Задача совместного использования теории фильтрации и элементов машинного обучения для решения обратной задачи восстановления гидропроводности нефтяного месторождения

Abstract

This article presents the methodology involving the combined use of machine learning elements and a physically meaningful filtration model. The authors propose using a network of radial basis functions for solving the problem of restoring hydraulic conductivity in the interwell space for an oil field. The advantage of the proposed approach in comparison with classical interpolation methods as applied to the problems of reconstructing the filtration-capacitive properties of the interwell space is shown. The paper considers an algorithm for the interaction of machine learning methods, a filtration model, a mechanism for separating input data, a form of a general objective function, which includes physical and expert constraints. The research was carried out on the example of a symmetrical element of an oil field. The proposed procedure for finding a solution includes solving a direct and an adjoint problem.

Настоящая работа посвящена методике, предполагающей совместное использование элементов машинного обучения и физически содержательной фильтрационной модели. Предложено использование сети радиальных базисных функций для решения задачи восстановления гидропроводности в межскважинном пространстве для нефтяного месторождения. Показано преимущество предлагаемого подхода по сравнению с классическими методами интерполяции применительно к задачам восстановления фильтрационно-емкостных свойств межскважинного пространства. В работе рассмотрен алгоритм взаимодействия методов машинного обучения, фильтрационной модели, механизм разделения входных данных, вид общей целевой функции, включающей в себя физические и экспертные ограничения. Исследования проводились на примере симметричного элемента нефтяного месторождения. Предлагаемая процедура поиска решения включает в себя решение прямой и сопряженной задачи.