嵌入粗网格模拟器的油藏动态高效代理建模方法

本发明涉及油藏数值模拟领域，提供一种嵌入粗网格模拟器的代理建模方法，以解决时空外推性能差与长时预测不稳定问题。所述方法将粗网格数值模拟器作为物理先验模块嵌入多分辨率融合神经网络结构（MNN），借助傅里叶神经算子（FNO）捕捉其中的复杂非线性关系，进而实现对压力、含油饱和度、含气饱和度等多物理场的高效、长时序、稳定预测。该方法以粗网格数值解为中间驱动，通过模块化的MNN网络融合多尺度物理信息，显著提升了代理模型的物理一致性与时空泛化能力。模型中利用FNO提取粗网格模拟结果场的全局频域特征，经多案例验证，其在多种粗化尺度与井控条件下均表现出良好的时空外推性能。本发明兼具数值模拟的稳健性与深度学习的高效性。