TY - JOUR ID - 10.3969/j.issn.1673-5005.2022.02.013 TI - 基于集合和神经网络架构搜索的自动历史拟合方法 AU - 张黎明,陈昕晟,李国欣,马小鹏,张凯,谷建伟,姚军,王健,孙海 VL - 46 IS - 2 PB - 《中国石油大学学报(自然科学版)》编辑部 SP - 127 EP - 136 PY - JF - 中国石油大学学报(自然科学版) JA - UR - http://zkjournal.upc.edu.cn/zgsydxxb/ch/reader/view_abstract.aspx?file_no=20220213&flag=1 KW - 自动历史拟合; 深度学习; 复杂地质特征; 深度自编码; 网络架构搜索; 数据同化 KW - automatic history matching; deep learning; complex geological features; deep auto-encoder; neural architecture search; ensemble smoother AB - 由于人工经验选取的局限性,难以获取决定模型重构精度的最优网络参数是目前使用深度学习方法在自动历史拟合中对油藏地质模型进行降维时的难点之一。针对此问题,通过将深度自编码器与粒子群优化算法相互结合实现最佳网络架构的自动搜索,并以此构建一种基于集合数据同化和神经网络架构自动搜索的油藏自动历史拟合方法。分别对一个二维河流相油藏渗透率场分布模型以及SPE-10单层油藏数值模型应用该方法,并与单一的自动历史拟合方法进行对比验证。结果表明,经优化后自动搜索出最优神经网络构架的自动历史拟合方法要比优化前及单一的自动历史拟合方法能够更准确地提取出油藏数值模型的地质特征。 ER -