一种面向地热开发场景的域分解式多尺度智能仿真方法技术

本发明专利技术提供了一种面向地热开发场景的域分解式多尺度智能仿真方法，属于智能仿真领域，该方法包括：根据地热开发场景，获取地热资源数据，构建多尺度仿真模型，利用深度神经网络获取多尺度仿真模型的深层特征表示；并对深层特征表示进行特征融合，得到公共子空间；构建无监督聚类神经网络模型，对公共子空间进行扩充处理，并利用迁移学习算法构建尺度间桥接模型；利用尺度间桥接模型，得到域分解式多尺度仿真模型并进行仿真实验验证，搭建面向地热开发场景的仿真平台。本发明专利技术解决了现有仿真方法无法充分分析和利用不同尺度仿真模型本身的深层特征以及域分解任务中，由于同时存在并互有交叠的不同尺度仿真区域，引起仿真模型跨尺度过渡困难的问题。

【技术实现步骤摘要】

本专利技术属于智能仿真领域，尤其涉及一种面向地热开发场景的域分解式多尺度智能仿真方法。

技术介绍

1、地热资源广泛存在于地壳中，是一种清洁、稳定且可再生的能源。地热开发主要包括对地热资源的勘探、钻井、资源提取、利用以及管理等环节。地热建模是指对地热资源的形成、分布、流动、提取和利用过程进行数学模拟，以优化开发策略和预测开发效果。传统的建模方法使用有限元法以及有限差分等数值方法，求解地热场内的温度以及压力分布等关键数值。物理知识驱动的深度学习是实现计算机仿真的有效工具，但现有方法大多局限于简单模型刻画的单尺度场景。在深层地热开采的过程中，高压流体通过深部钻孔被注入地下，迫使目标岩层中的微纳孔隙扩大至数毫米。如果考虑最终形成的巨型缝网，则研究范围将扩大至数千米，然而，通过观测及实验结果表明：岩石中由微观损伤累积引起的对裂缝行为的影响往往无法用宏观连续模型来准确刻画。故，如何为多尺度信息高效沟通制定通用的“尺度桥接”方法，是深度学习实现多尺度仿真的关键。

2、随着人工智能技术的飞速发展，采用深度学习方法实现对物理问题的智能仿真正受到学界和工业界的广泛本文档来自技高网...

【技术保护点】

1.一种面向地热开发场景的域分解式多尺度智能仿真方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的面向地热开发场景的域分解式多尺度智能仿真方法，其特征在于，所述S1包括以下步骤：

3.根据权利要求2所述的面向地热开发场景的域分解式多尺度智能仿真方法，其特征在于，所述对多尺度仿真模型进行特征嵌入的表达式如下所示：

4.根据权利要求1所述的面向地热开发场景的域分解式多尺度智能仿真方法，其特征在于，所述S2包括以下步骤：

5.根据权利要求1所述的面向地热开发场景的域分解式多尺度智能仿真方法，其特征在于，所述S3包括以下步骤：

...

【技术特征摘要】

1.一种面向地热开发场景的域分解式多尺度智能仿真方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的面向地热开发场景的域分解式多尺度智能仿真方法，其特征在于，所述s1包括以下步骤：

3.根据权利要求2所述的面向地热开发场景的域分解式多尺度智能仿真方法，其特征在于，所述对多尺度仿真模型进行特征嵌入的表达式如下所示：

4.根据权利要求1所述的面向地热开发场景的域分解式多尺度智能仿真方法，其特征在于，所述...

【专利技术属性】
技术研发人员：胡明，冯文韬，黄睿，贺喆南，周吉喆，吕建成，
申请(专利权)人：四川大学，
类型：发明
国别省市：