面向油藏历史匹配的多智能体方法
多智能体系统
2026-05-15 v1
摘要
历史匹配是储库工程中的核心逆问题，需要对不确定的储库参数进行校准以匹配观测数据。虽然自动化历史匹配可减少手动工作量，但实际部署仍困难，因为工程师必须仍配置涉及参数选择、物理可行界限、优化器选择、超参数调优、仿真执行和诊断报告等异构工作流程。我们提出 PetroGraph，一个用于智能储库历史匹配的多智能体框架，该框架将上述工作流程分解为模型审查、实验规划、参数化、优化、仿真和汇总等专用智能体。该系统将大型语言模型智能体与特定领域工具相结合，采用检索增强方式访问仿真器文档，对修改后的 ECLIPSE 输入牌进行验证，集成人类在环检查点，并采用 OPM Flow 作为仿真后端。该设计使用户能够通过自然语言发起和引导历史匹配，同时保持对选定参数和优化设置的显式控制。我们在三个不断复杂化的储库模型上评估 PetroGraph：合成 SPE1 模型、带错断面的 SPE9 基准以及真实场 Norne 模型。以加权归一化均方根误差为目标函数，PetroGraph 在 SPE1 上将匹配误差降低 95%，在 SPE9 上降低 69%，在 Norne 上降低 13%。这些结果表明，多智能体编排能够自动化历史匹配中的关键决策，降低运用复杂仿真工作流程的专业知识门槛，并为可扩展、领域感知的储库模型适应提供了灵活基础。
引用
@article{arxiv.2605.15028,
title = {Multi-Agentic Approach for History Matching of Oil Reservoirs},
author = {Linar Samigullin and Sergei Shumilin and Evgeny Burnaev},
journal= {arXiv preprint arXiv:2605.15028},
year = {2026}
}