CN109872007A - 基于支持向量机代理模型的油藏注采参数多目标优化方法 - Google Patents
基于支持向量机代理模型的油藏注采参数多目标优化方法 Download PDFInfo
- Publication number
- CN109872007A CN109872007A CN201910183832.4A CN201910183832A CN109872007A CN 109872007 A CN109872007 A CN 109872007A CN 201910183832 A CN201910183832 A CN 201910183832A CN 109872007 A CN109872007 A CN 109872007A
- Authority
- CN
- China
- Prior art keywords
- parameter
- oil reservoir
- model
- optimization
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于油藏模型模拟生产技术领域，具体涉及一种基于支持向量机代理模型的油藏注采参数多目标优化方法，通过数值模拟软件生成一定数量的注采方案作为样本；将样本输入到最小二乘支持向量机中形成一个替代模型，在这个过程中若出现不收敛的情况就采用粒子群算法寻优以达到收敛；基于最小二乘支持向量机生成大小为M的初始注采参数种群后，选取合适的目标函数、pareto等级和拥挤距，然后采用带精英策略的非支配排序多目标优化遗传算法NSGA‑Ⅱ对注采参数进行优化，得出pareto解集；根据目标函数的需求在pareto解集中找出最优化的油藏注采参数。本发明实现油藏注采参数多目标优化设计的方法应用中，在保证代理模型预测精度的同时提高了效率。
Description
技术领域
本发明属于油藏模型模拟生产技术领域，具体涉及一种基于替代模型的油藏注采参数多目标优化方法。
背景技术
油藏注水生产作为一种重要的提高采收率的方法已在世界大多数油田广泛使用，选取合适的注采参数对于高效开发油藏至关重要。
现有的常用注采参数优化方法是采用数值模拟技术或采用正交设计实验方法通过数值模拟技术或采用数值模拟加优化算法的方式对参数进行研究满足具体的开发要求,这种方法在注采参数优化过程中步骤繁琐、所需资料较多且需要花费大量的时间，同时，这种优化结果通常是静态的，得不到动态的优化结果。
发明内容
针对上述针对水驱油藏生产过程中合适的注采参数选取难的问题，本发明提供一种基于支持向量机代理模型的油藏注采参数多目标优化方法，期许在最短的时间内按照目标函数的要求找出最优的方案。
具体的技术方案为：
基于支持向量机代理模型的油藏注采参数多目标优化方法，包括以下步骤：
(1)优化变量x的确立；将需要确定注采参数的N口注采井的生产时间分为L个时间段，从而建立起该优化设计问题需要优化的参数x，x为L*N维向量，确定各维度上优化变量的取值范围；
(2)在x各维度的取值范围内采用随机抽样的方法，得到R个优化变量x的样本，组成样本空间X，X＝[x1，x2，...，xR]；
(3)将样本空间X中的各优化变量xi；(i∈1，2，...R)带入油藏数值模拟器，求取初始优化变量对应的累积采油量Np和净现值NPV作为目标函数值；
(4)通过优化变量样本及样本对应的目标函数值，建立LS-SVM替代模型，模型建立过程中，以模型和真实值之间误差为目标函数，采用粒子群算法寻优算法，获得LS-SVM替代模型的参数；
LS-SVM模型描述如下：
式中：f(x)为最优分类函数，αi为系数，xi为支持向量，K(xi，x)为核函数，为阈值，N为支持向量的个数；
(5)基于LS-SVM替代模型生成大小为M的初始注采参数种群后，选取合适的pareto等级和拥挤距，然后采用带精英策略的非支配排序多目标优化遗传算法NSGA-II对注采参数进行优化，得出pareto解集；
(6)根据目标函数的需求在pareto解集中找出最优化的油藏注采参数。
本发明提供的基于支持向量机代理模型的油藏注采参数多目标优化方法，提出了以净现值和累产油量为目标函数的多目标优化注采参数设计方法，在保证代理模型预测精度的同时提高了效率。
附图说明
图1为本发明的流程图；
图2为实施例的区块渗透率分布图；
图3为实施例的区块孔隙度分布图；
图4为本发明实施例和对比方法两种方法pareto解集结果对比图；
图5a为实施例基础方案注采参数；
图5b为实施例方案1注采参数；
图5c为实施例方案2注采参数；
图5d为实施例方案3注采参数；
图6为实施例四种方案净现值；
图7为实施例四种方案现金流；
图8为实施例四种方案累产油量对比；
图9a原始方案生产时间150天含油饱和度分布；
图9b原始方案生产时间300天含油饱和度分布；
图9c原始方案生产时间450天含油饱和度分布；
图9d原始方案生产时间600天含油饱和度分布；
图10a优化方案生产时间150天含油饱和度分布；
图10b优化方案生产时间300天含油饱和度分布；
图10c优化方案生产时间450天含油饱和度分布；
图10d优化方案生产时间600天含油饱和度分布。
具体实施方式
结合附图说明本发明的具体技术方案。
本发明的方法如图1所示，将该方法应用于某区块两注两采模型，与eclipse油藏数值模拟软件结合带精英策略的非支配排序多目标优化遗传算法NSGA-Ⅱ相比较展现出了明显的优势。
选取研究区块油藏的两注两采模型作为优化的研究对象，生产井和注水井分布在方形油藏的四个角，以150天为一个阶段生产4个阶段共模拟600天的生产。区块含油饱和度为80％，渗透率和孔隙度分布如图2和图3所示。先用数值模拟软件计算出一定的样本，采用支持向量机形成替代数值模拟软件的代理模型，分别用代理模型和数值模拟软件结合NSGA-Ⅱ算法。
基于上述两种方法以净现值和累产油量为目标函数的油藏生产井井底压力和注水井注入量的pareto最优解集如图4所示，两种方案所用时间如下表所示。由下图可知两种方案所算出来的pareto最优解集在误差范围内重合，由此证明了基于粒子群算法的最小二乘支持向量机替代模型的多目标优化算法的有效性；表1反应了样本数量为50，做100代遗传优化两种方法所需要的数模次数和总时间，相比较于数值模拟方法，替代模型节省了近500倍的时间。由此证明了基于粒子群算法的最小二乘支持向量机替代模型的多目标优化算法的优越性。
表1两种方法所用时间对比表
在pareto最优解集中选取净现值最大、净现值趋近于8.5*106元累产油量趋近于8.5*104m3和累产油量最大的方案作为优化方案1、2、3，以井底压力15MPa和注入量300m3/天作为基础方案来对优化结果进行分析。
四种方案的注采参数分别如图5a到图5d所示。
四种方案的净现值和现金流随生产时间变换图如6和图7所示。以净现值最大这一单目标来说，优化方案1为最大净现值方案，按照优化方案生产会在600天内获得最大效益。
四种方案的累产油量随生产时间的变化如图8所示。以累产油量最大这一单目标来说，优化方案3为最大累产油量方案，按照优化方案生产会在600天内获得最大的产油量。
根据pareto最优解集的特性，对于多目标优化，净现值和累产油量这两个目标函数同时都很大是不可能的。从上述分析可以看出优化方案2的净现值和累产油量都相对较大，对于多目标优化是比较合适的解。相比较于没有做优化的方案来说，其可以很好的凸显出多目标优化方法的优势。基础方案和优化方案2的每个阶段含油饱和度分布如图9a到图9d、图10a到图10d所示。
由图9a到图9d、图10a到图10d可以看出当采用优化方案2生产相比于基准方案剩余油饱和度会更低，能达到更高的净现值和产出更多的油。
Claims (2)
1.基于替代模型的油藏注采参数多目标优化方法，其特征在于，包括以下步骤：
(1)优化变量x的确立；将需要确定注采参数的N口注采井的生产时间分为L个时间段，从而建立起该优化设计问题需要优化的参数x，x为L*N维向量，确定各维度上优化变量的取值范围；
(2)在x各维度的取值范围内采用随机抽样的方法，得到R个优化变量x的样本，组成样本空间X，X＝[x1，x2，...，xR]；
(3)将样本空间X中的各优化变量xi；(i∈1，2，...R)带入油藏数值模拟器，求取初始优化变量对应的累积采油量Np和净现值NPV作为目标函数值；
(4)通过优化变量样本及样本对应的目标函数值，建立LS-SVM替代模型，模型建立过程中，以模型和真实值之间误差为目标函数，采用粒子群算法寻优算法，获得LS-SVM替代模型的参数；
LS-SVM模型描述如下：
式中：f(x)为最优分类函数，αi为系数，xi为支持向量，K(xi，x)为核函数，为阈值，N为支持向量的个数；
(5)基于LS-SVM替代模型生成大小为M的初始注采参数种群后，选取合适的pareto等级和拥挤距，然后采用带精英策略的非支配排序多目标优化遗传算法NSGA-II对注采参数进行优化，得出pareto解集；
(6)根据目标函数的需求在pareto解集中找出最优化的油藏注采参数。
2.根据权利要求1所述的基于支持向量机代理模型的油藏注采参数多目标优化方法，其特征在于，步骤(6)找出最优化的油藏注采参数的方法具体为，在得出的pareto解集中，按照各种目标函数的需求如累产油量最大或者生产净现值最高，选取解集中合适的点所对应的油藏注采参数方案即为所需要的最优化方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910183832.4A CN109872007A (zh) | 2019-03-12 | 2019-03-12 | 基于支持向量机代理模型的油藏注采参数多目标优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910183832.4A CN109872007A (zh) | 2019-03-12 | 2019-03-12 | 基于支持向量机代理模型的油藏注采参数多目标优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109872007A true CN109872007A (zh) | 2019-06-11 |
Family
ID=66920249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910183832.4A Pending CN109872007A (zh) | 2019-03-12 | 2019-03-12 | 基于支持向量机代理模型的油藏注采参数多目标优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109872007A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110750939A (zh) * | 2019-09-09 | 2020-02-04 | 中国石油化工股份有限公司 | 基于大样本正交设计表提高稠油热采潜力预测精度的方法 |
| CN111027220A (zh) * | 2019-12-14 | 2020-04-17 | 中国石油化工股份有限公司 | 一种提升油田注采匹配程度的方法 |
| CN111625922A (zh) * | 2020-04-15 | 2020-09-04 | 中国石油大学(华东) | 一种基于机器学习代理模型的大规模油藏注采优化方法 |
| CN112069656A (zh) * | 2020-08-07 | 2020-12-11 | 湖北交投十巫高速公路有限公司 | 基于lssvm-nsgaii耐久性混凝土配合比多目标优化的方法 |
| CN113032953A (zh) * | 2021-01-26 | 2021-06-25 | 中国石油大学(华东) | 一种多井系统水驱油藏注采参数智能优化方法 |
| WO2021258525A1 (zh) * | 2020-06-22 | 2021-12-30 | 中国石油大学(华东) | 一种基于并行代理模型的油藏生产机器学习方法 |
| CN116882305A (zh) * | 2023-09-08 | 2023-10-13 | 中国石油大学(华东) | 基于预搜索加速的二氧化碳水气交替驱油多目标优化方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103003522A (zh) * | 2010-06-16 | 2013-03-27 | Foroil公司 | 提高成熟气田或油田的产量的方法 |
| CN107120111A (zh) * | 2017-03-24 | 2017-09-01 | 中国地质大学（武汉） | 一种基于多重分形的油藏井间连通程度的评估方法及系统 |
| CN107516141A (zh) * | 2017-06-24 | 2017-12-26 | 燕山大学 | 一种基于支持向量机预测策略的动态多目标进化算法 |
| CN109426672A (zh) * | 2017-08-22 | 2019-03-05 | 中国石油化工股份有限公司 | 基于不确定地质模型的油藏注采参数优化方法 |
-
2019
- 2019-03-12 CN CN201910183832.4A patent/CN109872007A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103003522A (zh) * | 2010-06-16 | 2013-03-27 | Foroil公司 | 提高成熟气田或油田的产量的方法 |
| CN107120111A (zh) * | 2017-03-24 | 2017-09-01 | 中国地质大学（武汉） | 一种基于多重分形的油藏井间连通程度的评估方法及系统 |
| CN107516141A (zh) * | 2017-06-24 | 2017-12-26 | 燕山大学 | 一种基于支持向量机预测策略的动态多目标进化算法 |
| CN109426672A (zh) * | 2017-08-22 | 2019-03-05 | 中国石油化工股份有限公司 | 基于不确定地质模型的油藏注采参数优化方法 |
Non-Patent Citations (4)
| Title |
|---|
| FONSECA R M, LEEUWENBURGH O, ROSSA E D, ET AL: "nsemble-Based Multi-Objective Optimization of On-Off Control Devices under Geological Uncertainty", 《SPE RESERVOIR & ENGINEERING》 * |
| 向国齐: "支持向量回归机代理模型设计优化及应用研究", 《中国博士学位论文全文数据库 工程科技辑》 * |
| 汪海燕等: "支持向量机理论及算法研究综述", 《计算机应用研究》 * |
| 王相: "水驱油田井网及注采优化方法研究", 《中国博士学位论文全文数据库 工程科技I辑》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110750939A (zh) * | 2019-09-09 | 2020-02-04 | 中国石油化工股份有限公司 | 基于大样本正交设计表提高稠油热采潜力预测精度的方法 |
| CN110750939B (zh) * | 2019-09-09 | 2023-06-30 | 中国石油化工股份有限公司 | 基于大样本正交设计表提高稠油热采潜力预测精度的方法 |
| CN111027220A (zh) * | 2019-12-14 | 2020-04-17 | 中国石油化工股份有限公司 | 一种提升油田注采匹配程度的方法 |
| CN111027220B (zh) * | 2019-12-14 | 2023-03-24 | 中国石油化工股份有限公司 | 一种提升油田注采匹配程度的方法 |
| CN111625922A (zh) * | 2020-04-15 | 2020-09-04 | 中国石油大学(华东) | 一种基于机器学习代理模型的大规模油藏注采优化方法 |
| WO2021258525A1 (zh) * | 2020-06-22 | 2021-12-30 | 中国石油大学(华东) | 一种基于并行代理模型的油藏生产机器学习方法 |
| CN112069656A (zh) * | 2020-08-07 | 2020-12-11 | 湖北交投十巫高速公路有限公司 | 基于lssvm-nsgaii耐久性混凝土配合比多目标优化的方法 |
| CN112069656B (zh) * | 2020-08-07 | 2024-01-12 | 湖北交投十巫高速公路有限公司 | 基于lssvm-nsgaii耐久性混凝土配合比多目标优化的方法 |
| CN113032953A (zh) * | 2021-01-26 | 2021-06-25 | 中国石油大学(华东) | 一种多井系统水驱油藏注采参数智能优化方法 |
| CN116882305A (zh) * | 2023-09-08 | 2023-10-13 | 中国石油大学(华东) | 基于预搜索加速的二氧化碳水气交替驱油多目标优化方法 |
| CN116882305B (zh) * | 2023-09-08 | 2023-11-17 | 中国石油大学(华东) | 基于预搜索加速的二氧化碳水气交替驱油多目标优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109872007A (zh) | 基于支持向量机代理模型的油藏注采参数多目标优化方法 | |
| CN107862411A (zh) | 一种大规模柔性作业车间调度优化方法 | |
| CN106779372B (zh) | 基于改进免疫禁忌算法的农机调度方法 | |
| CN106295199B (zh) | 基于自动编码器和多目标优化的自动历史拟合方法及系统 | |
| CN105303252A (zh) | 基于遗传算法的多阶段神经网络模型训练方法 | |
| CN106599519A (zh) | 面向生产订单组合优化的中厚板母板与板坯协同设计方法及系统 | |
| CN102929263A (zh) | 一种混合流水车间调度方法 | |
| CN101923342B (zh) | 一种降低汽车混流装配线产品切换次数的方法 | |
| CN104616062B (zh) | 一种基于多目标遗传规划的非线性系统辨识方法 | |
| CN101000605A (zh) | 一种过程工业历史数据智能两级压缩方法 | |
| CN109991950A (zh) | 基于遗传算法的协作机器人装配生产线的平衡改善方法 | |
| CN107247447A (zh) | 一种基于混合算法框架的混流装配调度控制方法 | |
| CN102419786A (zh) | 聚合物驱提高原油采收率的动态规划方法 | |
| CN110163409A (zh) | 一种应用于置换流水车间的卷积神经网络调度方法 | |
| Rangarajan et al. | Multi‐objective optimization of root phenotypes for nutrient capture using evolutionary algorithms | |
| CN100492376C (zh) | 实现面向大规模定制的产品族设计的方法 | |
| CN117291125B (zh) | 一种水驱油藏井网与射孔层段综合调整优化方法及系统 | |
| CN104281917A (zh) | 基于自适应遗传和克隆选择算法的模糊作业车间调度方法 | |
| RU2670801C9 (ru) | Система интегрированного концептуального проектирования месторождения углеводородов | |
| CN113032953A (zh) | 一种多井系统水驱油藏注采参数智能优化方法 | |
| Panahli | Implementation of Particle Swarm Optimization Algorithm within FieldOpt Optimization Framework-Application of the algorithm to well placement optimization | |
| CN103617206A (zh) | 基于自适应小生境的遗传聚类方法 | |
| CN106647242A (zh) | 一种多变量pid控制器参数整定方法 | |
| Donne et al. | The use of multi-objective parallel genetic algorithms to aid fluid power system design | |
| Xu et al. | Production optimization of polymer flooding using improved Monte Carlo gradient approximation algorithm with constraints |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190611 |