一种用于基于网格模拟的图神经网络框架
机器学习
2022-03-23 v2 人工智能
地球物理
摘要
在井控与井位优化中，油藏模拟的计算成本很高。通常，为了实现最优井位，需要进行大量模拟运行（实现）。本文提出一种图神经网络（GNN）框架，用于构建替代前馈模型，以取代模拟运行从而加速优化过程。我们的 GNN 框架包括编码器、处理模块和解码器，其输入来自由模拟原始数据设计并生成的已处理图数据。我们使用 6000 个样本（相当于 40 种井配置）训练 GNN 模型，每个样本包含前一步状态变量与下一步状态变量。我们使用另外 6000 个样本测试 GNN 模型，经模型调优后，单步预测与滚动预测均与模拟结果高度吻合。我们的 GNN 框架在包括油气以及碳捕集与封存（CCS）在内的井相关地下优化应用中展现出巨大潜力。
引用
@article{arxiv.2202.02652,
title = {A Graph Neural Network Framework for Grid-Based Simulation},
author = {Haoyu Tang and Wennan Long},
journal= {arXiv preprint arXiv:2202.02652},
year = {2022}
}
备注
There are conflict of interests and I need to modify the paper before resubmitting