油藏的人工神经网络代理建模：案例研究
地球物理
2019-05-21 v1 机器学习
计算物理
应用统计
摘要
我们开发了一个数据驱动模型，将机器学习的最新进展引入油藏模拟。我们使用传统的油藏建模工具生成训练集，并使用一种特殊的人工神经网络（ANNs）集成来构建预测模型。该基于ANN的模型能够复现油藏模型计算网格内流体和压力分布随时间的变化关系。我们将基于ANN的模型与传统油藏建模的性能进行比较，并说明基于ANN的模型（1）能够以非常高的精度捕捉传统模型的所有输出参数，且（2）展现出更高的计算性能。最后，我们阐述了油藏建模领域内进一步的研究与开发方向。
引用
@article{arxiv.1905.07859,
title = {Artificial Neural Network Surrogate Modeling of Oil Reservoir: a Case Study},
author = {Oleg Sudakov and Dmitri Koroteev and Boris Belozerov and Evgeny Burnaev},
journal= {arXiv preprint arXiv:1905.07859},
year = {2019}
}
备注
10 pages, 5 figures