Опыт решения задачи параметрического оценивания цифровых моделей нефтяного месторождения

В статье рассматривается автоматизированная система идентификации параметров цифровых моделей нефтяного месторождения. Исследуется применение методов оптимизации общего назначения, разработанных интеллектуальных алгоритмов оптимизации и других инструментов для поиска решения, анализа чувствительности и взаимозависимостей между искомыми параметрами. Предложенная система может быть использована в любых инженерных приложениях, где значение целевой функции зависит от результатов ресурсоемких расчетов.

Ключевые слова

идентификация параметров, оптимизация, генетические алгоритмы, нейронные сети, гидродинамическое моделирование

Литература

1. Ballester, P. J. A parallel real-coded genetic algorithm for history matching and its application to a real petroleum reservoir / P. J. Ballester, J. N. Carter //J. of Petroleum Science and Engineering. - 2007. - V. 59. - P. 157 - 168.
2. Evolutionary algorithms applied to history matching of complex reservoirs / R. Schulze-Riegert, J. Axmann, O. Haase, et al. // SPE Reservoir Evaluation & Engineering. - 2002. - V. 5, №. 2. - P. 163 - 173.
3. Gomez, S. Gradient-based history-matching with a global optimization method / S. Gomez, O. Gosselin, J. Barker // Society of Petroleum Engineering J. - 2001. - V. 6. - P. 200 - 208.
4. Javadi, A.A. A hybrid intelligent genetic algorithm / A.A. Javadi, R. Farmani, T.P. Tan // Advanced Engineering Informatics. - 2005. - V. 19, №. 4. - P. 255 - 262.
5. Kuo, J.-T. A hybrid neural-genetic algorithm for reservoir water quality management. / J.-T. Kuo, Y.-Y. Wang, W.-S. Lung // Water Res. - 2006. - Apr. - V. 40, №. 7. - P. 1367 - 1376.
6. Soleng, H. Oil reservoir production forecasting with uncertainty estimation using genetic algorithms / H. Soleng // Proc. Congress on Evolutionary Computation CEC 99. - V. 2. - 1999. - 6 - 9 July.
7. Srinivas, V. An integrated approach for optimum design of bridge decks using genetic algorithms and artificial neural networks / V. Srinivas, K. Ramanjaneyulu // Advances in Engineering Software. - 2006. - №. 38. - P. 475 - 487.
8. Wang, G.G. Review of metamodeling techniques in support of engineering design optimization / G.G. Wang, S. Shan // J. of Mechanical Design. - 2007. - V. 129, №. 4. - P. 370 - 380.
9. Wang, L. A hybrid genetic algorithm-neural network strategy for simulation optimization / L. Wang // Applied Mathematics and Computation. - 2005. - V. 170. - P. 1329 - 1343.
10. Кулешов, А.П. Когнитивные технологии в основанных на данных адаптивных моделях сложных объектов / А.П. Кулешов // Информационные технологии и вычислительные системы. - 2008. - № 1. - C. 18 - 29.
11. Льюнг, Л. Идентификация систем. Теория для пользователя: пер. с англ. / Л. Льюнг; Под ред. Я.З. Цыпкина. - М.: Наука; Гл. ред. физ.-мат. лит., 1991. - 432 с.
12. Цыпкин, Я.З. Информационная теория идентификации / Я.З. Цыпкин. - М.: Наука. Физматлит, 1995. - 336 с.