基于集合卡尔曼滤波的油藏辅助历史拟合  

Assisted history-matching method based on ensemble Kalman filter

作　　者：张巍[1] 邸元[1] WU Yushu 

机构地区：[1]北京大学工学院,北京100871 [2]科罗拉多矿业学院石油工程系,美国科罗拉多80401-1887

出　　处：《大庆石油学院学报》2009年第5期74-78,123,共5页Journal of Daqing Petroleum Institute

基　　金：国家“973”重点基础研究发展规划(973计划)项目(2006CB202400);国家科技攻关重大专题项目(2008ZX05014)

摘　　要：基于梯度计算的传统优化算法是同时使用观测数据,集合卡尔曼滤波方法是连续使用观测数据,因此它比传统优化算法计算量小.将集合卡尔曼滤波方法作为辅助油藏历史拟合的优化算法,利用序贯高斯模拟生成储层状态的初始实现集合,在算法实现过程中,通过吸收观测数据,实现油藏模型的动态参数(如压力、饱和度)及静态参数(如渗透率)连续更新.通过一个二维的"一注四采"水驱油藏模型的拟合计算,验证算法的有效性,并讨论集合大小和集合采样初始均值对历史拟合结果的影响.在一定范围内,集合样本数对计算精度影响不是很大;对于不同的集合采样初始均值,待估参数能较快地收敛于真值,表明该算法稳定性好.With the advances in digital technology and the development of modern optimization algorithm,there has been a growing interest in the application of ensemble Kalman filter method for reservoir assisted history matching.In this paper,ensemble Kalman filter method is chosen as an optimization algorithm for history matching,sequential Gaussian simulation is used to generate the initial realizations,and the corresponding algorithm is realized.This paper verifies the efficiency and accuracy of the algorithm by a two-dimensional water-flooding model,and discusses the factors such as the size of the initial ensemble,which impacts the result of history matching.

关 键 词：油藏历史拟合 集合卡尔曼滤波 序贯高斯算法 

分 类 号：TE319[石油与天然气工程—油气田开发工程]