CONTROLLING WELLBORE EQUIPMENT USING A HYBRID DEEP GENERATIVE PHYSICS NEURAL NETWORK

A system includes equipment for at least one of formation of, stimulation of, or production from a wellbore, a processor, and a non-transitory memory device. The processor is communicatively coupled to the equipment. The non-transitory memory device contains instructions executable by the processor to cause the processor to perform operations comprising training a hybrid deep generative physics neural network (HDGPNN), iteratively computing a plurality of projected values for wellbore variables using the HDGPNN, comparing the projected values to measured values, adjusting the projected values using the HDGPNN until the projected values match the measured values within a convergence criteria to produce an output value for at least one controllable parameter, and controlling the equipment by applying the output value for the at least one controllable parameter. Un système comprend un équipement pour au moins la formation, la stimulation ou la production dun trou de forage, un processeur et un dispositif de mémoire non transitoire. Le processeur est raccordé en communication avec léquipement. Le dispositif de mémoire non transitoire contient des instructions exécutables par le processeur pour lui faire exécuter des opérations, dont lentraînement dun réseau neuronal profond génératif hybride fondé sur les lois de la physique (HDGPNN), le calcul itératif de plusieurs valeurs projetées pour des variables du trou de forage au moyen du HDGPNN, la comparaison des valeurs projetées et de valeurs mesurées, lajustement des valeurs projetées au moyen du HDGPNN jusquà ce que les valeurs projetées correspondent aux valeurs mesurées selon les critères de convergence pour produire une valeur de sortie pour au moins un paramètre contrôlable et le contrôle de léquipement en appliquant la valeur de sortie pour ledit paramètre.