In den letzten Jahren ist die Erdölnachfrage in China kontinuierlich gestiegen, wodurch die Erschließung von Lagerstätten schwieriger wurde, und die Suche nach effizienten Lösungen zur Optimierung der Lagerstättenausbeute besonders wichtig ist. Die Brunnenstandort-Optimierung als Kernschritt in der Lagerstättenoptimierung erfordert bei den bestehenden Methoden meist eine Optimierung von Grund auf, was zu niedriger Effizienz führt. Um die Optimierungseffizienz zu steigern, wurde die Transferoptimierung auf das Problem der Brunnenstandort-Optimierung angewandt, indem Erfahrungen aus historischen Optimierungsaufgaben erlernt wurden, um eine effektive Suchrichtung für die aktuelle Aufgabe zu bieten. Es wurden drei domänenspezifische Adaptionsmethoden kombiniert: Denoising-Autoencoder, Kernel-Autoencoder und affine Transformation. Mittels linearer Regression wurde die lineare Korrelation zwischen Quell- und Zielaufgabe quantifiziert, die als Grundlage für die Auswahl der Adaptionsmethode dient. Durch Experimente an zwei Lagerstättenexemplaren zeigen die Ergebnisse, dass diese fusionierte domänenspezifische Adaptionsmethode die Suchleistung des Differenziellen Evolutionsalgorithmus deutlich verbessern kann und unter begrenzten Rechenressourcen bessere Brunnenoptimierungsergebnisse erzielt.

Brunnenstandort-Optimierung;domänenspezifische Adaptation;Evolutionsalgorithmus;lineare Regression