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。