基于稀疏优化与集合卡尔曼滤波算法的油藏自动历史拟合方法

摘要

智能油田,使油气田开发进入智能化、自动化、可视化和实时化的闭环新阶段,而自动历史拟合是闭环优化油藏管理中的步骤之一.自动历史拟合的目标是通过优化算法自动匹配各井的开发指标,使数值化的油藏模型符合各个开发时期实际的油藏状态,从而保证油藏数值模拟再现油田开发全过程的正确性,并在此基础上预测将来的开发方案.集合卡尔曼滤波是自动历史拟合领域应用较为广泛的智能算法,但在处理数据量巨大,地质信息规律隐蔽的模型时容易出现维数灾难和滤波发散等问题.因此,本文通过机器学习中的稀疏优化算法对集合卡尔曼滤波算法参数化改进,将集合卡尔曼滤波中的静态地质参数转化为稀疏向量,进行了维数约减,同时又有效地提取渗透率场的特征信息,增强了算法的鲁棒性.与传统集合卡尔曼滤波相比,基于稀疏优化的集合卡尔曼滤波算法能够根据观测数据的动态变化,实时反演出优势通道和渗透率场信息,增强了油藏整体反演精度.