[发明专利]一种机器学习辅助的两相流油藏随机建模的网格粗化方法

权利要求书

1.一种机器学习辅助的两相流油藏随机建模的网格粗化方法，其特征在于，包括以下步骤：

（1）通过随机建模方法建立若干地质模型实现，确定地质模型实现将要粗化成粗网格的尺寸和数量；

（2）选取部分地质模型实现记为模型集P1，其余模型记为模型集P2，对模型集P1中模型实现进行相对渗透率粗化计算，得到P1中粗网格的粗尺度相对渗透率数据；

（3）对所有地质模型实现的渗透率进行数据预处理；

（4）提取P1和P2中每个粗网格的渗透率分布特征，用机器学习算法对所有粗网格的渗透率分布特征进行归类，得到P1和P2中粗网格的类别；提取粗网格的渗透率分布特征，通过把数据预处理后的粗网格中细网格的渗透率场画成图，以图片识别的方式对粗网格进行归类；提取粗网格的渗透率分布特征，对渗透率分布特征进行降维处理以加快计算机处理速度；用机器学习算法对所有粗网格的渗透率分布特征进行归类，归类方法为分类或聚类算法；

（5）将P1中粗网格的粗尺度相对渗透率数据赋值给与之同类P2中的网格，得到P2近似的粗尺度相对渗透率数据；

（6）使用P1和P2中粗网格粗尺度的相对渗透率数据进行油藏数值模拟计算。

2.如权利要求1所述的一种机器学习辅助的两相流油藏随机建模的网格粗化方法，其特征在于，对所有地质模型实现的渗透率进行数据预处理的处理方式为：先对所有细网格的渗透率做ln对数变换，然后对每个粗网格进行特征放缩处理，特征放缩处理式为（1）所示：

（1）

其中，为粗网格中每个细网格的渗透率，为该粗网格中所有细网格渗透率的平均值，为该粗网格中所有细网格渗透率的最大值，为该粗网格中所有细网格渗透率的最小值，为特征放缩后的细网格渗透率。

3.如权利要求1所述的一种机器学习辅助的两相流油藏随机建模的网格粗化方法，其特征在于，步骤（2）中选取地质模型实现划分模型集P1，在所有模型实现中按比例随机选取。

4.如权利要求1所述的一种机器学习辅助的两相流油藏随机建模的网格粗化方法，其特征在于，步骤（2）中选取地质模型实现划分模型集P1，通过手动选取部分有明显地质特征的模型实现。

5.如权利要求1所述的一种机器学习辅助的两相流油藏随机建模的网格粗化方法，其特征在于，步骤（4）中提取粗网格的渗透率分布特征，直接采用数据预处理后粗网格中每个细网格的渗透率数据。