Modelo sustituto basado en aprendizaje profundo de grafos para modelado inverso de yacimientos fracturados
Autores: Ma, Xiaopeng; Zhao, Jinsheng; Zhou, Desheng; Zhang, Kai; Tian, Yapeng
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Modelo sustituto basado en aprendizaje profundo de grafos para modelado inverso de yacimientos fracturados
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Modelado inverso
Modelo sustituto
Aprendizaje profundo
Yacimientos fracturados
Mecanismos de atención de gráficos
Predicción de producción
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 39
Citaciones: Sin citaciones
La modelización inversa puede estimar parámetros inciertos en yacimientos subsuperficiales y proporcionar modelos numéricos fiables para el desarrollo y la gestión de yacimientos. El método de inversión basado en simulación tradicional generalmente requiere numerosas simulaciones numéricas, lo cual es consumidor de tiempo. Recientemente, los modelos de sustitución basados en aprendizaje profundo han sido ampliamente estudiados como una alternativa a la simulación numérica, lo que puede mejorar significativamente la eficiencia de resolución de la inversión. Sin embargo, para yacimientos con distribución de fracturas complejas, la construcción del modelo de sustitución de simulación numérica presenta un desafío significativo. En este trabajo, presentamos un modelo de sustitución basado en aprendizaje de grafos para la modelización inversa de yacimientos fracturados. Específicamente, el modelo de sustitución propuesto integra mecanismos de atención de grafos para extraer características de la red de fracturas en yacimientos. El aprendizaje de grafos puede retener las características discretas e información estructural de la red de fracturas. Las características extraídas se integran posteriormente con un modelo de red neuronal recurrente de múltiples capas para predecir la dinámica de producción de pozos. Un flujo de trabajo de modelización inversa basado en sustitución se desarrolla luego combinando el modelo de sustitución con el algoritmo evolutivo diferencial. Estudios numéricos realizados en un modelo de yacimiento naturalmente fracturado sintético con fracturas a múltiples escalas ilustran el rendimiento de los métodos propuestos. Los resultados demuestran que el modelo de sustitución propuesto exhibe un rendimiento de generalización prometedor en la predicción de producción. En comparación con las decenas de miles de simulaciones numéricas requeridas por el método de modelización inversa basado en simulación, el método propuesto basado en sustitución solo requiere de 1000 a 1500 simulaciones numéricas, y la eficiencia de la solución puede mejorarse diez veces.
Descripción
La modelización inversa puede estimar parámetros inciertos en yacimientos subsuperficiales y proporcionar modelos numéricos fiables para el desarrollo y la gestión de yacimientos. El método de inversión basado en simulación tradicional generalmente requiere numerosas simulaciones numéricas, lo cual es consumidor de tiempo. Recientemente, los modelos de sustitución basados en aprendizaje profundo han sido ampliamente estudiados como una alternativa a la simulación numérica, lo que puede mejorar significativamente la eficiencia de resolución de la inversión. Sin embargo, para yacimientos con distribución de fracturas complejas, la construcción del modelo de sustitución de simulación numérica presenta un desafío significativo. En este trabajo, presentamos un modelo de sustitución basado en aprendizaje de grafos para la modelización inversa de yacimientos fracturados. Específicamente, el modelo de sustitución propuesto integra mecanismos de atención de grafos para extraer características de la red de fracturas en yacimientos. El aprendizaje de grafos puede retener las características discretas e información estructural de la red de fracturas. Las características extraídas se integran posteriormente con un modelo de red neuronal recurrente de múltiples capas para predecir la dinámica de producción de pozos. Un flujo de trabajo de modelización inversa basado en sustitución se desarrolla luego combinando el modelo de sustitución con el algoritmo evolutivo diferencial. Estudios numéricos realizados en un modelo de yacimiento naturalmente fracturado sintético con fracturas a múltiples escalas ilustran el rendimiento de los métodos propuestos. Los resultados demuestran que el modelo de sustitución propuesto exhibe un rendimiento de generalización prometedor en la predicción de producción. En comparación con las decenas de miles de simulaciones numéricas requeridas por el método de modelización inversa basado en simulación, el método propuesto basado en sustitución solo requiere de 1000 a 1500 simulaciones numéricas, y la eficiencia de la solución puede mejorarse diez veces.