采用FD约束迁移生成虚拟样本的动液面预测

作     者：王通 胡安邦 韩莹 

作者机构：沈阳工业大学电气工程学院 辽宁工程技术大学电气与控制工程学院 

出 版 物：《哈尔滨工业大学学报》 (Journal of Harbin Institute of Technology)

年 卷 期：2025年

核心收录：

学科分类：0820[工学-石油与天然气工程] 08[工学] 082002[工学-油气田开发工程] 

基　　金：国家自然科学基金(62203197) 

主　　题：动液面 虚拟样本 模糊决策 迁移学习 变分自编码器 生成对抗网络 

摘      要：为改善因石油开采过程复杂多变，难以获取完备油井生产数据信息所导致动液面预测模型效果不佳的问题，提出一种基于模糊决策（fuzzy decision，FD）约束迁移的变分自编码器-生成对抗网络（variational autoencoder-generative adversarial network，VAE-GAN）模型，生成油井动液面预测建模虚拟样本。首先，利用信息较为完备的相似工况源域油井数据通过基于迁移学习的VAE-GAN生成虚拟样本，采用最大均值差异使虚拟样本特征分布向待测目标域油井迁移。其次，为使虚拟样本具有源域油井丰富信息特征的同时符合目标域油井生产规则，设计了模糊判别约束模块用于辨别虚拟样本参数间生产特征，进一步约束虚拟样本生成。最后，将所得虚拟样本与目标域少量真实样本混合，构建动液面预测模型。仿真结果表明：本文所提方法生成的虚拟样本可以有效补充待测油井的生产数据，相较于采用待测油井真实数据构建的预测模型，其构建的预测模型在满足油田生产关键参数测量相对误差5%以内要求的基础上，平均绝对误差下降29.577%，均方根误差下降26.386%。所提方法可以有效解决油井生产数据信息不完备问题，能够降低动液面预测模型的输出误差。