用于数值模拟的智能时间步进制造技术

提供了用于对储层进行建模的系统和方法。一种示例性方法包括:接收与储层工作流程过程相关联的储层模型；使用最优时间步策略修改与储层工作流程过程相关联的储层模型；从储层模型中提取特征以及第一时间步长；使用第一时间步长生成用于设计训练集的第一组数据；确定第一组数据的选定量是否达到预定水平；使用训练集和机器学习(ML)算法触发实时训练；使用训练集生成具有第二时间步长的ML模型；基于置信水平选择第一步长或第二步长；将选择的步长发送到模拟器进行处理；从使用所选步长的模拟器接收结果；以及确定来自模拟器的结果是否需要更新训练集。新训练集。新训练集。

【技术实现步骤摘要】
【国外来华专利技术】用于数值模拟的智能时间步进
[0001]相关申请的交叉引用
[0002]本申请要求2020年5月6日提交的美国临时申请号63/020,824的优先权，其内容全部包含于此。

技术介绍

[0003]动态系统的数值模拟需要精确和可靠的时间积分，例如在碳氢化合物储层中。给定模型采用的离散化对时间步长有很大影响。显式离散化仅对于小时间步长是稳定的，受到Courant
‑
Friedrichs
‑
Lewy(CFL)条件的限制。对于隐式时间积分，理论时间步长没有稳定性限制。另一方面，对于非线性解状态在收缩区域之外的任何系统，不保证收敛。在各种模拟模型中，有许多选择时间步长的启发式技术。
[0004]模拟器中的算法没有固有的CFL型稳定性极限，因此时间步长选择的选择主要受一组启发式参数的限制。时间消减误差已被成功地用于保持精度；但是，对于许多复杂的模型，它的限制太多了。
[0005]在这种情况下，时间步长选择的主要驱动因素是非线性收敛。本质上，如果牛顿迭代的次数很少，则时间步长可以增加一个因子，而如果迭代超过预定的限制，则停止模拟，并以小的时间步长从先前的状态重复模拟(这导致计算工作量的显著浪费)。最近，已经提出了一种基于模糊逻辑的启发式方法，该方法已经产生了令人鼓舞的结果，但是仍然停留在不能保证最优结果的启发式方法池中。
[0006]研究人员已提出了一种基于PID控制器的时间步长选择器。PID控制器由用户规定的压力和饱和度变化限制控制，并根据该逻辑调整时间步长。PID控制器也显示出在该方案的计算效率方面的一些改进，但是PID控制器的调整是控制器实施的最重要阶段之一。此外，控制器处理用户输入，这在许多情况下可能不是最佳的，并可能导致效率低下。一些开创性的工作基于明确的稳定性要求和局部消减误差估计，这些构成了储层模拟中最新时间步进方法背后的许多研究项目和思想的基石。
[0007]本文提供了一种用于动态系统数值模拟的精确和可靠的时间积分的新方法。
附图说明
[0008]为了更好地理解上述实施例及其附加实施例，应结合以下附图参考下面的详细描述，在附图中，相同的附图标记表示所有附图中的相应部件。
[0009]图1A示出了根据一些实施例的由勘测工具在油田执行的勘测操作的简化示意图。
[0010]图1B示出了根据一些实施例的由钻井工具执行的钻井操作的简化示意图。
[0011]图1C示出了根据一些实施例的由生产工具执行的生产操作的简化示意图。
[0012]图2示出了根据一些实施例的油田的部分横截面示意图。
[0013]图3示出了根据一些实施例的静态工作流程，其包括作为推理机的机器学习模型。
[0014]图4示出了根据一些实施例的实时训练
‑
推理
‑
加强类型模型的第二工作流程。
[0015]图5示出了根据一些实施例的包括人工智能时间步进的动态工作流程。
[0016]图6示出了根据一些实施例的组成模拟模型的来自随机森林模型的树的快照。
[0017]图7示出了根据一些实施例的用于热模拟模型的来自随机森林模型的树的快照。
[0018]图8示出了热模拟模型的时间步长比较。
[0019]图9示出了根据一些实施例的具有和不具有机器学习(ML)的模拟模型的实际运行时间的比较。
[0020]图10示出了根据一些实施例的用于执行本公开的一些方法的计算系统的示例。

技术实现思路

[0021]根据本公开中描述的主题的一个方面，提供了一种用于对储层建模的方法。该方法包括以下步骤:使用一个或多个计算设备处理器接收与储层工作流程过程相关联的储层模型；使用一个或多个计算设备处理器，使用最优时间步长策略修改与储层工作流程过程相关联的储层模型；使用一个或多个计算设备处理器从储层模型中提取特征以及第一时间步长；使用所述一个或多个计算设备处理器生成第一组数据，用于使用所述第一时间步长设计训练集；使用所述一个或多个计算设备处理器为所述训练集收集选定量的第一组数据；使用一个或多个计算设备处理器确定第一组数据的选定量是否达到预定水平；响应于第一组数据的选定量达到预定水平，使用训练集和机器学习(ML)算法触发实时训练；使用所述一个或多个计算设备处理器，使用所述训练集生成具有第二时间步长的ML模型；使用一个或多个计算设备处理器比较第一时间步长和第二时间步长，以生成置信水平；使用一个或多个计算设备处理器，基于置信水平选择第一步长或第二步长；使用所述一个或多个计算设备处理器将所选择的步长发送到模拟器进行处理；使用一个或多个计算设备处理器接收来自使用所选步长的模拟器的结果；以及使用一个或多个计算设备处理器来确定来自模拟器的结果是否需要更新训练集。
[0022]根据本公开中描述的主题的另一方面，提供了一种用于对复杂过程建模的方法。该方法包括以下步骤:使用一个或多个计算设备处理器接收与工作流程过程相关联的模型；使用一个或多个计算设备处理器，使用最优时间步长策略来修改与工作流程过程相关联的模型；使用一个或多个计算设备处理器从模型中提取特征以及用于分析的第一时间步长；使用所述一个或多个计算设备处理器生成第一组数据，用于使用所述第一时间步长设计训练集；使用所述一个或多个计算设备处理器为所述训练集收集选定量的第一组数据；使用一个或多个计算设备处理器确定第一组数据的选定量是否达到预定水平；响应于第一组数据的选定量达到预定水平，使用训练集触发机器学习(ML)算法的实时训练；使用所述一个或多个计算设备处理器，使用所述训练集生成具有第二时间步长的ML模型；使用一个或多个计算设备处理器比较第一时间步长和第二时间步长，以生成置信水平；确定置信水平是否低于阈值；以及响应于置信度水平低于阈值，使用一个或多个计算设备处理器来更新训练集。
[0023]根据本公开中描述的主题的另一方面，提供了一种用于对储层建模的系统。该系统包括一个或多个计算设备处理器。此外，该系统包括联接到一个或多个计算设备处理器的一个或多个计算设备存储器。一个或多个计算设备存储器存储由一个或多个计算设备处理器执行的指令。这些指令被配置成:接收与储层工作流程过程相关联的储层模型；使用最优时间步长策略修改与储层工作流程过程相关联的储层模型；从储层模型中提取特征以及
用于分析的第一时间步长；使用第一时间步长生成用于设计训练集的第一组数据；为训练集收集选定量的第一组数据；确定第一组数据的选定量是否达到预定水平；响应于第一组数据的选定量达到预定水平，使用机器学习(ML)算法使用训练集触发实时训练；使用所述训练集生成具有第二时间步长的ML模型；比较所述第一时间步长和所述第二时间步长，以产生置信水平；基于置信度选择第一步长或第二步长；将选择的步长发送到模拟器进行处理；从使用所选步长的模拟器接收结果；并确定来自模拟器的结果是否需要更新训练集。
[0024]本公开的附加特征和优点在本公开的详细描述中进行了描述，并且将从本公开的详细描述中变得显而易见。
具体实本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于对储层进行建模的方法，包括:使用一个或多个计算设备处理器接收与储层工作流程过程相关联的储层模型；使用一个或多个计算设备处理器，使用最优时间步策略修改与储层工作流程过程相关联的储层模型；使用一个或多个计算设备处理器从储层模型中提取特征以及第一时间步长；使用一个或多个计算设备处理器生成第一组数据，用于使用第一时间步长设计训练集；使用一个或多个计算设备处理器为所述训练集收集选定量的第一组数据；使用一个或多个计算设备处理器确定第一组数据的选定量是否达到预定水平；响应于第一组数据的选定量达到预定水平，使用训练集和机器学习(ML)算法触发实时训练；使用所述一个或多个计算设备处理器，使用所述训练集生成具有第二时间步长的ML模型；使用一个或多个计算设备处理器比较第一时间步长和第二时间步长，以生成置信水平；使用一个或多个计算设备处理器，基于置信水平选择第一步长或第二步长；使用一个或多个计算设备处理器将所选择的步长发送到模拟器进行处理；使用一个或多个计算设备处理器接收来自使用所选步长的模拟器的结果；和使用一个或多个计算设备处理器来确定来自模拟器的结果是否需要更新训练集。2.根据权利要求1所述的方法，其中接收用于储层工作流程过程的储层模型包括用于创建储层模型的信息。3.根据权利要求1所述的方法，其中修改与储层工作流程过程相关联的储层模型包括输入时间步信息。4.根据权利要求1所述的方法，其中从储层模型提取特征包括从一个或多个启发式选项接收第一时间步长。5.根据权利要求1所述的方法，其中生成第一组数据包括以宽松的时间步策略运行模拟模型。6.根据权利要求1所述的方法，其中生成第一组数据包括访问直接物理量以导出储层的数学性质。7.根据权利要求1所述的方法，其中生成第一组数据包括确定每个第一时间步长是否满足最佳第一时间步长的标准。8.根据权利要求7所述的方法，其中生成第一组数据包括使用最佳第一时间步长设计训练集。9.根据权利要求7所述的方法，其中生成第一组数据包括去除不满足标准的第一时间步长。10.一种用于对复杂过程进行建模的方法，包括:使用一个或多个计算设备处理器接收与工作流程过程相关联的模型；使用一个或多个计算设备处理器，使用最优时间步策略来修改与工作流程过程相关联的模型；
使用一个或多个计算设备处理器从模型中提取特征以及用于分析的第一时间步长；使用一个或多个计算设备处理器生成第一组数据，用于使用第一时间...

【专利技术属性】
技术研发人员：S谢思，K尼隆，G法齐尔，F麦基，J诺里斯，
申请(专利权)人：地质探索系统公司，
类型：发明
国别省市：