基于集合和神经网络架构搜索的自动历史拟合方法

近日，张凯团队在油藏自动历史拟合研究领域取得新进展，相关研究成果在期刊中国石油大学学报(自然科学版)上发表，论文题为《Surrogate-reformulation-assisted multitasking knowledge transfer for production optimization》（基于集合和神经网络架构搜索的自动历史拟合方法）。

创新性：本文提出了一种新颖的PSO算法，以自动发现用于图像分类问题的深度自动编码器的最佳网络架构，而无需人工干预，同时，在优化过程中为了减少所耗时间，采用了优化前期神经网络只进行初步训练的策略。该方法搜索出的最优网络架构的自动编码器能够在保证降维重构精度的基础上对数据降低更多的维度从而占用更少的计算资源。同时，本文使用最优体系结构的DAE来对地质模型进行参数化，并结合ES-MDA将这些模型用于油藏自动历史拟合。在地质模型的重构方面，经过所提出的方法优化后的DAE模型明显优于优化前DAE模型参数化所获得的结果，经过自动历史拟合后的反演得结果有显著提升，反演得到的渗透率场更加接近真实的渗透率场。

中文摘要：由于人工经验选取的局限性，难以获取决定模型重构精度的最优网络参数是目前使用深度学习方法在自动历史拟合中对油藏地质模型进行降维时的难点之一。针对与此，通过将深度自编码器与粒子群优化算法相互结合实现了最佳网络架构的自动搜索，并以此构建了一种基于集合数据同化和神经网络架构自动搜索的油藏自动历史拟合方法。分别对一个二维河流相油藏渗透率场分布模型以及SPE-10单层油藏数值模型应用该方法与单一的自动历史拟合方法进行对比实验验证，对比实验结果表明经优化后自动搜索出最优神经网络构架的自动历史拟合方法要比优化前与单一的自动历史拟合方法能够更准确的提取出油藏数值模型的地质特征。

《北京石油学院学报（自然科学版）》创刊于1959年，是由中华人民共和国教育部主管，中国石油大学主办的综合性学术期刊，主要刊载石油与天然气地质与勘查工程、石油与天然气钻采工程、油气储运与机械工程、油气化学工程、交叉学科的基础和应用研究等领域的创新性成果和高水平论文。

引用格式：

张黎明，陈昕晟，李国欣，等．基于集合和神经网络架构搜索的自动历史拟合方法［J］．中国石油大学学报(自然科学版)，2022．