研究论文

使用混合图网络模拟器学习大规模地下模拟

作者:

韩国 Sosic公司,

里德万贾拉利,

马尔科毛塞克、和

陪审团莱斯科韦茨作者信息和声明

KDD’22：第28届ACM SIGKDD知识发现和数据挖掘会议记录

2022年8月

页4184-4194

https://doi.org/10.1145/3534678.3539045

出版:2022年8月14日出版历史记录

获取访问权限

摘要

地下模拟使用计算模型预测流体（例如，油、水、气体）通过多孔介质的流动。这些模拟在石油生产等工业应用中至关重要，在这些应用中，需要快速准确的模型来进行高风险决策，例如，井位优化和油田开发规划。经典的有限差分数值模拟器需要大量的计算资源来模拟大规模的真实油藏。或者，流线模拟器和数据驱动的替代模型依靠近似物理模型计算效率更高，但它们不足以在规模上模拟复杂的储层动力学。

这里我们介绍了混合图形网络模拟器（HGNS），它是一种数据驱动的代理模型，用于学习三维地下流体流动的油藏模拟。为了在局部和全球范围内模拟复杂的储层动力学，HGNS由地下图形神经网络（SGNN）和3D-U网络组成，前者用于模拟流体流动的演化，后者用于模拟压力的演化。HGNS能够扩展到每个时间步长包含数百万个单元的网格，比以前的代理模型高出两个数量级，并且能够准确预测几十个时间步长（未来几年）的流体流量。

使用具有110万个细胞的行业标准地下流数据集（SPE-10），我们证明了与标准地下模拟器相比，HGNS能够将推理时间减少多达18倍，并且它通过将长期预测误差减少多达21%而优于其他基于学习的模型。

工具书类

[1]

【未注明日期】。Sintef（2008），第十届SPE比较解决方案项目，模型2。https://www.sintef.no/projectweb/geoscale/results/msmfem/spe10/。

[2]

弗雷德里克·亚伯拉罕和瓦尔德马尔·塞莱斯。2009年。复杂黑色油藏模型的分布式可视化。在第九届欧洲制图会议关于并行图形和可视化的会议记录中。87--94.

数字图书馆

[3]

Peter W Battaglia、Razvan Pascanu、Matthew Lai、Danilo Rezende和Koray Kavukcuoglu。2016.学习物体、关系和物理的互动网络。arXiv预印arXiv:1612.00222（2016）。

[4]

哈米德·巴扎根（Hamid Bazargan）、迈克·克里斯蒂（Mike Christie）、艾哈迈德·埃尔谢赫（Ahmed H Elsheikh）和穆罕默德·艾哈迈迪（Mohammad Ahmadi）。2015年。使用稀疏多项式混沌展开对具有复杂结构的水库模型进行替代加速采样。《水资源进展》86（2015），385--399。

[5]

蔡圣泽、毛志平、王志成、尹明朗和乔治·埃姆·卡尼亚达克斯。2022.流体力学物理信息神经网络（PINNs）：综述。机械学报（2022），1-12。

[6]

Marco A Cardoso、Louis J Durlowsky和Pallav Sarma。2009.地下水流模拟降阶建模程序的开发和应用。国际工程数值方法杂志77，9（2009），1322--1350。

[7]

奥兹根·西切克、艾哈迈德·阿卜杜勒卡迪尔、索伦·萨连坎普、托马斯·布洛克斯和奥拉夫·隆内伯格。2016.3D U-Net：从稀疏注释学习密集的体积分割。在医学图像计算和计算机辅助干预国际会议上。施普林格，424-432。

[8]

路易斯·奥古斯托·长崎科斯塔（Luís Augusto Nagasaki Costa）、塞利奥·马斯奇奥（Célio Maschio）和丹尼斯·若泽·斯考泽（Denis JoséSchiozer）。2014年，人工神经网络在历史匹配过程中的应用。《石油科学与工程学报》123（2014），30-45。

[9]

Ali H Dogru、Larry S Fung、Usuf Middya、Tareq M Al Shaalan、Tom Byer、Hahn Hoy、Werner Artur Hahn、Nabil Al Zamel、J Pita、Kesavalu Hemanthkumar等人，2011年。大规模油藏模拟的新前沿。在SPE油藏模拟研讨会上。OnePetro公司。

[10]

塞德里克·弗雷斯（Cedric G Fraces）、阿德里安·帕皮奥安诺（Adrien Papaioannou）和哈姆迪·切列皮（Hamdi Tchelepi）。2020年，物理学为多孔介质中传输的深度学习提供了信息。巴克利·利弗雷特问题。arXiv预印arXiv:2001.05172（2020）。

[11]

奥尔加·福克斯和哈姆迪·A·切列皮。2020年。多孔介质中非线性两相传输的物理信息机器学习的局限性。《建模与计算机器学习杂志》1，1（2020）。

[12]

Hamidreza Hamdi、Ivo Couckuyt、Mario Costa Sousa和Tom Dhane。2017.历史拟合的高斯过程：应用于非常规气藏。计算地球科学21，2（2017），267--287。

[13]

何金聪和路易斯·杜洛夫斯基。2014.使用轨迹分段线性化进行成分模拟的降阶建模。SPE Journal 19，05（2014），858--872。

[14]

何金聪（Jincong He）、帕拉夫·萨玛（Pallav Sarma）和路易斯·杜洛夫斯基（Louis J Durlowsky）。2013.基于集合的数据同化的降阶流建模和地质参数化。计算机与地球科学55（2013），54-69。

[15]

赵阳拉里·金和路易斯·杜洛夫斯基。2018年，二氧化碳储存操作的简化模型。《国际温室气体控制杂志》68（2018），49-67。

[16]

德米特里·科奇科夫（Dmitrii Kochkov）、杰米·阿史密斯（Jamie A Smith）、阿亚·阿利耶娃（Ayya Alieva）、王庆（Qing Wang）、迈克尔·布伦纳（Michael P Brenner）和斯蒂芬·霍耶。2021.机器学习——加速计算流体动力学。《美国国家科学院院刊》118，21（2021）。

[17]

马尔科·毛塞克（Marko Maucec）和里德万·贾拉利（Ridwan Jalali）。2022.基于GeoDIN-Geoscience的深度交互网络，用于预测油藏模拟模型中的流动动力学。SPE期刊（2022），1-19。

[18]

Damian Mrowca、Chengxu Zhung、Elias Wang、Nick Haber、Li F Fei-Fei、Josh Tenenbaum和Daniel L Yamins。2018年，物理预测的灵活神经表示。神经信息处理系统进展31（2018年）。

[19]

阿尔瓦罗·桑切斯·冈萨雷斯（Alvaro Sanchez-Gonzalez）、乔纳森·戈德温（Jonathan Godwin）、托比亚斯·普法夫（Tobias Pfaff）、雷克斯·英（Rex Ying）、朱尔·莱斯科维奇（Jure Leskovec）和彼得·巴塔利亚。2020年。学习用图形网络模拟复杂物理。在机器学习国际会议上。PMLR，8459--8468。

[20]

孟唐、刘一敏和路易斯·杜洛夫斯基。2020年。基于深度学习的替代模型，用于动态地下水流问题的数据同化。J.计算。物理学。413 (2020), 109456.

[21]

Kiwon Um、Robert Brand、Philipp Holl、Nils Thuerey等人，2020年。整体求解：从可微物理中学习，与迭代PDE求解器交互。arXiv预印arXiv:2007.0016（2020）。

[22]

Jorn FM Van Doren、Renato Markovinovic和Jan-Dirk Jansen。2006.使用适当的正交分解对注水进行降阶优化控制。计算地球科学10，1（2006），137--158。

[23]

吴宇欣和何开明。2018年，集团正常化。《欧洲计算机视觉会议论文集》。3--19.

数字图书馆

[24]

Cong Xiao、Olwijn Leeuwenburgh、Hai Xiang Lin和Arnold Heemink。2019.用于油藏历史匹配的非侵入子域POD-TPWL。计算地球科学23，3（2019），537-565。

[25]

Yanfang Yang、Mohammadeza Ghasemi、Eduardo Gildin、Yalchin Efendiev和Victor Calo。2016年，使用POD-DEIM模型简化进行快速多尺度油藏模拟。SPE Journal 21，06（2016），2141--2154。

[26]

朱银浩和尼古拉斯·扎巴拉斯。2018.贝叶斯深度卷积编码器-用于代理建模和不确定性量化的解码器网络。J.计算。物理学。366 (2018), 415--447.

数字图书馆

引用人

毛塞克M贾拉利R哈马姆H(2024)用混合神经网络模拟器预测地下油藏动态第2天2024年2月13日，星期二10.2523/IPTC-24367-MS在线发布日期：2024年2月12日
https://doi.org/10.2523/IPTC-24367-MS
程H他是曾平维亚特金五世(2024)油藏工程地下水流硬约束的残差增强物理引导机器学习IEEE地球科学和遥感汇刊10.1109/TGRS.2024.3357797号62(1-9)在线发布日期：2024年
https://doi.org/10.109/TGRS.2024.3357797
西拉克G法凡J阿文西G斯考泽D罗查A(2024)非均质碳酸盐岩储层深层蒸馏-亲油模型人工智能的工程应用2016年10月10日/j.engappai.2023.107076126：个人电脑在线发布日期：2024年2月1日
https://dl.acm.org/doi/10.1016/j.engappai.2023.107076
显示更多引用者

索引术语

用混合图网络仿真器学习大规模地下模拟
1. 应用计算
  1. 物理科学与工程
    1. 地球和大气科学
2. 计算方法
  1. 机器学习
    1. 学习范式
      1. 监督学习
        回归监督学习
    2. 机器学习方法
      1. 神经网络
  2. 建模与仿真
    1. 模拟类型和技术
      1. 大规模并行和高性能仿真
      2. 多尺度系统

建议

模拟欧洲大型河流的历史粪便大肠菌群负荷和产生的河道内浓度

关于欧洲河流中粪大肠菌群（FC）浓度的信息很少。本研究的目的是确定欧洲的水污染热点，并提供关于不同FC来源及其对负荷的贡献的信息。。。
阅读更多信息
多学科多尺度计算场模拟算法及应用

本文描述了用于多学科和多尺度模拟的两种计算流体动力学（CFD）框架的开发和验证。第一个框架是具有六自由度刚体的重叠网格拓扑结构。。。
阅读更多信息
用于大规模文本分类的归纳推理
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片ACM会议

KDD’22：第28届ACM SIGKDD知识发现和数据挖掘会议记录

2022年8月

5033页

国际标准图书编号：9781450393850

DOI（操作界面）：10.1145/3534678

总主席：
张爱东
弗吉尼亚大学
,
Huzefa Rangwala公司
亚马逊/乔治·梅森大学

版权所有©2022 ACM。

如果复制品不是为了盈利或商业利益而制作或分发的，并且复制品的第一页载有本通知和完整引文，则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重作者以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布，在服务器上发布或重新发布到列表，需要事先获得特定许可和/或付费。从请求权限[电子邮件保护].

赞助商

出版商

计算机协会

美国纽约州纽约市

出版历史记录

出版：2022年8月14日

权限

请求对此文章的权限。

检查更新

作者标记

限定符

研究文章

会议

22日星期日

赞助商：

KDD’22：第28届ACM SIGKDD知识发现和数据挖掘会议

2022年8月14日至18日

美国华盛顿特区

接受率

8635份提交文件的总体接受率为1133份，占13%

即将召开的会议

KDD'24款

赞助商：
sigkdd公司
sigkdd公司

第30届ACM SIGKDD知识发现和数据挖掘会议

2024年8月25日至29日

巴塞罗那，西班牙

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

6
引文总数
查看引文
368
总下载次数

下载次数（过去12个月）138
下载次数（最近6周）15

其他指标

查看作者指标

引文

引用人

毛塞克M贾拉利R哈马姆H(2024)基于混合神经网络模拟器的地下储层流动动力学预测第2天2024年2月13日，星期二10.2523/IPTC-24367-MS在线发布日期：2024年2月12日
https://doi.org/10.2523/IPTC-24367-MS
程H他是曾平维亚特金五世(2024)油藏工程地下水流硬约束的残差增强物理引导机器学习IEEE地球科学和遥感汇刊10.1109/TGRS.2024.3357797号62(1-9)在线发布日期：2024年
https://doi.org/10.109/TGRS.2024.3357797
西拉克GFarfan J公司阿文西G斯考泽D罗查A(2024)非均质碳酸盐岩储层深层蒸馏-亲油模型人工智能的工程应用2016年10月10日/j.engappai.2023.107076126：个人电脑在线发布日期：2024年2月1日
https://dl.acm.org/doi/10.1016/j.engappai.2023.107076
西拉克GFarfan J公司阿文西G斯考泽D罗查A(2024)跨域特征学习和数据增强用于石油工业中的少快照代理开发应用软计算2016年10月10日/j.asoc.2023.110972149：PA在线发布日期：2024年2月1日
https://dl.acm.org/doi/10.1016/j.asoc.2023.110972
罗X王H黄Z姜浩恒河A蒋S太阳Y哦，A诺曼TGloberson A公司Saenko K公司哈德·M莱文S(2023)护理第37届神经信息处理系统国际会议记录10.5555/3666122.3666298(4034-4054)在线发布日期：2023年12月10日
https://dl.acm.org/doi/10.5555/3666122.3666298
阮HBui-Thanh T公司(2023)动力系统的模型约束切线斜率学习方法国际计算流体动力学杂志10.1080/10618562.2022.214667736:7(655-685)在线发布日期：2023年2月10日
https://doi.org/101080/10618562.2022.2146677

视图选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

查看选项

PDF格式

以PDF文件查看或下载。

电子阅读器

使用联机查看电子阅读器.

电子阅读器

媒体

数字

其他

桌子