买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国石油大学(华东)

摘要：本发明公开了一种基于多目标交互的CO2回注策略优化评价方法，属于石油工程油气田开发领域，包括如下步骤：步骤1、对CO2回注开发效果进行影响因素分析，确定回注过程的优化变量；步骤2、基于Python编写注采参数数值模拟样本生成程序；步骤3、构建LS‑SVM多目标预测代理模型；步骤4、建立基于NSGA‑Ⅱ算法的注采参数优化模型，并耦合LS‑SVM多目标预测代理模型建立CO2回注策略协同优化方法，进行CO2回注工作制度多目标优化，优选累产油量与换油率多目标优化的Pareto前沿，满足不同开发需求的方案选择。本发明能够保证油田在相同开发效果的前提下获得更高的CO2利用率，可为注气驱替开发方案的最优化设计提供指导。

主权项：1.一种基于多目标交互的CO2回注策略优化评价方法，其特征在于，包括如下步骤：步骤1、对CO2回注开发效果进行影响因素分析，确定回注过程的优化变量；步骤2、基于Python编写注采参数数值模拟样本生成程序；步骤3、构建LS-SVM多目标预测代理模型；具体过程如下：步骤3.1、划分CO2回注开发效果预测样本集划分；将注采参数数值模拟样本生成程序得到的CO2回注开发效果预测样本集依据80％、10％、10％的相关比例划分为训练集、验证集、测试集；训练集用于训练预测代理模型并确定模型基本参数；验证集用于调整神经网络的超参数；测试集用于检验模型的最终泛化能力；每个集合中均包含模型的输入、输出数据，其中输入数据包括井底流压、补能时机、注入压力、注气速度、产油速度，输出数据包括目标油藏的累产油量及累计注气量；步骤3.2、基于最小二乘支持向量机建立多目标预测模型，得到LS-SVM多目标预测代理模型；具体过程为：对训练数据xi,yi进行非线性回归时引入非线性映射函数将训练样本映射到高维特征空间进行线性回归；在特征空间中LS-SVM模型表示为： 式中，ω是权重向量，b是偏置项，x表示训练样本，y表示训练模型；LS-SVM模型的目标函数为： 式中，J表示目标函数，ξ为训练集预测误差变量，ξi为每一个样本引入的误差变量，γ0为正则化参数，i表示第i个训练样本，n表示训练样本总数；建立的LS-SVM多目标预测代理模型描述如下： 式中，i为第i个训练样本，n为训练样本总数，αi为Lagrange乘子序列，K为径向基函数，j为第j个训练样本，xi为训练样本i标签，xj为训练样本j标签；径向基函数Kxi,xj＝exp[-||xi-xj||22σ2]为LS-SVM的核函数，σ为核参数；步骤3.3、模型预测效果评估，输出预测效果评估最佳的LS-SVM多目标预测代理模型；使用决定系数R2、均方误差MSE以及平均绝对误差MAE，对LS-SVM多目标预测代理模的预测效果进行评价分析，其计算过程分别见式4、5、6： 式中，yi和分别为模型实际值与预测值，为实际值的平均值，i为第i个训练样本，N为验证集中实际值的尺寸；选择R2最大、MSE、MAE最小的模型作为最终的LS-SVM多目标预测代理模型进行输出；步骤4、建立基于NSGA-Ⅱ算法的注采参数优化模型，并耦合LS-SVM多目标预测代理模型建立CO2回注策略协同优化方法，进行CO2回注工作制度多目标优化，选择累产油量与换油率多目标优化的Pareto前沿，满足不同开发需求的方案选择。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种基于多目标交互的CO₂回注策略优化评价方法