專(zhuān)利名稱(chēng)：一種用于油藏歷史擬合的快速粒子群方法
技術(shù)領(lǐng)域：
本發(fā)明涉及石油開(kāi)采領(lǐng)域中一種能夠縮減油藏?cái)?shù)值模擬器調(diào)用次數(shù)的油藏模型參數(shù)優(yōu)化方法，屬于一種可用于油藏歷史擬合的快速粒子群方法。
背景技術(shù)：
油藏歷史擬合是油田生產(chǎn)設(shè)計(jì)規(guī)劃過(guò)程中不可缺少的一個(gè)環(huán)節(jié)。它對(duì)生產(chǎn)計(jì)劃制定，最大限度的開(kāi)發(fā)現(xiàn)有油氣資源，避免因開(kāi)發(fā)方法不當(dāng)而產(chǎn)生的油氣資源浪費(fèi)有著重要的意義。傳統(tǒng)的油藏歷史擬合方法是由油藏工程師根 據(jù)經(jīng)驗(yàn)調(diào)整油藏模型的各個(gè)參數(shù)，然后通過(guò)油藏?cái)?shù)值模擬器驗(yàn)證人工設(shè)定的一組或多組模型參數(shù)的效果，以檢查人工設(shè)定的模型參數(shù)能否與油田生產(chǎn)歷史數(shù)據(jù)相吻合；然后利用能夠最佳擬合生產(chǎn)歷史的一組模型參數(shù)進(jìn)行未來(lái)產(chǎn)量的預(yù)測(cè)。由于在油藏歷史擬合過(guò)程涉及的模型參數(shù)多、自由度大，上述以人工的方式進(jìn)行油藏模型參數(shù)選擇的方法無(wú)法適應(yīng)油田生產(chǎn)規(guī)劃進(jìn)度的需要，往往成為制約油田生產(chǎn)規(guī)劃的瓶頸問(wèn)題。近年來(lái)，油藏工程師開(kāi)始嘗試以自動(dòng)或半自動(dòng)的方式進(jìn)行油藏模型參數(shù)的選擇。比較有代表性的歷史擬合軟件包括WflABLE和ΜΕΡ0。這類(lèi)軟件作為一種輔助歷史擬合工具，其共同優(yōu)勢(shì)是可以自動(dòng)或半自動(dòng)地管理和產(chǎn)生每一步的試算參數(shù)，使得油藏工程師可以從大量重復(fù)性的勞動(dòng)中解放出來(lái)，把更多的時(shí)間用于研究解決問(wèn)題的方法；更重要的是提高了油藏歷史擬合的準(zhǔn)確性，減少了人工歷史擬合的盲目性。這是應(yīng)用油藏工程發(fā)展的一步飛躍。但是，目前無(wú)論人工試算還是軟件輔助歷史擬合都需要大量地調(diào)用油藏?cái)?shù)值模擬器。因此，即使是軟件輔助歷史擬合也仍然需要較長(zhǎng)的時(shí)間來(lái)完成模型參數(shù)的評(píng)價(jià)。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種可用于油藏歷史擬合的快速粒子群方法，該方法能夠顯著地縮減油藏歷史擬合過(guò)程中數(shù)值模擬器的調(diào)用次數(shù)，從而極大地提高傳統(tǒng)油藏歷史擬合的效率。本發(fā)明所采取的技術(shù)方案是本發(fā)明公開(kāi)的快速粒子群油藏歷史擬合方法，首先確定被優(yōu)化區(qū)塊的地理坐標(biāo)并收集該區(qū)域的已知生產(chǎn)屬性特征，主要包括含水率的高低、射孔層位周?chē)臐B透率變化程度；利用打標(biāo)工具設(shè)置不確定性參數(shù)、響應(yīng)參數(shù)和容差。然后根據(jù)已知的生產(chǎn)數(shù)據(jù)設(shè)置不確定參數(shù)的范圍，利用拉丁超立方方法獲取一定數(shù)目的初始粒子。利用聚類(lèi)算法把粒子群初始群體中的粒子進(jìn)行聚類(lèi)分組，每組內(nèi)粒子與聚類(lèi)中心距離最近的粒子稱(chēng)為代表性粒子，其他粒子稱(chēng)為非代表性粒子。通過(guò)調(diào)用油藏?cái)?shù)值模擬器計(jì)算代表性粒子的目標(biāo)函數(shù)值，從而得到其適應(yīng)度值；然后以非代表性粒子與代表性粒子的相似度作為依據(jù)，把代表性粒子的目標(biāo)函數(shù)值進(jìn)行加權(quán)后作為非代表性粒子的目標(biāo)函數(shù)值；再通過(guò)代表性粒子的特定編碼模式發(fā)現(xiàn)對(duì)非代表性粒子的適應(yīng)度值做進(jìn)一步的調(diào)整。在經(jīng)典粒子群優(yōu)化算法的框架下，本發(fā)明公開(kāi)的一種可用于油藏歷史擬合的快速粒子群方法包括粒子分組方法、適應(yīng)度值獲取方法、模式發(fā)現(xiàn)方法、非代表性粒子適應(yīng)度值修正方法。該方法的具體步驟包括
1)以聚類(lèi)方法對(duì)拉丁超立方初始化的粒子進(jìn)行分組；
2)通過(guò)油藏?cái)?shù)值模擬器的調(diào)用獲得代表性粒子的響應(yīng)參數(shù)，然后根據(jù)歷史擬合問(wèn)題的響應(yīng)參數(shù)獲取粒子的適應(yīng)度值；
3)以非代表性粒子與代表性粒子的相似度作為依據(jù)，把代表性粒子的響應(yīng)參數(shù)進(jìn)行加權(quán)后作為非代表性粒子的響應(yīng)參數(shù)，再根據(jù)這些估計(jì)的響應(yīng)參數(shù)獲取非代表性粒子的適應(yīng)度值；
4)將代表性粒子按照適應(yīng)度值的大小順序排序，并分成最佳響應(yīng)參數(shù)粒子組、中等響應(yīng)參數(shù)粒子組和最差響應(yīng)參數(shù)粒子組；
5)確定各組粒子的高頻編碼字符模式，實(shí)現(xiàn)各組粒子的模式發(fā)現(xiàn)；
6)根據(jù)非代表性粒子與各組高頻編碼字符模式的匹配程度進(jìn)行非代表性粒子適應(yīng)度值的修正。假定油藏歷史擬合問(wèn)題有/ 個(gè)因變量，記為*= ( , ,···，&);初始有》個(gè)油藏歷
史擬合的粒子，即。具體內(nèi)容包括
(I)粒子分組方法
首先，定義任意兩個(gè)粒子之間的相似度，設(shè)有粒子七)和&(J = IX-,m )，則其相似度，%，定義為
(I)
其中；力粒子X(jué)i與氣 之間的歐式距離。在上述相似度的定義下，利用k-means聚類(lèi)方法對(duì)初始的個(gè)粒子進(jìn)行分組，并每組內(nèi)距離聚類(lèi)中心最近的粒子作為該組的代表性粒子。把這《個(gè)粒子聚類(lèi)后共計(jì)分成左組，分別記為=CpCyfh則粒子分組的方法是
1)初始隨機(jī)選擇々個(gè)粒子作為k-means的初始聚類(lèi)中心,記為士匕…力(I= O)；
2)按照如下規(guī)則對(duì)這 個(gè)粒子進(jìn)行分組，令
權(quán)利要求
1.一種用于油藏歷史擬合的快速粒子群方法，包括以下步驟首先確定被優(yōu)化區(qū)塊的地理坐標(biāo)并收集該區(qū)域的已知生產(chǎn)屬性特征，包括含水率的高低、射孔層位周?chē)臐B透率變化程度；利用打標(biāo)工具設(shè)置不確定性參數(shù)、響應(yīng)參數(shù)和容差；然后根據(jù)已知的生產(chǎn)數(shù)據(jù)設(shè)置不確定參數(shù)的范圍，利用拉丁超立方的方法獲取一定數(shù)目的初始粒子，具體快速歷史擬合的步驟如下 以聚類(lèi)方法對(duì)拉丁超立方初始化的粒子進(jìn)行分組，距離聚類(lèi)中心最近的粒子稱(chēng)為該組粒子的代表性粒子，其它粒子稱(chēng)為非代表性粒子； 通過(guò)油藏?cái)?shù)值模擬器的調(diào)用獲得代表性粒子的響應(yīng)參數(shù)，然后根據(jù)歷史擬合問(wèn)題的響應(yīng)參數(shù)獲取粒子的適應(yīng)度值； 以非代表性粒子與代表性粒子的相似度作為依據(jù)，把代表性粒子的響應(yīng)參數(shù)進(jìn)行加權(quán)后作為非代表性粒子的響應(yīng)參數(shù)，再根據(jù)這些估計(jì)的響應(yīng)參數(shù)獲取非代表性粒子的適應(yīng)度值； 將代表性粒子按照適應(yīng)度值的大小順序排序，并分成最佳響應(yīng)參數(shù)粒子組、中等響應(yīng)參數(shù)粒子組和最差響應(yīng)參數(shù)粒子組； 確定各組粒子的高頻編碼字符模式，實(shí)現(xiàn)各組粒子的模式發(fā)現(xiàn)； 根據(jù)非代表性粒子與各組高頻編碼字符模式的匹配程度進(jìn)行非代表性粒子適應(yīng)度值的修正。
2.根據(jù)權(quán)利要求I所述的一種用于油藏歷史擬合的快速粒子群方法，其特征在于，執(zhí)行聚類(lèi)方法的過(guò)程中，相似度依據(jù)公式(I)計(jì)算
3.根據(jù)權(quán)利要求I所述的一種用于油藏歷史擬合的快速粒子群方法，其特征在于，非代表性粒子的適應(yīng)度值依據(jù)公式(2)計(jì)算
4.根據(jù)權(quán)利要求I所述的一種用于油藏歷史擬合的快速粒子群方法，其特征在于，代表性粒子被按照適應(yīng)度值的大小順序分成最佳粒子組、中等粒子組和最差粒子組。
5.根據(jù)權(quán)利要求I所述的一種用于油藏歷史擬合的快速粒子群方法，其特征在于，各組代表性粒子首先被轉(zhuǎn)化成0，I編碼的二進(jìn)制字符串，然后針對(duì)每組代表性粒子進(jìn)行高頻編碼字符的模式發(fā)現(xiàn)；或者將代表性粒子各個(gè)實(shí)數(shù)變量取平均，且方差小于預(yù)先設(shè)置的一個(gè)在5% 20%允許偏差ε的實(shí)數(shù)變量位作為確定模式位。
6.根據(jù)權(quán)利要求I所述的一種用于油藏歷史擬合的快速粒子群方法，其特征在于，對(duì)于一個(gè)非代表性個(gè)體Xi，根據(jù)轉(zhuǎn)化后二進(jìn)制編碼的匹配位數(shù)來(lái)判斷預(yù)期最佳匹配的典型模式，或者根據(jù)預(yù)先給定的5% 20%之間允許偏差ε來(lái)判斷各個(gè)實(shí)數(shù)變量與模式位是否匹配，若偏差小于ε則該實(shí)數(shù)與該模式位匹配，否則，該實(shí)數(shù)與該模式位未能匹配。
7.根據(jù)權(quán)利要求I所述的一種用于油藏歷史擬合的快速粒子群方法，其特征在于，對(duì)與最佳粒子組模式匹配位數(shù)最大的非代表性粒子，其適應(yīng)度值的修正按照公式(3)進(jìn)行
8.8、根據(jù)權(quán)利要求I所述的一種可用于油藏歷史擬合的快速粒子群方法，其特征在于，對(duì)與最差粒子組模式匹配位數(shù)最大的非代表性粒子，其適應(yīng)度值的修正按照公式(4)進(jìn)行
全文摘要
本發(fā)明公開(kāi)的一種可用于油藏歷史擬合的快速粒子群方法。該方法利用聚類(lèi)算法把拉丁超立方初始的粒子群進(jìn)行聚類(lèi)分組，每組內(nèi)粒子與聚類(lèi)中心距離最近的粒子稱(chēng)為代表性粒子，其他粒子稱(chēng)為非代表性粒子，通過(guò)調(diào)用油藏?cái)?shù)值模擬器獲取代表性粒子的響應(yīng)參數(shù)，從而得到其適應(yīng)度值；然后以非代表性粒子與代表性粒子的相似度作為依據(jù)，把代表性粒子的響應(yīng)參數(shù)進(jìn)行加權(quán)后作為非代表性粒子的響應(yīng)參數(shù)；再通過(guò)篩選出的代表性粒子的特定編碼模式對(duì)非代表性粒子的適應(yīng)度值做進(jìn)一步的調(diào)整。本發(fā)明能夠避免獲取非代表性粒子響應(yīng)參數(shù)時(shí)的油藏?cái)?shù)值模擬器的調(diào)用次數(shù)，提高歷史擬合效率60%以上。
文檔編號(hào)G06F17/50GK102708241SQ20121013777
公開(kāi)日2012年10月3日 申請(qǐng)日期2012年5月7日 優(yōu)先權(quán)日2012年5月7日
發(fā)明者何鑫, 匡鐵, 吳春國(guó), 孫文靜, 安艷明, 李椋楠, 石亮, 賀聯(lián)勤, 趙國(guó)忠 申請(qǐng)人:中國(guó)石油天然氣股份有限公司, 大慶油田有限責(zé)任公司