缝洞型介质流动模拟的多尺度分解法

缝洞型介质通常具有非均质性强、结构多尺度的特征.传统数值方法在解决此类多尺度流动问题时,难以兼顾计算精度与计算效率,无法实际应用.对此,本文提出了多孔介质流体流动的多尺度分解法,并应用于缝洞介质流动模拟,能够大幅减小计算的复杂度,同时,可以通过控制均化程度控制计算精度.该方法将求解空间分为若干个子空间的正交直和,从而获得一个近线性的计算复杂度;以分层计算的方式实现了快速计算,另外这种方法是一种无网格方法,具有较好的地层适应性.同时,采用离散缝洞模型简化缝洞结构,进一步提高了计算效率.详细阐述了基于多尺度分解法的多孔介质流体流动数值计算格式的建立,重点介绍了如何在不同的层次上计算基函数.数值结果表明,本文提出的计算方法不仅能够准确捕捉多孔介质中的精细流动特征,而且具有很高的计算效率,是一种有效的流动模拟方法.     

裂缝性介质多尺度深度学习模型

结合人工神经网络建立裂缝介质多尺度深度学习流动模型.基于一套粗网格和一套细网格,通过在粗网格上训练数据,多尺度神经网络能够以较少的自由度训练出准确的神经网络.并在粗网格上通过求解局部流动问题获得多尺度基函数,结合神经网络进一步得到精细网格的解.基于离散裂缝的流动方程可视为多层网络,网络层数依赖于求解时间步数.阐述裂缝介质多尺度机器学习数值计算格式的建立,介绍如何使用多尺度算法构建离散裂缝模型的多尺度基函数,并采用超样本技术进一步提高计算准确性.数值结果表明,多尺度有限元算法与机器学习结合是一种有效的流体流动模拟算法.     

多尺度嵌入式离散裂缝模型模拟方法

天然裂缝性油藏和人工压裂油藏内裂缝形态多样,分布复杂,传统的离散裂缝模型将裂缝作为基岩网格的边界,采用非结构化网格进行网格划分,其划分过程复杂,计算量大。嵌入式离散裂缝模型划分网格时不需要考虑油藏内的裂缝形态,只需对基岩系统进行简单的网格剖分,可以大大降低网格划分的复杂度,从而提高计算效率。然而,在油藏级别的数值模拟和人工压裂裂缝下的产能分析中,仍然存在计算量巨大、模拟时间过长的问题。本文提出嵌入式离散裂缝模型的多尺度数值计算格式,使用多尺度模拟有限差分法研究嵌入式离散裂缝模型渗流问题。通过在粗网格上求解局部流动问题计算多尺度基函数,多尺度基函数可以捕捉裂缝与基岩间的相互关系,反映单元内的非均质性,因此该方法既有传统尺度升级法的计算效率,又可以保证计算精度,数值结果表明这是一种有效的裂缝性油藏数值模拟方法。     

多尺度嵌入式离散裂缝模型模拟方法

天然裂缝性油藏和人工压裂油藏内裂缝形态多样,分布复杂,传统的离散裂缝模型将裂缝作为基岩网格的边界,采用非结构化网格进行网格划分,其划分过程复杂,计算量大。嵌入式离散裂缝模型划分网格时不需要考虑油藏内的裂缝形态,只需对基岩系统进行简单的网格剖分,可以大大降低网格划分的复杂度,从而提高计算效率。然而,在油藏级别的数值模拟和人工压裂裂缝下的产能分析中,仍然存在计算量巨大、模拟时间过长的问题。本文提出嵌入式离散裂缝模型的多尺度数值计算格式,使用多尺度模拟有限差分法研究嵌入式离散裂缝模型渗流问题。通过在粗网格上求解局部流动问题计算多尺度基函数,多尺度基函数可以捕捉裂缝与基岩间的相互关系,反映单元内的非均质性,因此该方法既有传统尺度升级法的计算效率,又可以保证计算精度,数值结果表明这是一种有效的裂缝性油藏数值模拟方法。