Neural Differential Equations
based
Reduced Order Modeling
Black Oil моделирование
Основанное на глубоких нейронных сетях
Вход:
- Геологическая модель
- Начальные пластовые давления и насыщенности
- PVT, ОФП
- Расписание скважин
Выход:
-
Прогноз пластового давления и насыщенностей
- Объемы добычи
Black Oil моделирование
Основанное на глубоких нейронных сетях
Time
\theta
u_{0:T}
s_0
\frac{\text{d}z_1}{\text{d}t}
\frac{\text{d}z_2}{\text{d}t}
z_1
z_2
z_3
ENCODER
\tilde\theta
\tilde{u}_{0:T}
z_0
\frac{\text{d}z_0}{\text{d}t}
DECODER
Точно приближает решение коммерческих симуляторов
месторождение Песцовое
Кроссплоты для активных ячеек
Свойства усреднены по активным ячейкам
Точно приближает решение коммерческих симуляторов
месторождение Песцовое: добыча
Точно приближает решение коммерческих симуляторов
месторождение Новый порт
Хорошо знакомый API
Но еще более удобный
файлы созданные дизайнером или вручную
RUNSPEC
GRID
PROPS
SOLUTION
SCHEDULE
.DATA
Может быть использовано как:
-
библиотека python
-
отдельное ПО с графическим интерфейсом
Поддержка CUDA и Pytorch
Решения могут быть представлены в различных форматах:
-
ECLIPSE бинарные
-
Pytorch \ numpy
-
и другие...
Вычислительная эффективность
В сравнении с коммерческой моделью tNavigator
Время, сек
Модель
NDE-b-ROM
tNavigator
1 GPU 20 сек
40 CPU 2400 сек
Протестировано на:
- модели реальной залежи
с > 1.000.000 активных ячеек - 40 лет симуляции
Neural Differential Equations
based
Reduced Order Modeling
Commercial RUS NDE-b-ROM
By cydoroga
