پیاده سازی الگوریتم نوین "جایگزین بهینه سازی شده شبیه ساز" در علوم زمین مطالعه موردی: "تطابق تاریخچه" در یکی از مخازن نفتی جنوب ایران

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 157

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IRPGA-1-1_001

تاریخ نمایه سازی: 22 شهریور 1401

چکیده مقاله:

اخیرا "مدل های جایگزین" و معادلات ریاضی به جای مدل مخزن واقعی در برخی از حوزه های علوم زمین مورد استفاده قرار گرفته است. در این مطالعه، سعی شده است با بهره­گیری از دانش "مدل جایگزین بهینه­سازی شده"، یکی از مهم ترین مراحل شناخت دقیق پارامترهای اصلی مخازن در "تطابق تاریخچه" با هدف زمان اجرای کمتر و شتاب بخشی به شبیه سازی انجام گیرد. در این مقاله جدیدترین رویکرد مدل جایگزین برای تطابق تاریخچه خودکار در یک میدان بزرگ در جنوب ایران با ۱۴ چاه با متغیرهای پاسخ های (تولید نفت، فشار ته چاه و فشار میانگین) استفاده شده است. روشی که به عنوان مدل پروکسی استفاده شده است، ماشین بردار پشتیبان حداقل مربعات است و برای نمونه­گیری اولیه روش CCF بکار گرفته شد. سپس برای پروکسی ساخته شده با استفاده از دو روش نوین بهینه­سازی، الگوریتم ژنتیک و بهینه سازی ازدحام ذرات، بهینه­سازی انجام شد. روش کار استفاده شده در این مقاله کدنویسی و برنامه نویسی در متلب و لینک آن با یکی از مهم ترین نرم­افزارهای شبیه­ساز مخزن (اکلیپس) برای بررسی و نهایی سازی پارامترها بود. در نتیجه، ساخت مدل پروکسی با استفاده از ۱۰۸۶ نمونه برای مجموعه داده های آموزشی و آزمایشی موفق عمل کرد. همچنین الگوریتم GA نتایج بهتری نسبت به PSO برای یافتن بهترین راه حل ارائه کرد.

کلیدواژه ها:

نویسندگان

مجتبی کریمی

Department of Petroleum Engineering, Amirkabir University of Technology, Tehran, Iran

علی مرتضوی

Department of Petroleum Engineering, Amirkabir University of Technology, Tehran, Iran

محمد احمدی

Department of Petroleum Engineering, Amirkabir University of Technology, Tehran, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ahmadi, M.A., & Bahadori, A. (۲۰۱۵). ALSSVM approach for determining ...
  • Al-Thuwaini, J., Zangl, G., & Earl Phelps, R. (۲۰۰۶). Innovative ...
  • Arief, I. H. (۲۰۱۳). Assisted History Matching : A Comprehensive ...
  • Arwini, S.G., & Stephen, K.D. (۲۰۱۱). Combining Experimental Design with ...
  • Bhark, E., & K,B. (۲۰۱۴). Assisted History Matching Benchmarking: Design ...
  • Dehghan Monfared, A., Helalizadeh, A., Parvizi, H., & Zobeidi, K. ...
  • Denney, D. (۲۰۱۰). Pros and Cons of Applying a Proxy ...
  • Espinoza, M., Suykens, A.K., & Moor, B.D. (۲۰۰۳). Least Square ...
  • Fedutenko, E., Yang, C., Card, C., & Nghiem, L. X. ...
  • Mohaghegh, S.D., Abdulla, F., Gaskari, R., & Maysami, M. (۲۰۱۵). ...
  • Mohaghegh, S.D., & Abdulla, F.A.S. (۲۰۱۴). Production Management Decision Analysis ...
  • Mohaghegh, S.D., Modavi, A., Hafez, M., & Haajizadeh. Y. (۲۰۰۶). ...
  • Mohamed Al-akhdar, S., Yu Ding, D., Dambrine, M., & Jourdan, ...
  • Panja, P., Pathak, M., Velasco, R., & Deo, M. (۲۰۱۶). ...
  • Ramgulam, A. (۲۰۰۶). Utilization Of Artificial Neural Networks In The ...
  • Shahkarami, A. (۲۰۱۲). Artificial Intelligence Assisted History Matching – Proof ...
  • Shahkarami, A., Mohaghegh, S.D., & Hajizadeh, Y. (۲۰۱۵). Assisted History ...
  • Shahkarami, A., Mohaghegh, S.D., Gholami, V., & Haghighat, S.A. (۲۰۱۴). ...
  • Silva, P. C., Maschio, C., & Schiozer, D. J. (۲۰۰۸). ...
  • Suykens, A.K., Gestel, J., Brabanter, T.V., Moor,J.D., & walle, J.V. ...
  • Van Doren, J., Van Essen, G., Wilson, O., Zijlstra, E., ...
  • Wang, J., & Buckley, J.S. (۲۰۰۶). Automatic History Matching Using ...
  • Wang, S., Zhao, G., Xu, L., Guo, D., & Sun, ...
  • Yao, S., & Prasad, V. (۲۰۱۵). Proxy Modeling of the ...
  • Zangl, G., Graf, T., & Al-Kinani, A. (۲۰۰۶). Proxy Modeling ...
  • نمایش کامل مراجع