超图多场时空高阶耦合低渗油藏CO2驱油转化预测方法

本技术涉及油藏数值模拟，涉及超图多场时空高阶耦合低渗油藏co2驱油转化预测方法。

背景技术：

1、低渗油藏是重要的油气资源类型，但由于储层渗透率低、非均质性强、渗流通道复杂，其高效开发始终面临较大挑战。co2驱油作为提高采收率的重要技术手段，能够通过降低原油黏度、改善原油流动性以及增强驱替能力来提升开发效果，同时还兼具co2资源化利用与地质封存潜力，因此在低渗油藏开发中具有重要的理论意义与工程价值。但低渗油藏co2驱油过程更为复杂，该过程不仅涉及压力传播、多相渗流和气窜运移，还伴随明显的co2组分再分配以及相态转化行为。与此同时，压力场、饱和度场、组分场等多类物理场之间相互作用、相互制约，呈现出显著的多场耦合特征，使得低渗油藏co2驱油动态过程表现出高度复杂性。

2、相关技术公开了一种考虑油藏co2气驱渗流时变的数值模拟方法，通过获取粘度与残余液相饱和度、残余气相相对渗透率的两类函数关系，建立油藏co2气驱数值模拟模型并网格化，赋予网格初始地层油粘度；经数值模拟得到下一时间步原油粘度，确定并更新对应残余液相饱和度和残余气相相对渗透率，重复迭代至模拟结束，输出累计产油量，实现考虑渗流时变的co2气驱数值模拟。但该方法具有一定的局限：一是网格参数均一化处理，影响模拟精度；二是无法完整捕捉耦合渗流时变特征；三是依赖传统数值模拟迭代，难以满足开发方案快速优化需求。

3、此外，卷积神经网络、循环神经网络以及图神经网络等数据驱动方法为复杂油藏过程快速代理建模提供了新的技术路径，打破了传统数值模拟的效率瓶颈，但其现有应用仍存在若干突出不足，具体表现为以下三个层面：其一，在预测维度层面，多数方法主要面向单一物理量或少数关键变量开展预测，无法完整捕捉多物理场相互耦合、相互影响的动态特征，导致预测结果缺乏全面性，难以支撑多目标开发方案的科学评价。其二，在场景适配层面，不少方法仍停留在二维简化场景或简单特征堆叠的浅层建模层面，难以精准适配三维空间下多场动态演化的复杂规律，建模精度与实际油藏场景的贴合度不足，限制了方法的现场适用性。其三，在关系建模层面，现有模型大多侧重局部邻域特征提取或两两网格单元、两两物理量的简单关系建模，难以精准刻画这种复杂关联，进而影响预测精度与泛化能力。

4、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本技术的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键／重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。

2、本公开实施例提供了超图多场时空高阶耦合低渗油藏co2驱油转化预测方法，以实现对低渗油藏co2驱油过程中co2转化行为及相关多场三维动态物理场分布状态的准确预测。

3、在一些实施例中，所述超图多场时空高阶耦合低渗油藏co2驱油转化预测方法包括：s10，获取低渗油藏co2驱油数值模拟产生的动态物理场数据和静态地质属性数据，并对所述动态物理场数据和所述静态地质属性数据进行预处理，构建模型输入样本；s20，将所述模型输入样本输入至特征编码层，对所述模型输入样本进行局部三维卷积编码，得到用于超图建模的节点特征序列；s30，将所述节点特征序列输入至自适应超边生成层，基于所述节点特征序列的上下文信息，所述自适应超边生成层通过自适应超边生成机制生成超边原型，并依据所述节点特征序列内各节点对应的节点特征向量与各所述超边原型之间的关联强度建立节点与超边之间的超关联关系，进而构建节点—超边超关联结构；s40，将所述节点—超边超关联结构输入至超图高阶耦合表征层，对关联到同一超边的多个所述节点特征向量进行聚合以获得超边特征，并将所述超边特征回传至各节点，得到空间协同演化特征；s50，将所述模型输入样本输入至时间辅助层，并按网格单元输入进行重排，针对每一网格单元的各动态物理场数据分别构建由连续历史时间步组成的时间序列，并将所述时间序列输入至门控循环单元gru进行时序编码，以提取各网格单元在不同动态物理场数据上的时间演化特征；s60，将最后一个历史时刻的动态物理场数据作为基线项，将所述空间协同演化特征和所述时间演化特征输入至特征融合输出层，由所述特征融合输出层生成空间分支预测结果和时间分支预测结果，并将所述基线项、所述空间分支预测结果和所述时间分支预测结果进行加权融合，得到目标时刻的co2转化相关多场三维动态物理场预测结果。

4、在一些实施例中，所述超图多场时空高阶耦合低渗油藏co2驱油转化预测系统包括：数据预处理层，被配置为获取低渗油藏co2驱油数值模拟产生的动态物理场数据和静态地质属性数据，并对所述动态物理场数据和所述静态地质属性数据进行预处理，构建模型输入样本；特征编码层，被配置为将所述模型输入样本输入至特征编码层，对所述模型输入样本进行局部三维卷积编码，得到用于超图建模的节点特征序列；自适应超边生成层，被配置为将所述节点特征序列输入至自适应超边生成层，基于所述节点特征序列的上下文信息，所述自适应超边生成层通过自适应超边生成机制生成超边原型，并依据所述节点特征序列内各节点对应的节点特征向量与各所述超边原型之间的关联强度建立节点与超边之间的超关联关系，进而构建节点—超边超关联结构；超图高阶耦合表征层，被配置为将所述节点—超边超关联结构输入至超图高阶耦合表征层，对关联到同一超边的多个所述节点特征向量进行聚合以获得超边特征，并将所述超边特征回传至各节点，得到空间协同演化特征；时间辅助层，被配置为将所述模型输入样本输入至时间辅助层，并按网格单元输入进行重排，针对每一网格单元的各动态物理场数据分别构建由连续历史时间步组成的时间序列，并将所述时间序列输入至门控循环单元gru进行时序编码，以提取各网格单元在不同动态物理场数据上的时间演化特征；特征融合输出层，被配置为将最后一个历史时刻的动态物理场数据作为基线项，将所述空间协同演化特征和所述时间演化特征输入至特征融合输出层，由所述特征融合输出层生成空间分支预测结果和时间分支预测结果，并将所述基线项、所述空间分支预测结果和所述时间分支预测结果进行加权融合，得到目标时刻的co2转化相关多场三维动态物理场预测结果。

5、本公开实施例提供的超图多场时空高阶耦合低渗油藏co2驱油转化预测方法，可以实现以下技术效果：

6、1. 本发明通过构建自适应超边生成层和超图高阶耦合表征层，利用节点—超边超关联结构对多个网格单元编码的节点关联关系进行统一建模，能够有效表征低渗油藏co2驱油过程中由储层非均质性、压力传播、相饱和度变化、流体性质变化以及co2组分分布共同形成的多场高阶耦合关系，解决了现有方法主要依赖局部邻域特征提取或两两关系建模、难以刻画复杂非局部高阶耦合结构的技术问题；

7、2. 本发明将co2在不同相态介质的分布特征纳入统一预测框架，并结合压力场、饱和度场、黏度场、气油界面张力场以及co2组分场等相关多物理场信息，实现对低渗油藏co2驱油过程中co2组分再分配及相态转化相关动态响应的联合预测，提高了对co2转化过程的表征能力；

8、3. 本发明融合超图高阶空间耦合特征、gru时间演化特征以及最后一个历史时刻的动态物理场基线项，能够在保持网格单元分布结构的基础上，预测目标时刻co2转化相关多场三维动态物理场分布状态，有助于提高低渗油藏co2驱油动态预测的准确性和稳定性，为co2驱油方案优化及开发效果评价提供技术支撑。

9、以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本技术。