بهبود تطابق تاریخچه مخازن شکافدار با استفاده از حداقل مربعات ماشین بردار پشتیبان و الگوریتم ازدحام ذرات

در این مقاله، از حداقل مربعات ماشین بردار پشتیبان به عنوان مدل پروکسی جهت تطابق تاریخچه مخازن شکافدار استفاده شده است. مدل پروکسی برای مدل سازی تابع هدف تطابق تاریخچه براساس داده های بدست آمده از میادین نفتی ساخته می شود. هدف از تطابق تاریخچه، حداقل سازی تابع هدف مربوطه می باشد. در این کار، تابع هدف مورد نظر بوسیله الگوریتم ازدحام ذرات به حداقل مقدار ممکن خود می رسد. در تطابق تاریخچه خودکار، آنالیز حساسیت سنجی اغلب بر روی مدل شبیه ساز اعمال می گردد. در این کار، برای بدست آوردن محدوده جدیدی از پارامتر های عدم قطعیت )پارامتر های تطابق( که در آنها تابع هدف حداقل مقدار را دارد، آنالیز حساسیت سنجی بر روی مدل پروکسی اعمال می گردد. به کارگیری محدوده های بهبود یافته مربوط به پارامتر های عدم قطعیت در الگوریتم بهینه سازی، منجر به افزایش سرعت بهینه سازی تابع هدف می شود و همچنین خروجی الگوریتم بهینه سازی که در واقع همان پارامتر های تطابق می باشند، در زمان کمتر و با دقت بیشتری تولید می گردند. کارایی رویه ارائه شده در این مقاله با کارایی روش معمول در تطابق تاریخچه مقایسه شده است. نتایج بدست آمده نشان می دهد که رویه ارائه شده، نتایج قابل اطمینان تر، سرعت همگرایی بیشتر و درجه خطای کمتری بین داده های واقعی و شبیه سازی شده را برای تطابق تاریخچه نسبت به روش معمول به ارمغان می آورد. همچنین به علت سرعت عملکرد بالا و عدم نیاز به تعداد بالایی از مجموعه داده ها، حداقل مربعات ماشین بردار پشتیبان می تواند گزینه مناسبی جهت ساخت مدل پروکسی باشد

کلیدواژه ها:

حداقل مربعات ماشین بردار پشتیبان ، مدل پروکسی ، الگوریتم ازدحام ذرات