摘要
针对油藏工程中历史拟合这一复杂的反演问题,本文提出 PetroGraph,一种用于智能历史拟合的多智能体框架。该系统将涉及参数选择、优化器配置及模拟执行等异构工作流分解为模型审查、实验规划、参数化、优化、模拟和总结等专业智能体。通过结合大语言模型与领域专用工具,PetroGraph 允许用户通过自然语言启动并引导历史拟合过程,同时保留对关键参数的显式控制。在三个不同复杂度的油藏模型上的评估表明,该方法能显著降低拟合误差,有效自动化关键决策并降低操作门槛。
AI 推荐理由
论文核心在于多智能体框架对复杂工作流的分解、实验规划及任务编排,属于典型的规划能力研究。
研究机构
Skoltech, AI Center, Moscow, Russia
AII.R, Moscow, Russia
论文信息