历史拟合是一个典型的反问题，在有限的动态响应数据下调整油藏数值模型的不确定性参数。大多数情况下，不同的参数组合可能导致相同的数据拟合，称为反演的多解性。在单次优化求解行中，尽可能多地找到全局或局部最优解有助于揭示后验空间中不确定性参数的分布，对鲁棒优化、风险分析和油藏管理决策尤为重要。然而，由于反演问题的非线性和数值模拟计算耗时等诸多因素限制了现有反演算法的性能。本文提出了一种基于数据驱动的小生境差分进化算法(DNDE-APC)，该算法具有自适应参数控制特性，在差分进化(DE)框架的基础上，结合聚类方法、小生境技术和局部代理辅助方法，在求解多模态反问题时兼顾探索和收敛。对三个多模态基准问题的实证研究表明，该算法能够在有限的计算量下定位复杂多模态问题的多个解。结合卷积变分自编码器(CVAE)对高维不确定参数进行参数化降维，建立了历史拟合流程。通过非均质水驱油藏的实例分析，验证了该工作流的有效性。通过对生产数据的拟合与预测、历史拟合实现、反演参数分布以及预测的不确定性量化等方面的分析，表明该方法能有效地解决反演的多解性问题，预测结果具有更强的鲁棒性。

分布式收敛特性

基于多模态差分进化算法的自动历史拟合

文章链接：https://doi.org/10.2118/205014-PA