به کارگیری الگوریتم های بهینه سازی و پارامتری سازی در تلفیق داده های لرزه ای و نگاره ای چاه ها در فرایند ساخت و به روزرسانی مدل های رخساره ای

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 94

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JRAG-8-2_003

تاریخ نمایه سازی: 12 تیر 1402

چکیده مقاله:

در این پژوهش به مساله تلفیق داده های نگاره ای چاه ها و لرزه ای دوبعدی/سه بعدی در فرآیند مدل سازی رخساره ای مخزن پرداخته شده است. به این منظور دو روش از دسته روش های موسوم به چرخه انطباق با داده های لرزه ای معرفی شده است. در روش اول، از الگوریتم بهینه سازی ازدحام ذرات به منظور پیدا کردن مقدار بهینه پارامتر تغییر روش آشفتگی احتمال استفاده شده است. به کارگیری روش آشفتگی احتمال به منظور تبدیل مساله بهینه سازی با Nپارامتر به یک مساله بهینه-سازی با یک پارامتر می باشد. در روش دوم، در غیاب روش های پارامتری سازی، مساله به روزرسانی مدل های رخساره ای، یک مساله بهینه سازی با Nپارامتر مجهول خواهد بود. واضح است با افزایش تعداد پارامترهای مجهول بهینه سازی، دقت الگوریتم های بهینه سازی در یافتن جواب بهینه کاهش می یابد. یکی از روش های فائق آمدن بر این مشکل، طراحی الگوریتم هایی با توانایی بالاتر می باشد. در روش دوم سعی شده است با تلفیق عملگر تقاطع در الگوریتم کلونی زنبور مصنوعی، توازن مناسبی میان توانایی های اکتشاف و استخراج آن برقرار شود. برای ارزیابی دقت عملکرد روش های پیشنهادی، از یک مدل مصنوعی سه بعدی مخزن (مدل مرجع) استفاده شد. مدل های رخساره ای ساخته شده بوسیله روش های "آشفتگی احتمال-ازدحام ذرات" و " کلونی زنبور مصنوعی-ژنتیک" به ترتیب دارای یک تفاوت ۶۵/۶ و ۹۹/۰ درصدی با مدل رخساره ای مرجع بود. برای نشان دادن توانایی الگوریتم های پیشنهادی در ساخت و به روزرسانی مدل های رخساره ای، دو روش سنتی زمین آماری به مساله موردنظر اعمال شد. نتایج حاصل نشان داد که به کارگیری روش های "آشفتگی احتمال-ازدحام ذرات" و" کلونی زنبور مصنوعی-ژنتیک" به ترتیب با یک افزایش دقت ۸/۱۸ و ۴۶/۲۴ درصدی در تفاوت با مدل رخساره ای مرجع، نسبت به روش های زمین آماری همراه بود. در پایان عملکرد روش " کلونی زنبور مصنوعی-ژنتیک" بر روی دو مدل مخزن مصنوعی بزرگ تر و پیچیده تر ارزیابی شد.

کلیدواژه ها:

مدل سازی رخساره ای ، بهینه سازی ، روش های پارامتری سازی ، الگوریتم زنبور عسل ، داده های لرزه ای

نویسندگان

ایمان فتاحی دهکردی

کارشناس ارشد مهندسی کامپیوتر؛ دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر

امیر محمد مهدوی راد

کارشناس مهندسی نفت؛ دانشکده نفت شهید تندگویان، دانشگاه صنعت نفت

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 :
  • Abdel-Fattah, M. I., Metwalli, F. I., & El Sayed, I. ...
  • Adelu, A. O., Aderemi, A. A., Akanji, A. O., Sanuade, ...
  • Agwu, O. E., Okoro, E. E., & Sanni, S. E. ...
  • Asghar, S., Choi, J., Yoon, D., & Byun, J. (۲۰۲۰). ...
  • Besag, J., Green, P.J., ۱۹۹۳. Spatial statistics and Bayesian computation. ...
  • Bornard, R., Allo, F., Coléou, T., Freudenreich, Y., Caldwell, D. ...
  • Caers, J. and Hoffman, T., ۲۰۰۶. The probability perturbation method: ...
  • Castro, S. A., Caers, J., Otterlei, C., Meisingset, H., Hoye, ...
  • Celma, R. I., Singh, N., Ouldamer, K., & Debec, P. ...
  • Del Valle, Y., Venayagamoorthy, G. K., Mohagheghi, S., Hernandez, J. ...
  • Ding, S., Lu, R., Xi, Y., Liu, G., & Ma, ...
  • Doyen, P. (۲۰۰۷). Seismic reservoir characterization: An earth modelling perspective, ...
  • Eberhart, R., & Kennedy, J. (۱۹۹۵). A new optimizer using ...
  • Eberhart, R. C., & Shi, Y. (۱۹۹۸). Comparison between genetic ...
  • Emami Niri, M., & Lumley, D. E. (۲۰۱۵). Simultaneous optimization ...
  • Gao, J., Zheng, Y., Ni, K., Zhang, H., Hao, B., ...
  • Grana, D., Mukerji, T., Dvorkin, J. and Mavko, G. (۲۰۱۲). ...
  • Hoffman, B.T. and Caers, J., ۲۰۰۳, January. Geostatistical history matching ...
  • Kassem, H. S. (۲۰۱۹). Oil and gas production system optimization ...
  • Kozlovskaya, E., Vecsey, L., Plomerová, J., & Raita, T. (۲۰۰۷). ...
  • Kumar, A. (۲۰۲۱). Hybrid Evolutionary Optimization Approach for Oilfield Well ...
  • Liu, C., Wu, L., Huang, X., & Xiao, W. (۲۰۲۲). ...
  • Marini, F., & Walczak, B. (۲۰۱۵). Particle swarm optimization (PSO). ...
  • Ojugo, A. A., & Obruche, C. O. (۲۰۲۲). Quest For ...
  • Ravalec-Dupin, L., Enchery, G., Baroni, A., & Da Veiga, S. ...
  • Sakhautdinov, I., & Vakhitova, G. (۲۰۱۸). Prediction reservoirs based on ...
  • Salman, N., Lawi, A., & Syarif, S. (۲۰۱۸, November). Artificial ...
  • Schwarzbach, C., Börner, R. U., & Spitzer, K. (۲۰۰۵). Twodimensional ...
  • Semnani, A., Ostadhassan, M., Xu, Y., Sharifi, M., & Liu, ...
  • Shams, M., El-Banbi, A., & Sayyouh, M. H. (۲۰۲۱, September). ...
  • Solanki, P., Baldaniya, D., Jogani, D., Chaudhary, B., Shah, M., ...
  • Su-Mei, H., Zhao-Hui, S., Meng-Ke, Z., San-Yi, Y., & Shang-Xu, ...
  • Okwu, M. O., & Tartibu, L. K. (۲۰۲۱). Introduction to ...
  • Zhang, T., Tang, Z., Wu, J., Du, X., & Chen, ...
  • Zhan, Z. H., Zhang, J., Li, Y., & Chung, H. ...
  • Zhou, J., Mannini, A., & Cocker, J. (۲۰۲۲, February). Petro-elastic ...
  • نمایش کامل مراجع