近日，张凯团队在油藏生产优化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-surrogate framework with an adaptive selection mechanism for production optimization》（拥有自适应选择机制的多代理框架用于生产优化）。

创新性：数据驱动的替代模型，借助高效的进化算法找到最优开发方案，已被广泛用于解决油藏生产优化问题。然而，现有的研究表明，代理模型的有效性可以根据设计问题的复杂性而变化。在一个场景中显示成功的代理模型可能在其他场景中表现不佳。此外，优化过程往往依赖于单一的进化算法，这可能会在不同的情况下产生不同的结果。为了解决这些限制，本文引入了一种新的方法，称为带有自适应选择机制的多代理框架（MSFASM）来解决生产优化问题。MSFASM包括两个阶段。首先，利用降维广义学习系统（BLS）自适应选择当前优化期内性能最优的进化算法;在第二阶段，使用多目标算法非支配排序遗传算法II（NSGA-II）作为优化器，在多个代理模型上寻找一组性能良好的Pareto解。

中文摘要：数据驱动的替代模型，借助高效的进化算法找到最优开发方案，已被广泛用于解决油藏生产优化问题。然而，现有的研究表明，代理模型的有效性可以根据设计问题的复杂性而变化。在一个场景中显示成功的代理模型可能在其他场景中表现不佳。在缺乏先验知识的情况下，寻找一个适用于未知油藏的有前途的替代模型是一项挑战。此外，优化过程往往依赖于单一的进化算法，这可能会在不同的情况下产生不同的结果。为了解决这些限制，本文引入了一种新的方法，称为带有自适应选择机制的多代理框架（MSFASM）来解决生产优化问题。MSFASM包括两个阶段。首先，利用降维广义学习系统（BLS）自适应选择当前优化期内性能最优的进化算法;在第二阶段，使用多目标算法非支配排序遗传算法II（NSGA-II）作为优化器，在多个代理模型上寻找一组性能良好的Pareto解。在此阶段采用了一种新的最优点准则来选择Pareto解，从而在不增加数值模拟器计算负荷的情况下获得理想的开发方案。这两个阶段使用顺序迁移学习相结合。从进化算法和代理模型两个最重要的角度出发，提高了该方法对各种油藏类型优化问题的适应性。为了验证该方法的有效性，对4个100维基准函数和2个储层模型进行了测试，并将结果与其他6种基于代理模型的方法进行了比较。结果表明，该方法可以获得目标生产优化问题的最大净现值（NPV）。

Petroleum Science涵盖了石油和天然气的勘探、生产和流动领域，包括：油藏工程；油藏模拟；岩石力学；岩石物理学；孔隙级现象；测井、测试和评估；数学建模；提高油气采收率；流体力学;多孔介质中的多相流；生产工程；形成评估；勘探方法；地质构造/地下的二氧化碳封存等。该期刊最新影响因子为5.6，近3年平均影响因子IF为5.47，JCR分区为Q1区，中科院工程技术大类2区。

文章链接：

https://doi.org/10.1016/j.petsci.2023.08.028

引用格式：

Jialin Wang, Liming Zhang*, Kai Zhang, Jian Wang, Jianping Zhou, Wenfeng Peng, Faliang Yin, Chao Zhong, Xia Yan, Piyang Liu, Huaqing Zhang, Yongfei Yang, Hai Sun. Multi-surrogate framework with an adaptive selection mechanism for production optimization [J]. Petroleum Science, 2023, ISSN 1995 – 8226