← 返回列表
基于内嵌物理信息神经网络的二氧化碳驱油快速模拟方法
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 | 基于内嵌物理信息神经网络的二氧化碳驱油快速模拟方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311839675.0 |
| 申请日 | 2023/12/29 |
| 公告号 | CN117494617A |
| 公开日 | 2024/2/2 |
| IPC主分类号 | G06F30/28 |
| 权利人 | 中国石油大学(华东) |
| 发明人 | 袁彬; 傅婷婷; 张伟 |
| 地址 | 山东省青岛市黄岛区长江西路66号 |
摘要文本
本发明公开了一种基于内嵌物理信息神经网络的二氧化碳驱油快速模拟方法，具体涉及油气藏智能开发技术领域。本发明通过建立油藏模型并确定CO2驱油渗流偏微分方程组，在油藏模型中选取数据点构建输入样本集和内部配置点集后，构建可捕捉复杂井周流动行为的内嵌物理信息神经网络模型，基于粒子群算法获取内嵌物理信息神经网络模型的最优模型参数，并结合输入样本集和内部配置点集中的样本数据优化内嵌物理信息神经网络模型，利用优化后的内嵌物理信息神经网络模型模拟计算，得到压力分布图和饱和度分布图。本发明简化了流体动力学的模拟过程，降低了CO2驱油渗流方程的计算量，实现了对CO2驱油渗流方程的精确求解。
专利主权项内容
1.基于内嵌物理信息神经网络的二氧化碳驱油快速模拟方法，其特征在于，具体包括以下步骤：步骤1，建立油藏模型，确定CO驱油渗流偏微分方程组；2步骤2，在油藏模型中基于初始条件和边界条件随机选取多个数据点，通过抽取样本值并进行标准正态分布处理，构建输入样本集；步骤3，根据油藏模型中井筒模型的位置，提取内部配置点，建立内部配置点集；步骤4，构建可捕捉复杂井周流动行为的内嵌物理信息神经网络模型；步骤5，基于粒子群算法获取内嵌物理信息神经网络模型的最优模型参数，结合输入样本集和内部配置点集中的样本对内嵌物理信息神经网络模型进行优化，得到优化后的内嵌物理信息神经网络模型；步骤6，利用优化后的内嵌物理信息神经网络模型计算CO驱油渗流方程的压力和饱和度，并进行可视化得到压力分布图和饱和度分布图。2