[发明专利]一种基于人工智能的油水两相流相对渗透网格粗化方法

权利要求书

1.一种基于人工智能的油水两相流相对渗透网格粗化方法，其特征在于，包括以下步骤：

1)、根据现有生产资料建立地质模型；

2)、确定地质模型将要粗化成粗网格的尺寸和数量，按照设定的尺寸和数量对地质模型划分粗网格；

3)、在地质模型中随机抽取设定比例的粗网格记为样本集F1，其余粗网格记为样本集F2，对样本集F1中的粗网格做相对渗透率粗化计算，得到样本集F1中粗网格的粗尺度相对渗透率；

4)、对地质模型中所有的粗网格渗透率进行数据预处理；

5)、以样本集F1中每个粗网格渗透率的分布特征和粗网格的粗尺度相对渗透率数据对机器学习算法进行训练，并通过十折交叉验证法得到粗网格粗尺度相对渗透率的预测模型；

样本集F1中每个粗网格渗透率的分布特征为，粗网格中每个细网格的渗透率数据进行预处理后得到的结果；

样本集F1中每个粗网格渗透率的分布特征为，把粗网格中的细网格渗透率场画成图，以图片识别的方式对机器学习算法进行训练，达到更直观的可视化效果；

对样本集F1中每个粗网格渗透率的分布特征进行降维处理以加快机器学习算法的训练速度；

机器学习算法采用分类算法或回归算法；

6)、采用步骤5)中产生的预测模型对样本集F2中粗网格进行预测，获得样本集F2中每个粗网格预测的粗尺度相对渗透率；

7)、使用样本集F1中粗网格的粗尺度相对渗透率数据，和样本集F2中粗网格预测的粗尺度相对渗透率数据进行油藏数值模拟计算。

2.如权利要求1所述的基于人工智能的油水两相流相对渗透网格粗化方法，其特征在于，在步骤4)中，对地质模型中粗网格渗透率数据进行数据预处理的方式为：先对地质模型中所有细网格渗透率做ln对数变换，然后对地质模型的每个粗网格做特征放缩处理，其特征放缩处理式为(a)所示：

其中，x_i为该粗网格中每个细网格渗透率，x_mean为该粗网格中所有细网格渗透率的平均值，x_max为该粗网格中所有细网格渗透率的最大值，x_min为该粗网格中所有细网格渗透率的最小值，x′_i为该粗网格中特征放缩后的细网格渗透率。