← 返回列表
基于物理信息神经网络的井筒多相流模型求解方法及系统
摘要文本
本发明属于石油勘探开发技术领域，公开了基于物理信息神经网络的井筒多相流模型求解方法及系统，划分求解域区间，输入初始值条件、边界值条件与求解域内部样本点；利用自动微分方法计算输出数据流对输入坐标点的偏导数，构建井筒多相流动模型的控制方程损失函数；应用初始点与边界点数据流计算初边值条件与控制方程条件损失；优化损失函数并计算模型损失，确定优化完成的神经网络模型参数；调用基于物理信息神经网络的模型，预测下一阶段时间节点多相流动模型关键迭代参数，并将其作为迭代初值代入传统多相流动模型加速计算。本发明计算速度较传统数值方法提速2至3个数量级，可以提早预测井筒压力状态，采取有效井控措施。
申请人信息
- 申请人:中国石油大学(华东)
- 申请人地址:266580 山东省青岛市黄岛区长江西路66号
- 发明人: 中国石油大学(华东)
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于物理信息神经网络的井筒多相流模型求解方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410147514.3 |
| 申请日 | 2024/2/2 |
| 公告号 | CN117669430A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06F30/28 |
| 权利人 | 中国石油大学(华东) |
| 发明人 | 王志远; 刘雪琪; 孙小辉; 张剑波; 孙宝江; 陈刚; 陈科杉; 胡俊杰; 杨继成 |
| 地址 | 山东省青岛市黄岛区长江西路66号 |
专利主权项内容
1.一种基于物理信息神经网络的井筒多相流模型求解方法，其特征在于，该方法包括：S1，输入初始值条件约束、边界值条件约束、求解域内部数据标签集；S2，设置神经网络输入层、隐藏层、节点数、输出层及激活函数，初始化神经网络权重与偏置，计算神经网络输出数据流；S3，利用自动微分方法计算输出数据流对输入坐标点的偏导数，构建井筒多相流动模型的控制方程损失函数；应用初始点与边界点数据流计算初边值条件与边界值条件损失；所述井筒多相流动模型包括：质量守恒方程、动量守恒方程与漂移流模型；S4，应用损失函数优化算法迭代模型损失，更新神经网络模型参数，同时优化损失函数权重，直至模型损失满足最小条件，保存模型并进行多相流动模型参数计算；S5，将数值方法计算的各时间节点先验结果作为数据标签集，预测下一阶段时间节点多相流动模型迭代参数，将多相流动模型迭代参数作为迭代初值代入传统多相流动模型加速计算。 关注