多源信息融合生成对抗网络模型和基于数据同化的复杂地质油藏历史拟合

近日，张凯团队在油藏历史拟合研究领域取得新进展，相关研究成果在期刊Petroleum Science上发表，论文题为《Multi-source information fused generative adversarial network model and data assimilation based history matching for reservoir with complex geologies》（多源信息融合生成对抗网络模型和基于数据同化的复杂地质油藏历史拟合）。

创新性：本文将VAE和GAN进行融合，通过GAN的判别器D来对VAE的解码器进行优化，并通过VAE的编码器E来对GAN的随机输入潜变量Z进行约束，VAE与GAN互相促进，结合ES-MDA以及相约束信息，最后构建符合地质先验认识的精确的历史拟合反演储层模型。

中文摘要：对于具有非高斯地质特征的储层，例如碳酸盐岩储层或具有沉积相分布的储层，很难直接进行历史拟合，特别是对于基于集合的数据同化方法。在本文中，我们提出了一种多源信息融合的生成对抗网络（MSIGAN）模型，该模型用于复杂地质的参数化。在MSIGAN，可以通过整合相分布、微地震、井间连通性等多种信息来了解地质特征。在我们的模型中，结合了深度学习中的变分自动编码器（VAE）和生成对抗网络（GAN）两个主要生成模型。然后将提出的MSIGAN模型集成到多个数据同化的集成平滑器（ESMDA）方法中，以进行历史拟合。我们在两个具有河流相的油藏模型中测试了该方法。实验结果表明，提出的MSIGAN模型可以有效地学习复杂的地质特征，从而提高了历史拟合的准确性。

Petroleum Science办刊宗旨在于向国外介绍中国石油界最新的学术、科研成果，广泛开展国际间的学术交流，促进中国石油科学技术的发展。主要刊登反映中国石油石油科学技术领域最新、最高水平科研成果的科技论文。其专业内容包括石油勘探与开发、石油储运工程、石油炼制与化工、石油机电工程、油田化工、石油工业经济管理与营销以及与石油工业有关的各个学科。该期刊2020年SCI影响因子4.09，在JCR分区中处于Q1区。

文章链接：

 https://doi.org/10.1016/j.petsci.2021.10.007.

引用格式：

Kai Zhang, Hai-Qun Yu, Xiao-Peng Ma, et al. Multi-source information fused generative adversarial network model and data assimilation based history matching for reservoir with complex geologies, Petroleum Science, 2021.