基于 Beta-VAE 回归的场优化代理模型
机器学习
2022-03-01 v2 机器学习
摘要
油田开发相关决策通过基于油藏模拟的优化研究做出，其中比较不同生产情景与井控方案。此类模拟计算昂贵，故使用代理模型加速研究。深度学习过去被用于生成代理，但此类模型常无法量化预测不确定性且不可解释。本工作提出基于 beta-VAE 的回归以生成用于优化工作流的模拟代理。beta-VAE 实现决策变量在潜空间中的可解释、解耦表示，并进一步用于回归。概率稠密层用于量化预测不确定性并实现近似贝叶斯推断。基于 beta-VAE 回归开发的代理模型找到了可解释且相关的潜表示。合理的 beta 值确保了因子解耦与重构间的良好平衡。概率稠密层有助于量化目标函数的预测不确定性，并据此决定是否需对某算例进行全物理模拟。
引用
@article{arxiv.2008.11433,
title = {Surrogate Model For Field Optimization Using Beta-VAE Based Regression},
author = {Ajitabh Kumar},
journal= {arXiv preprint arXiv:2008.11433},
year = {2022}
}