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SPE Journal上发表，论文题为《Adaptive Basis Function Selection Enhanced Multisurrogate-Assisted Evolutionary Algorithm for Production Optimization》（自适应基函数选择增强多代理辅助进化算法用于生产优化）。

创新性：传统生产优化依靠单一的代理模型进行搜索，这样会增加由于预测偏差而导致搜索方向错误的概率。这篇文章提出了一种用于生产优化的自适应基函数选择增强多代理辅助进化算法（ABMSEA）。该方法主要有两个创新点。首先，通过训练和测试不同类型的基函数，自适应选择预测性能最好的基函数。其次，采用自举抽样方法构建集成模型，该模型基于所选择的最佳基函数由多个全局代理模型组成。

中文摘要：代理辅助进化算法（SAEA）已成为解决油藏生产优化问题的一种流行方法。径向基函数网络（RBFN）是一种鲁棒的替代模型技术，适用于油井数量多、生产寿命长的油藏开发。有几种类型的基函数用于构造RBFN模型。然而，现有研究表明，在没有先验知识的情况下，选择具有竞争性能的基函数对当前优化问题具有挑战性。在传统的SAEA中，基函数通常是预先确定的，但不能保证其对当前问题的预测精度。此外，规范的SAEA通常只为整个优化过程使用一个代理模型。然而，依靠单一的代理模型进行优化会增加由于预测偏差而导致搜索方向错误的概率。提出了一种用于生产优化的自适应基函数选择增强多代理辅助进化算法（ABMSEA）。该方法主要有两个创新点。首先，通过训练和测试不同类型的基函数，自适应选择预测性能最好的基函数。其次，采用自举抽样方法构建集成模型，该模型基于所选择的最佳基函数由多个全局代理模型组成；为了寻找一组在多个替代物上表现良好的解决方案，我们采用了一种高效的多目标优化（MOO）算法，称为非支配排序遗传算法II（NSGA-II）。该算法使用代理本身作为目标函数，旨在找到在多个代理中产生有利结果的解决方案。该方法在提高全局搜索能力的同时，提高了生产优化效率。为了评估ABMSEA的有效性，我们对四个100D基准函数、一个三通道模型和一个鸡蛋模型进行了测试。所得结果与差分进化（DE）和其他三种基于代理模型的方法所得结果进行了比较。实验结果表明，ABMSEA能够准确地选择当前优化周期的竞争基函数，同时保持较高的优化效率并避免局部最优。因此，我们的方法可以实现最佳的井控，从而实现最高的净现值（NPV）。

SPE Journal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3.6，近3年平均影响因子IF为3.646，JCR分区为Q1区，中科院工程技术大类3区。

文章链接：

https://doi.org/10.2118/217432-PA

引用格式：

Jialin Wang, Kai Zhang*, Liming Zhang, Jian Wang, Wenfeng Peng, Xia Yan, Haochen Wang, Huaqing Zhang, Yongfei Yang, Hai Sun, Piyang Liu, Haichuan Chen, Xiaokun Fang, Adaptive Basis Function Selection Enhanced Multisurrogate-Assisted Evolutionary Algorithm for Production Optimization[J]. SPE Journal, 2023, SPE217432