【技术实现步骤摘要】
本专利技术涉及油藏数值模拟领域，尤其涉及一种基于神经算子的油水两相渗流预测方法及相关装置。
技术介绍
1、油水两相渗流模拟能够预测油水在地下储层中的渗流和分布规律，为油气田开发提供强有力的技术支持和决策依据。传统油藏渗流模拟通过网格化求解时空域，离散化偏微分方程(partial differential equations,pde)，利用迭代算法提取网格节点的数值解，网格相关性强，在进行复杂油气藏模拟时复杂度高、耗时长。为提高计算效率和求解精度，利用神经网络较强的非线性拟合能力对油藏渗流进行模拟。纯数据驱动的机器学习方法忽略了pde中所蕴含的物理规律，存在过拟合、泛化弱等缺陷；物理信息神经网络算法将物理机理嵌入神经网络中，利用自动微分优化网络参数，能够克服纯数据驱动的弊端，但仍存在训练过程复杂以及泛化性欠佳等问题。
2、上述基于神经网络的代理模型，集中在学习有限维欧几里得函数空间之间的映射，或部分集中在学习有限集之间的映射，整体泛化性较弱，尤其在涉及油水两相渗流模拟时结果不甚理想，当初始条件、边界条件或分辨率等参数发生变化时，就需重新训练模型，局限于方程具体的一个实例，计算成本高，泛化能力弱。
技术实现思路
1、为解决现有技术中存在的问题，本专利技术的目的在于提出一种基于神经算子的油水两相渗流预测方法及相关装置，本专利技术能够解决一类油水两相渗流偏微分方程，使用低分辨率数据训练模型可直接预测获取高保真度油藏动态分布，在计算成本可控的前提条件下，提高了模型预测精度以及预测
2、本专利技术采用的技术方案如下：
3、一种基于神经算子的油水两相渗流预测方法，包括
4、通过已预训练好的改进的傅里叶神经算子对已获取的油藏分布数据进行数据处理，得到第一结果，所述改进的傅里叶神经算子中，在傅里叶层的最后一层卷积后设有通道注意力机制模块；
5、对所述第一结果的分辨率进行调整，得到油藏预测结果，所述油藏预测结果与油藏分布数据具有相同的分辨率。
6、优选的，采用上采样的方法对所述第一结果的分辨率进行调整。
7、优选的，所述改进的傅里叶神经算子的训练过程包括：
8、使用当前时刻已训练好的改进的傅里叶神经算子的权重初始化下一时刻改进的傅里叶神经算子的网络，使用下一时刻的训练数据微调当前时刻已训练好的改进的傅里叶神经算子；
9、对微调后的傅里叶神经算子进行训练，得到满足所述下一时刻预测的改进的傅里叶神经算子。
10、优选的，对微调后的傅里叶神经算子进行训练，调小学习率。
11、优选的，将所述油藏预测结果进行可视化。
12、优选的，油藏动态分布数据包括压力场分布和含水饱和度分布。
13、本专利技术还提供了一种基于神经算子的油水两相渗流预测系统，包括：
14、计算单元：用于通过已预训练好的改进的傅里叶神经算子对已获取的油藏分布数据进行数据处理，得到第一结果，所述改进的傅里叶神经算子中，在傅里叶层的最后一层卷积后设有通道注意力机制模块；
15、调整单元：用于对所述第一结果的分辨率进行调整，得到油藏预测结果，所述油藏预测结果与油藏分布数据具有相同的分辨率。
16、优选的，包括：
17、调整单元采用上采样模块，用于采用上采样的方法对第一结果的分辨率进行调整。
18、本专利技术还提供了一种电子设备，包括：
19、一个或多个处理器；
20、存储装置，其上存储有一个或多个程序；
21、当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现本专利技术如上所述的基于神经算子的油水两相渗流预测。
22、本专利技术还提供了一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现本专利技术如上所述的基于神经算子的油水两相渗流预测。
23、本专利技术具有如下有益效果：
24、本专利技术基于神经算子的油水两相渗流预测方法中，对原有的傅里叶神经算子进行了改进，即在傅里叶层的最后一层卷积后设有通道注意力机制模块，借助嵌入的注意力机制模块能够提升傅里叶神经算子网络性能，使得改进后的傅里叶神经算子能够高效适配多保真度的油藏动态预测，有助于提高油水两相渗流模拟的计算效率和表征能力，在预算成本可控的情况下，提高了傅里叶神经算子的精度和精细度，同时增强了傅里叶神经算子的泛化能力。本专利技术对由改进后的傅里叶神经算子的输出的第一结果的分辨率进行调整，得到油藏预测结果；这样本专利技术能够在不改变原本可视化结果尺寸以及精度的情况下提高预测结果的分辨率，进一步增强了傅里叶神经算子的表达能力。综上，本专利技术能够解决一类油水两相渗流偏微分方程，使用低分辨率训练数据训练好的模型可直接预测得到高保真度的油藏分布，在计算成本可控的前提条件下，提高了模型预测精度以及预测结果的精细度，同时增强了模型的泛化能力，在油藏工程领域的模拟渗流作业节约预算成本、提高计算效率以及增强表达能力的方面具有重要的理论指导意义和工程应用价值。
本文档来自技高网...【技术保护点】
1.一种基于神经算子的油水两相渗流预测方法，其特征在于，包括
2.根据权利要求1所述的一种基于神经算子的油水两相渗流预测方法，其特征在于，采用上采样的方法对所述第一结果的分辨率进行调整。
3.根据权利要求1所述的一种基于神经算子的油水两相渗流预测方法，其特征在于，所述改进的傅里叶神经算子的训练过程包括：
4.根据权利要求3所述的一种基于神经算子的油水两相渗流预测方法，其特征在于，对微调后的傅里叶神经算子进行训练，调小学习率。
5.根据权利要求1所述的一种基于神经算子的油水两相渗流预测方法，其特征在于，将所述油藏预测结果进行可视化。
6.根据权利要求1-5任意一项所述的一种基于神经算子的油水两相渗流预测方法，其特征在于，油藏动态分布数据包括压力场分布和含水饱和度分布。
7.一种基于神经算子的油水两相渗流预测系统，其特征在于，包括：
8.根据权利要求7所述的一种基于神经算子的油水两相渗流预测系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种存储介质，其特
...【技术特征摘要】
1.一种基于神经算子的油水两相渗流预测方法，其特征在于，包括
2.根据权利要求1所述的一种基于神经算子的油水两相渗流预测方法，其特征在于，采用上采样的方法对所述第一结果的分辨率进行调整。
3.根据权利要求1所述的一种基于神经算子的油水两相渗流预测方法，其特征在于，所述改进的傅里叶神经算子的训练过程包括：
4.根据权利要求3所述的一种基于神经算子的油水两相渗流预测方法，其特征在于，对微调后的傅里叶神经算子进行训练，调小学习率。
5.根据权利要求1所述的一种基于神经算子的油水两相渗流预测方法，其特征在于，将所述油...
【专利技术属性】
技术研发人员：马先林，钟荣，湛杰，周德胜，张真子豪，
申请(专利权)人：西安石油大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。