注水的matlab代码-SPM-Field-CO2Flood:基于现场的SPM-CO2驱案例的优化

注水的matlab代码SPM-Field-CO2洪水 基于现场的智能代理模型-二氧化碳驱案例的优化 二氧化碳注入是成熟领域中最常用的EOR方法之一。 将CO2注入油藏时，它将降低油的粘度，对碳酸盐和Shaley岩石产生酸性作用，使油溶胀，并根据可混溶条件降低油与水之间的IFT。 在计划二氧化碳注入项目时，通常需要进行概念设计研究。 在项目获得批准之前，需要传递几个阶段和设计变量。 其中之一是储层工程设计研究。 进行设计时，需要进行优化以找到最佳的流程设计。 这样做会花费很多时间，因为常规油藏模拟要花费很多时间才能生成一个案例，所以不要忘记优化问题是一个复杂的问题。 使用智能代理模型（SPM）替代我们的储层模型，并与优化算法结合使用有助于解决此问题。 在这项研究中，进行了一项优化研究，以最大限度地提高在CO2驱油合成案例中产生的总油量。 我们使用人工神经网络（ANN）构建的SPM将运行一个案例的运行时间从4.5分钟减少到不到10秒。 然后，将遗传算法（GA）与我们的SPM结合起来以解决优化问题。 优化算法所达到的最佳条件随后在Eclipse中进行了测试。 它表明，与Eclipse运行结果