上证报中国证券网讯（记者韩远飞）日前，中国科学院沈阳自动化研究所工业控制网络与系统研究室科研团队在油气人工智能领域取得进展。针对复杂油藏渗流场快速精准预测难题，沈阳自动化所提出一种物理信息深度算子建模方法（PI-DeepOKAN），为油藏动态模拟与智能决策提供了高效的工具。

　　团队构建了输出头重加权的多分支深度算子架构，用于统一表征油藏静态地质参数与动态生产条件。针对压力场与饱和度场的不同演化规律，团队引入注意力机制，自适应调整地质参数与井控信息的融合权重，克服了传统深度算子网络多源信息固定融合的缺陷。

　　同时，研究融合Kolmogorov-Arnold（KA）网络的可学习非线性映射能力，显著提升模型在强非均质储层、有限样本条件下对复杂多相流规律的刻画能力。团队还构建了涵盖多相流控制方程、初始条件、内外边界条件及断层界面约束的全链条物理信息损失函数，确保模型预测结果严格符合油藏流动机理。

　　实验结果表明，PI-DeepOKAN能够精准刻画复杂油藏压力传播与水驱前缘演化，在保证物理一致性的同时，大幅提升预测效率，可作为油藏快速模拟、生产动态分析与智能优化决策的高效代理模型。