CN118154798B 一种基于神经网络和动态数据同化的地质建模方法 （长江大学）

一种基于神经网络和动态数据同化的地质本发明涉及一种基于神经网络和动态数据网络根据初始输入向量建立初始地质模型；其据拟合得到的数据和实际测量到的数据进行数2将所述初始地质模型输入到预设物理约束代理网络中，得到所述pp所述预设物理约束代理网络输出的生产动态拟合数据与地质模型以及仿真参数满足的预基于生产动态实测数据和所述生产动态拟合数据，利用ES_MDA方法根据所述地质模型、仿真参数和上一时刻的生产动态拟合数据计算基于当前时刻的生产动态预测数据和测量得到的当前时刻生产根据所述数据误差值、当前时刻生产动态预测数据和当前时刻生当前时刻的生产动态分析数据当前时刻生产动态预测数据xt和当前时刻生产动3k表示当前时刻预测数据的误差协方差矩阵，通过最小化生产动态预测数据下一时刻的生产动态预测数据xt+1与当前时刻的生产动动态数据生成模块，用于将所述初始地质模型输入到预设物理pp所述预设物理约束代理网络输出的生产动态拟合数据与地质模型以及仿真参数满足的预优化模块，用于基于生产动态实测数据和所述生产动态拟合程序或指令被处理器执行时，能够实现上述权利要求1_6中任一项所述基于神经网络和动4[0003]现有地质模型的建立通常使用随机模拟建模法、物理建模法和数值模拟等方质模型的非高斯特性给模型参数的自动更新带[0010]基于生产动态实测数据和所述生产动态拟合数据，利用ES_MDA方法进行数据同pp5达所述预设物理约束代理网络输出的生产动态拟合数据与地质模型以及仿真参数满足的[0022]当前时刻的生产动态分析数据紅、当前时刻生产动态预测数[0025]其中，H()表示观测算子k表示当前时刻预测数据的误差协方差矩阵，通过最小化生产动态预测数据和生产动[0026]进一步的，基于当前时刻的生产动态分析数据计算下一时刻的生产动态预测数[0027]下一时刻的生产动态预测数据xt+1与当前时刻的生产动态分析数据的关系式6[0031]第二方面，本发明还提供了一种基于神经网络和动态数[0033]动态数据生成模块，用于将所述初始地质模型输入到预际测量到的数据进行数据同化操作，根据数据误差对生成器神经网络的输入向量进行调根据模型确定生产动态拟合数据，可以更准确地模拟地质模型在实际生产中的状态变化，[0038]图1为本发明提供的基于神经网络和动态数据同化的地质建模方法的流程示意[0042]图5为本发明提供的基于神经网络和动态数据同化的地质建模装置一实施例的结7生越来越逼真的数据。本方案利用GANs网络的生成器通过低维的随机向量表示高维模型，[0047]ES_MDA：多重数据同化集合平滑器(ES_MDA，ensemblesmootherwith8[0058]训练完成后，生成器的核心功能是能够根据输入的随机向量得到一个地质模pp数据与地质模型以及仿真参数满足的预设物理[0063]在一个具体的实施例中，优化上述公式(2)的损失函数就是训练物理约束代理网9[0068]作为优选的实施例，基于生产动态实测数据和所述生产动态拟合数据，利用ES_[0077]其中，H()表示观测算子k表示当前时刻预测数据的误差协方差矩阵，通过最小化生产动态预测数据和生产动[0078]观测算子h()可以理解为单位变换[0080]下一时刻的生产动态预测数据xt+1与当前时刻的生产动态分析数据的关系式[0081]xrx1=M(iF)+wk[0083]需要说明的是，第一高斯白噪声R和第二高斯白噪声wk可以是方差值和期望值不初始化随机向量为Z，迭代次数k＝0。随机向量经过生成器神经网络之后得到初始地质模[0089]为了更好实施本发明实施例中的基于神经网络和动态数[0091]动态数据生成模块502，用于将所述初始地质模型输入到预设物理约束代理网络[0093]这里需要说明的是：上述实施例提供的对应的装置700可实现上述各方法实施例[0095]存储器602在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备内部存储单元也包括外部存储设备。存储器602用于存储安装于计算机设备的应用软件及可被处理器601所执行，从而实现本发明各实施例的一种基于神经网络和动态数据同化的[0096]处理器601在一些实施例中可以是一中央处理器(CentralProcessingUnit，例如执行一种基于神经网络和动态数据同化的地质在计算机设备的信息以及用于显示可视化的用户界面。计算机设备的部件601_603通过系任何熟悉本