Eine Umfrage zur Anwendung von maschinellem Lernen und metaheuristischen Algorithmen für intelligentes Proxy-Modellieren in der Reservoirsimulation

Maschinelles Lernen (ML) hat seinen erheblichen Beitrag zur Reservoirtechnik, insbesondere zur Reservoirsimulation, gezeigt. Die Kopplung von ML und metaheuristischen Algorithmen zeigt ein enormes Potenzial für die Anwendung in der Reservoirsimulation, insbesondere bei der Entwicklung von Proxy-Modellen für schnelle Reservoirsimulation und Optimierungsstudien. Dies wird bequem als das gekoppelte ML-metaheuristische Paradigma bezeichnet. Im Allgemeinen wurde das Proxy-Modellieren umfassend erforscht, da der traditionelle numerische Reservoirsimulation (NRS) ein hoher rechentechnischer Aufwand erforderlich ist. ML und das oben genannte gekoppelte Paradigma sind effektiv bei der Etablierung von Proxy-Modellen. Wir führen eine Umfrage zur Anwendung von ML und dem gekoppelten Paradigma im Proxy-Modellieren von NRS durch. Wir präsentieren die jeweiligen erfolgreichen Anwendungen, wie sie in der Literatur berichtet werden. Die Vorteile und Einschränkungen dieser Methoden im intelligenten Proxy-Modellieren werden kurz erläutert. Wir sind der Meinung, dass einige Forschungsbereiche, einschließlich Sampling-Techniken und Methoden zur Dimensionsreduktion, es wert sind, als Teil der zukünftigen Forschungsentwicklung dieser Technologie untersucht zu werden.