₂，…，a_m)^T，如渗透率、孔隙度等；t是时间。

问题是求目标函数

$f\left(a\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left[\frac{U_i-U(t_i,a_i)}{{\mathrm{\σ}}_i}\right]}^2,i=\mathrm{1,2},...,N$

的极小值。其中，U_i是在t_i时刻油田实际测量的压力、含水、油气比等目标拟合量。σ_i是在t_i时刻的测量标准差。即寻找参数a^*使计算值U＝U(t_i，a_i ^*)与实际测量值U_i的误差平方和达到极小值。

这个目标函数f(a)的值就称为“拟合评价值”。

遗传算法借鉴了自然选择的生物进化论思想，是一种模拟生物进化过程的随机算法。

在一定地域中，一个物种的全体成员构成一个种群。

对遗传算法而言，种群是要解决问题的一组潜在解。种群的开始，一般使用随机的方法产生。算法中“种群”中成员数目的多少称为“种群规模”，“最大演化代数”指算法中控制种群繁殖的最大代数。

成员个体对环境的适应程度叫做适应度。算法依据适应度评价个体的优劣。

为了使这个种群能够按生物进化的规律产生他们的后代，算法中设置了“选择”、“交叉”，“变异”的操作。“选择”一般指从种群中选出一定数量的个体，这些个体参与“交叉”的操作。“交叉”可以理解为父代产生子代的方式(如，用两个父代个体的均值作为新的后代)。“变异”可以理解为个体的基因发生了突变。

关于Pareto对于多目标优化问题：

Min    y＝f(x)＝(f₁(x)，…，f_n(x))

where  x＝(x₁，…，x_m)∈X

       y＝(y₁，…，y_n)∈Y

Pareto支配的定义为：

变量a∈X支配b∈X(记做：

)当且仅当

$\&Exists;j\&Element;\{1,...,n\}:f_i\left(a\right)<f_j\left(b\right)$

Pareto最优解定义为

多目标问题的一个矢量解u是Pareto最优解，当且仅当不存在另一个矢量解v使得f(v)Pareto支配f(u)。所有的Pareto最优解称为Pareto最优解集。

近几年，现代优化算法受到了更多的关注，其中遗传算法的应用研究较多。遗传算法是一种与梯度无关的现代优化算法，以其思想简单、便于实现、高健壮性、高鲁棒性等特点被广泛地应用在人工智能、智能控制、优化和搜索、机器学习等领域。

使用遗传算法实现油藏自动历史拟合有两个优点：第一，不需要计算参数的梯度，但代价是上千次的调用油藏数值模拟器进行模拟以获得全局最优点；第二，与特定模拟器无关，只需要如压力、油气水产量这样的模拟器输出数据。

使用遗传算法解决油藏自动历史拟合问题，拟合过程中会产生大量的数据。因为，在遗传算法的进化过程中，每一个个体都会进行一次模拟运算，每次模拟运算都会产生一组输出数据。这些数据多少与区块内井的数量、生产历史成正比。例如需要拟合的区块中有10口井，需要拟合的时间点为100个，要求对压力进行历史拟合。拟合过程中，每一次模拟输出的压力数据为100×10＝1,000个浮点数，如果遗传算法的种群规模设置为50，进化最大代数为50，那么整个拟合过程就有1,000×50×50＝2,500,000个浮点数需要存储，而且还要使用这些数据进行拟合评价值的计算。

通常的处理方法是将这些数据以文本的方式保存，需要时采取逐行扫描的方式获取需要的数据。但文本方式保存这些数据存在以下不足：首先，随着数据的增多，文件的读写需要占用越来越多的计算机资源；其次，需要特定数据时，必须逐行扫描文件，数据检索的效率低。

发明内容

本发明的目的在于解决上述现有技术中存在的难题，提供一种基于遗传算法使用数据库油藏自动历史拟合方法，使用数据库存储数据，并利用数据库的索引、存储过程技术快速计算拟合评价值。提高油藏历史拟合效率，实现油藏历史拟合自动化，提升油藏数值模拟的应用水平，使油藏数值模拟更好地为生产服务，提高油田效益。

本发明是通过以下技术方案实现的：

一种基于遗传算法的油藏自动历史拟合系统，

所述系统用于以遗传算法为基础，以数据库为数据存储、计算完成油藏的自动历史拟合过程；

所述系统包括，

算法管理模块：用于完成遗传算法的种群初始化、调用存储过程对种群中的个体进行拟合评价、种群进化；

数据库：用于存储计算过程产生的大量数据，如种群信息、评价值、油藏数值模拟产量；

模拟器前处理模块：用于负责生成模拟器输入文件：根据所述算法管理模块所生成的种群个体基因和所使用的模拟器输入文件格式，将种群个体基因写入到模拟器输入文件的特定位置，生成与种群个体相对应的油藏数值模拟器输入文件；

模拟器调用模块：用于完成油藏数值模拟器的调用：该模块调用油藏数值模拟器读取所述模拟器前处理模块所生成的模拟器输入文件，进行油藏数值模拟生成；

模拟器后处理模块：用于提取模拟器输出文件中的数据，并把数据存储到数据库中；所述模拟器调用模块完成任务后，油藏数值模拟器会生成输出文件，输出文件中包含了计算拟合评价值所需要的数据；该模块根据模拟器输出文件的格式，将数据提取出来，并保存到所述数据库中；这些数据被算法管理模块访问，并计算出拟合评价值；

用户界面模块：用于用户设置遗传算法的各种参数、方法的运行参数：油藏数值模拟器的输入文件位置，渗透率、孔隙度的取值范围、最小误差、演化代数、种群规模、变异系数；监视拟合动态过程以及用于拟合结果的显示输出。

所述数据库包括数据库表结构和拟合评价函数单元；

所述数据库表结构包括如下结构，

(1)个体信息表

用于存放遗传算法的种群信息；所述个体信息表中的字段至少包括：遗传算法个体基因的编号、代次、代内序号、基因串、评价值；

(2)产量信息表

用于存放个体对应的模拟输出数据；所述产量信息表的字段至少包括：个体基因编号、井名称、生产日期以及一个或几个模拟输出量；

(3)数据库表索引结构

用于为数据库表设置索引，加快数据检索的速度；其中对所述个体信息表和产量信息表的各个字段设置索引。

所述拟合评价函数单元采用的拟合评价函数定义为：

$F=E(y_i^{\mathrm{obs}}-y_i^{\mathrm{calc}})$

其中，

是由模型参数x模拟计算的结果，

为井的历史生产数据。

所述拟合评价函数单元采用的拟合评价函数定义为：

$F=\frac{1}{N\&times;K}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{K}{\mathrm{\&Sigma;}}}(\frac{y_{\mathrm{ij}}^{\mathrm{obs}}-y_{\mathrm{ij}}^{\mathrm{calc}}\left(x\right)}{\mathrm{Max}(y_{\mathrm{ij}}^{\mathrm{obs}}+\mathrm{\&xi;},y_{\mathrm{ij}}^{\mathrm{calc}}\left(x\right)+\mathrm{\&xi;})})$

其中，N为生产井数，K为井的实测数据个数，为第i口井的第j时刻的实测生产数据，

是由模型参数x模拟计算的第i口井的第j时刻的模拟产量，为了保证除数不为0，ξ为一个极小的正实数。

基于上述的油藏自动历史拟合系统进行油藏自动历史拟合方法，

所述方法包括以下步骤：

(1)设置油藏工程参数步骤：设置油藏自动历史拟合需要的文件：油藏数值模拟器的输入文件；设置参数：渗透率、孔隙度的取值范围，最小误差；

(2)拟合参数设置步骤：设置拟合过程的演化代数、种群规模、变异系数；

(3)初始化种群步骤：根据步骤(1)、(2)参数，用随机的方法生成遗传算法的初始种群；

(4)根据当前个体生成模拟器输入文件，将步骤(3)生成的种群个体对应生成油藏数值模拟器的输入文件；

(5)调用模拟器进行模拟操作；

(6)模拟运算完成后，生成并提取模拟器输出文件中的数据，并存入数据库；

(7)所述数据库调用计算拟合评价的存储过程，对拟合结果进行评价；

(8)判断误差，如果误差达到要求转到(11)，否则转到(9)；如误差要求值为0.1

(9)如果当前代中的个体全部评价完成转到(10)，否则转到(4)；

(10)使用选择、交叉、变异算子产生新一代种群；本步骤中，使用了锦标赛选择算子，这种选择方式是随机地从种群中挑选一定数目(Tour)的个体，然后将最好的个体选作父个体。重复这个过程完成个体的选择。锦标赛选作的参数为竞赛规模Tour一般取2。专利中使用了PNX(Parent Centric Normal Crossover)交叉算子，算法首先产生一个随机数ω∈[0，1]，如果ω＜0.5，使用

如果ω≥0.5，使用

这个选择确定下来后子代每个分量都用同一个公式产生。

$y_j^{\left(1\right)}=N(x_j^{\left(1\right)},|x_j^{\left(2\right)}-x_j^{\left(1\right)}|/\mathrm{\&eta;}),$ $y_j^{\left(2\right)}=N(x_j^{\left(2\right)},|x_j^{\left(2\right)}-x_j^{\left(1\right)}|/\mathrm{\&eta;})$

其中，N(μ，σ)是均值为μ，标准差为σ的高斯分布产生的随机数；是第i个父体的第j个分量；η为可变参数由用户指定，η值越大所产生的子代越向父代集中，专利中设置为3。专利中使用了随机变异算子，从参数的取值区间中随机均匀选择一个数值来代替需要变异的个体。

(11)结束并输出结果。

所述步骤(7)中，还包括，

①建立数据库表步骤：根据所使用油藏数值模拟器输出文件数据结构的特点建立数据库表结构，用来存放模拟器输出的数据；

②建立索引步骤：数据库表建立完成后，为表设置索引，以加快数据检索的速度；

③拟合评价存储过程：将所述数据表结构中数据输入所述拟合评价函数单元，计算拟合评价值的存储过程，以实现拟合评价值的快速计算。

所述拟合评价存储过程采用的拟合评价函数定义为：

$F=E(y_i^{\mathrm{obs}}-y_i^{\mathrm{calc}})$

其中，

是由模型参数x模拟计算的结果，

为井的历史生产数据。

所述拟合评价存储过程采用的拟合评价函数定义为：

$F=\frac{1}{N\&times;K}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{K}{\mathrm{\&Sigma;}}}(\frac{y_{\mathrm{ij}}^{\mathrm{obs}}-y_{\mathrm{ij}}^{\mathrm{calc}}\left(x\right)}{\mathrm{Max}(y_{\mathrm{ij}}^{\mathrm{obs}}+\mathrm{\&xi;},y_{\mathrm{ij}}^{\mathrm{calc}}\left(x\right)+\mathrm{\&xi;})})$

其中，N为生产井数，K为井的实测数据个数，

为第i口井的第j时刻的实测生产数据，

是由模型参数x模拟计算的第i口井的第j时刻的模拟产量，为了保证除数不为0，ξ为一个极小的正实数。

与现有技术相比，本发明的有益效果是：将遗传算法与数据技术有机地结合起来实现了油藏自动历史拟合；本发明充分利用数据库的索引、存储过程技术的特点，不仅实现了数据的高效存储，而且使拟合评价值的计算简单、快速，有效提高了油藏自动历史拟合的效率。

附图说明

下面结合附图对本发明作进一步详细描述：

图1是本发明系统的模块关系图；

图2是本发明方法的流程图。

图3Eclipse油藏数值模拟器的输出文件样例。

图4是本发明实施例中的全区产水拟合情况图。

上述各幅附图将结合具体实施方式加以说明

具体实施方式

如图1所示，一种基于遗传算法的油藏自动历史拟合系统，

所述系统用于以遗传算法为基础，以数据库为数据存储、计算完成油藏的自动历史拟合过程；

所述系统包括，

算法管理模块：用于完成遗传算法的种群初始化、调用存储过程对种群中的个体进行拟合评价、种群进化；

数据库：用于存储计算过程产生的大量数据，如种群信息、评价值、油藏数值模拟产量。

模拟器前处理模块：用于负责生成模拟器输入文件：根据所述算法管理模块所生成的种群个体基因和所使用的模拟器输入文件格式，将种群个体基因写入到模拟器输入文件的特定位置，生成与种群个体相对应的油藏数值模拟器输入文件；

模拟器调用模块：用于完成油藏数值模拟器的调用：该模块调用油藏数值模拟器读取所述模拟器前处理模块所生成的模拟器输入文件，进行油藏数值模拟生成；

模拟器后处理模块：用于提取模拟器输出文件中的数据，并把数据存储到数据库中；所述模拟器调用模块完成任务后，油藏数值模拟器会生成输出文件，输出文件中包含了计算拟合评价值所需要的数据；该模块根据模拟器输出文件的格式，将数据提取出来，并保存到所述数据库中；这些数据被算法管理模块访问，并计算出拟合评价值；

用户界面模块：用于用户设置遗传算法的各种参数、方法的运行参数，如油藏数值模拟器的输入文件位置，渗透率、孔隙度的取值范围、最小误差、演化代数、种群规模、变异系数；监视拟合动态过程以及用于拟合结果的显示输出。

所述数据库表结构包括如下结构，

(1)个体信息表

用于存放遗传算法的种群信息；所述个体信息表中的字段至少包括：遗传算法个体基因的编号、代次、代内序号、基因串、评价值；

(2)产量信息表

用于存放个体对应的模拟输出数据；所述产量信息表的字段至少包括：个体基因编号、井名称、生产日期以及一个或几个模拟输出量；如果需要拟合压力，则模拟输出量字段中存放压力；如果需要拟合产水，则模拟输出量字段中存放水产量；也可以设置多个模拟输出量字段，如设置油、气、水三个字段，分别存放油、气、水的产量。

(3)数据库表索引结构

用于为数据库表设置索引，加快数据检索的速度；其中对所述个体信息表和产量信息表的各个字段设置索引。数据库表建立完成后，为表设置索引，如对“个体信息表”的“个体基因编号”字段设置索引；为“产量信息表”的“个体基因编号”和“井名称”字段设置索引。

数据库表结构确定后，就可以根据所使用的拟合评价函数编写计算拟合评价函数值的存储过程。所有数据都存储在数据库中，使用存储过程技术避免了语句的重复编译，加快了运算速度。

如图2所示，所述拟合评价方法的流程如下：

(1)设置油藏工程参数步骤：设置油藏自动历史拟合需要的文件：油藏数值模拟器的输入文件；设置参数：渗透率、孔隙度的取值范围，最小误差；

(2)拟合参数设置步骤：设置拟合过程的演化代数、种群规模、变异系数；

(3)初始化种群步骤：根据步骤(1)、(2)参数，用随机的方法生成遗传算法的初始种群；

(4)根据当前个体生成模拟器输入文件，将步骤(3)生成的种群个体对应生成油藏数值模拟器的输入文件；

(5)调用模拟器进行模拟操作；

(6)模拟运算完成后，生成并提取模拟器输出文件中的数据，并存入数据库；

(7)所述数据库调用计算拟合评价的存储过程，对拟合结果进行评价；

(8)判断误差，如果误差达到要求转到(11)，否则转到(9)；如误差要求值为0.1

(9)如果当前代中的个体全部评价完成转到(10)，否则转到(4)；

(10)使用选择、交叉、变异算子产生新一代种群；本步骤中，使用了锦标赛选择算子，这种选择方式是随机地从种群中挑选一定数目(Tour)的个体，然后将最好的个体选作父个体。重复这个过程完成个体的选择。锦标赛选作的参数为竞赛规模Tour一般取2。专利中使用了PNX(Parent Centric Normal Crossover)交叉算子，算法首先产生一个随机数ω∈[0，1]，如果ω＜0.5，使用

如果ω≥0.5，使用

这个选择确定下来后子代每个分量都用同一个公式产生。

$y_j^{\left(1\right)}=N(x_j^{\left(1\right)},|x_j^{\left(2\right)}-x_j^{\left(1\right)}|/\mathrm{\&eta;}),$ $y_j^{\left(2\right)}=N(x_j^{\left(2\right)},|x_j^{\left(2\right)}-x_j^{\left(1\right)}|/\mathrm{\&eta;})$

其中，N(μ，σ)是均值为μ，标准差为σ的高斯分布产生的随机数；

是第i个父体的第j个分量；η为可变参数由用户指定，η值越大所产生的子代越向父代集中，专利中设置为3。专利中使用了随机变异算子，从参数的取值区间中随机均匀选择一个数值来代替需要变异的个体。

(11)结束并输出结果。

图3是Eclipse油藏数值模拟器的输出文件样例，从输出文件可以看出，输出数据时非常规则的，适合用关系数据库保存这些数据。

实施例：

一、数据库设计

(1)个体信息表

为了存储种群信息，设计了个体信息表，字段说明如表1所示。

表1

(2)产量信息表

针对所使用模拟器输出文件格式的特点，设计模拟产量信息的存储表，表字段说明如表2所示。

表2

所使用的拟合评价函数定义为：

$F=E(y_i^{\mathrm{obs}}-y_i^{\mathrm{calc}})---\left(1\right)$

其中，

是由模型参数x模拟计算的结果，

为井的历史生产数据。

根据(1)式和产量信息表结构，计算产水拟合评价值的存储过程的SQL代码如下：

CREATE PROCEDURE[dbo].[ComputeFitness_W]

  obseid nvarchar(38)，simuid nvarchar(38)

AS

select avg(abs(a.Gas-b.Gas))AS Fitness

from PRODUCTION a，PRODUCTION b

where a.Individual_id＝obseid and b.Individual_id＝simuid

and a.ProduDate＝b.ProduDate AND a.WellName＝b.WellName

其中，obseid指实测数据的id；simuid指当前个体的id。

使用本发明提出的方法在一个一注四采的区块上进行产水拟合。种群规模为20，繁衍代数为20，变异概率取0.005。运算结果的全区产水拟合情况如图4所示。全区累积产水拟合绝对误差为23.10吨，相对误差1.82％。单井拟合结果如表3所示。

表3

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选地，而并不具有限制性的意义。

Claims (8)

1.一种基于遗传算法的油藏自动历史拟合系统，其特征在于，

所述系统用于以遗传算法为基础，以数据库系统为数据存储、计算完成油藏的自动历史拟合过程；

所述系统包括，

算法管理模块：用于完成遗传算法的种群初始化、调用存储过程对种群中的个体进行拟合评价、种群进化；

数据库系统：用于存储计算过程产生的大量数据，包括种群信息、评价值、油藏数值模拟产量；

模拟器前处理模块：用于负责生成模拟器输入文件：根据所述算法管理模块所生成的种群个体基因和所使用的模拟器输入文件格式，将种群个体基因写入到模拟器输入文件的特定位置，生成与种群个体相对应的油藏数值模拟器输入文件；

模拟器调用模块：用于完成油藏数值模拟器的调用：该模块调用油藏数值模拟器读取所述模拟器前处理模块所生成的模拟器输入文件，进行油藏数值模拟生成；

模拟器后处理模块：用于提取模拟器输出文件中的数据，并把数据存储到数据库系统中；所述模拟器调用模块完成任务后，油藏数值模拟器会生成输出文件，输出文件中包含了计算拟合评价值所需要的数据；所述模拟器后处理模块根据模拟器输出文件的格式，将数据提取出来，并保存到所述数据库系统中；所述模拟器输出文件中的数据被算法管理模块访问，并计算出拟合评价值；

用户界面模块：用于用户设置遗传算法的各种参数、方法的运行参数：油藏数值模拟器的输入文件位置，渗透率、孔隙度的取值范围、最小误差、演化代数、种群规模、变异系数；监视拟合动态过程以及用于拟合结果的显示输出。

2.根据权利要求1所述一种基于遗传算法的油藏自动历史拟合系统，其特征在于，所述数据库包括数据库表结构和拟合评价函数单元；

所述数据库表结构包括如下结构，

（1）个体信息表

用于存放遗传算法的种群信息；所述个体信息表中的字段至少包括：遗传算法个体基因的编号、代次、代内序号、基因串、评价值；

（2）产量信息表

用于存放个体对应的模拟输出数据；所述产量信息表的字段至少包括：个体基因编号、井名称、生产日期以及一个或几个模拟输出量；

（3）数据库表索引结构

用于为数据库表设置索引，加快数据检索的速度；其中对所述个体信息表和产量信息表的各个字段设置索引。

3.根据权利要求2所述的油藏自动历史拟合系统，其特征在于，

所述拟合评价函数单元采用的拟合评价函数定义为：

$F=E(y_i^{\mathrm{obs}}-y_i^{\mathrm{calc}}\left(x\right))$

其中，

是由模型参数x模拟计算的结果，

为井的历史生产数据。

4.根据权利要求2所述的油藏自动历史拟合系统，其特征在于，

所述拟合评价函数单元采用的拟合评价函数定义为：

$F=\frac{1}{N\&times;K}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{K}{\mathrm{\&Sigma;}}}\left(\frac{y_{\mathrm{ij}}^{\mathrm{obs}}-y_{\mathrm{ij}}^{\mathrm{calc}}\left(x\right)}{\mathrm{Max}(y_{\mathrm{ij}}^{\mathrm{obs}}+\mathrm{\&xi;},y_{\mathrm{ij}}^{\mathrm{calc}}\left(x\right)+\mathrm{\&xi;})}\right)$

其中，N为生产井数，K为井的实测数据个数，为第i口井的第j时刻的实测生产数据，

是由模型参数x模拟计算的第i口井的第j时刻的模拟产量，为了保证除数不为0，ξ为一个极小的正实数。

5.基于权利要求1-4之一所述的油藏自动历史拟合系统进行油藏自动历史拟合方法，其特征在于，

所述方法包括以下步骤：

（1）设置油藏工程参数步骤：设置油藏自动历史拟合需要的文件：油藏数值模拟器的输入文件；设置参数：渗透率、孔隙度的取值范围，最小误差；

（2）拟合参数设置步骤：设置拟合过程的演化代数、种群规模、变异系数；

（3）初始化种群步骤：根据步骤（1）、（2）参数，用随机的方法生成遗传算法的初始种群；

（4）根据当前个体生成模拟器输入文件，将步骤（3）生成的种群个体对应生成油藏数值模拟器的输入文件；

（5）调用模拟器进行模拟操作；

（6）模拟运算完成后，生成并提取模拟器输出文件中的数据，并存入数据库；

（7）所述数据库调用计算拟合评价的存储过程，对拟合结果进行评价；

（8）判断误差，如果误差达到要求转到（11），否则转到（9）；

（9）如果当前代中的个体全部评价完成转到（10），否则转到（4）；

（10）使用选择、交叉、变异算子产生新一代种群

（11）结束并输出结果。

6.根据权利要求5所述的油藏自动历史拟合方法，其特征在于，

所述步骤（7）中，还包括，

①建立数据库表步骤：根据所使用油藏数值模拟器输出文件数据结构的特点建立数据库表结构，用来存放模拟器输出的数据；

②建立索引步骤：数据库表建立完成后，为表设置索引，以加快数据检索的速度；

③拟合评价存储过程：将所述数据表结构中数据输入拟合评价函数单元，计算拟合评价值的存储过程，以实现拟合评价值的快速计算。

7.根据权利要求5或6所述的油藏自动历史拟合方法，其特征在于，

所述拟合评价存储过程采用的拟合评价函数定义为：

$F=E(y_i^{\mathrm{obs}}-y_i^{\mathrm{calc}}\left(x\right))$

其中，

是由模型参数x模拟计算的结果，为井的历史生产数据。

8.根据权利要求5或6所述的油藏自动历史拟合方法，其特征在于，

所述拟合评价存储过程采用的拟合评价函数定义为：

$F=\frac{1}{N\&times;K}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{K}{\mathrm{\&Sigma;}}}\left(\frac{y_{\mathrm{ij}}^{\mathrm{obs}}-y_{\mathrm{ij}}^{\mathrm{calc}}\left(x\right)}{\mathrm{Max}(y_{\mathrm{ij}}^{\mathrm{obs}}+\mathrm{\&xi;},y_{\mathrm{ij}}^{\mathrm{calc}}\left(x\right)+\mathrm{\&xi;})}\right)$

其中，N为生产井数，K为井的实测数据个数，

为第i口井的第j时刻的实测生产数据，

是由模型参数x模拟计算的第i口井的第j时刻的模拟产量，为了保证除数不为0，ξ为一个极小的正实数。

Images