Аппроксимация уравнений потока в объемных средах с помощью U-FNO

1.

hwtpu.ru
Аппроксимация уравнений потока в
объемных средах с помощью U-FNO
Булатов Вадим Рамилевич
HW TPU
Томск, 2022

2.

СОДЕРЖАНИЕ
1. Проблемы гидродинамического моделирования
2. Как U-FNO решает эти проблемы
3. Описание эксперимента
4. Анализ результатов
5. Дальнейшее развитие проекта
2

3.

hwtpu.ru
ПРОБЛЕМЫ ГИДРОДИНАМИЧЕСКОГО МОДЕЛИРОВАНИЯ
значительная нелинейность исследуемых процессов
неоднородности и неопределенности различного вида
необходимость в высокой точности при высокой скорости
дорого, долго, высокие требования к железу
задача проекта: решить вышеперечисленные
проблемы, не теряя в точности
3

4.

U-FNO info: ccsnet.ai/
hwtpu.ru
ЧТО ТАКОЕ U-FNO ?
Разработана в Стэнфорде для
моделирования закачки CO2 в пласт:
тренирована на 20,000 кейсах
моделирует в 60 тыс. раз быстрее
при R2 > 0.99
U-shaped Fourier Neural Operator
4

5.

hwtpu.ru
1 МОДУЛЬ U-FNO: СВЁРТКА С ПРЕОБРАЗОВАНИЕМ ФУРЬЕ (FNO)
Что даёт:
высокую эффективность
моделирования задач потока,
хорошую генерализацию
малую требовательность к
количеству кейсов для обучения
позволяет создавать модели,
устойчивые к изменению
размерности входных данных
Fourier Neural Operator
5

6.

hwtpu.ru
2 МОДУЛЬ U-FNO: U-ОБРАЗНАЯ СВЁРТКА (U-NET)
извлечение
высокочастотной
информации
добавлена потому, что
моделирование многофазного
потока чувствительно к
флуктуациям и численной
дисперсии
но, снижает точность работы
при изменении размерности
входных данных
6

7.

hwtpu.ru
ОПИСАНИЕ ЭКСПЕРИМЕНТА
обучение U-FNO на 900
синтетических моделях
тест на 100 моделях
оценка ускорения и
точности симуляции U-FNO
7

8.

*based on SRM-6
2D нефтяной резервуар с закачкой воды, моделирование на 24 месяца, 1000 кейсов
injector
producer
hwtpu.ru
ОПИСАНИЕ СИНТЕТИЧЕСКОЙ МОДЕЛИ
Переменные в кейсах:
• ср. пористость = [0.05; 0.25]
• ср. проницаемость = [0.01; 500]
• Kv/Kh = [0.1; 0.3]
• локация вертикального разлома
perm = e^(a*poro + b);
So = f (perm)
8

9.

hwtpu.ru
ОБУЧЕНИЕ МОДЕЛИ
ВХОДНЫЕ ДАННЫЕ
poro, perm, kv/kh
(900 x 96 x 200 x 24 x 3):
попытка
предсказать
900 кейсов
200x96 грид
24 временных отрезка
ВЫХОД
насыщение, давление
калибровка
коэффициентов
(96 x 200 x 24)
3 параметра
9

10.

hwtpu.ru
РЕЗУЛЬТАТЫ ТЕСТОВ (НЕФТЕНАСЫЩЕННОСТЬ)
tNav
U-FNO
Δ
10

11.

hwtpu.ru
АНАЛИЗ РЕЗУЛЬТАТОВ
Время на симуляцию:
U-FNO - 0.05 сек
U-FNO в среднем в 2600 быстрее
при R2 → 1
tNavigator:
• в среднем – 130 сек
• худший случай – 285 сек
11

12.

hwtpu.ru
ДАЛЬНЕЙШЕЕ РАЗВИТИЕ ПРОЕКТА
Ключевая задача:
● реализовать 4D (xyzt) свёртку / рекуррентную 3D свёртку
После:
● экстенсивно изучить главную особенность нейросети – mesh free на резервуарах различной
конфигурации
● разнообразить тренировочные параметры
12

13.

Отвечу на любые ваши вопросы
Спасибо за внимание!
Petroleum Learning Centre
Вадим Рамилевич Булатов
+79177714912 @bulatovvr - telegram
Vbulatov174@gmail.com
Supervisors:
4a Usov Street, Tomsk, Russia
hwtpu.ru • info@hw.tpu.ru
Глеб Шишаев
Анна Веткина
Gege Wen