Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first previous next last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-9afe8834-e19f-477d-9cfa-f81030c77076

Czasopismo

Prace Naukowe Instytutu Nafty i Gazu

Tytuł artykułu

Hybridization of Multi-Agent Optimization Methods Applied to the Calibration Process of Reservoir Modelling

Autorzy Łętkowski, P. 
Treść / Zawartość http://www.inig.pl/wydawnictwa-inig-pib/prace-naukowe-inig-pib
Warianty tytułu
PL Hybrydyzacja optymalizacyjnych metod wieloagentowych w zastosowaniu do procesu kalibracji modeli złożowych
Konferencja Geopetrol 2016 : Współpraca nauki i przemysłu w rozwoju poszukiwań i eksploatacji złóż węglowodorów : X Międzynarodowa Konferencja Naukowo-Techniczna : Zakopane 19--22.09.2016
Języki publikacji EN
Abstrakty
EN Multi-agent system denotes a group of agents (solutions) that cooperate and exchange information in order to meet the common target of finding a minimum of a given function and, thus, to realize the optimization method. These methods are typically modified for enhancing their effectiveness – the process called hybridization. This presentation includes the effects of hybridization applied to the method of Particle Swarm Optimization used to solve the problem of reservoir model calibration. In mathematical terms the calibration problem is an example of an optimization problem that cannot be solved with traditional methods because: (i) the problem is ill-posed, (ii) the problem is of the global optimization type (iii) the space of solutions is multidimensional with a big number of dimensions, (iv) the target function evaluation is very time consuming. The hybridization applied to the method is shown to be more convergent and effective than the original one.
PL Pod pojęciem optymalizacyjnych systemów wieloagentowych należy rozumieć grupę agentów (rozwiązań), które współpracują wymieniając informacje w celu osiągnięcia wspólnego celu, którym jest znalezienie globalnego minimum funkcji. Metody te są nierzadko modyfikowane – proces ten nazywa się hybrydyzacją. W pracy przedstawiono efekty hybrydyzacji wybranej wieloagentowej metody optymalizacyjnej przy kalibracji symulacyjnego modelu złożowego. Z matematycznego punktu widzenia problem kalibracyjny jest przykładem problemu optymalizacyjnego, który nie może być rozwiązany metodami tradycyjnymi, ponieważ: (i) jest źle uwarunkowany, (ii) jest problemem optymalizacji globalnej, (iii) przestrzeń rozwiązań jest wielowymiarowa z dużą liczba wymiarów, (iv) wyznaczenie funkcji celu jest czasochłonne. Zastosowana hybrydyzacja wskazuje na istotną poprawę zbieżności i efektywności w porównaniu z oryginalną metodą optymalizacji.
Słowa kluczowe
PL systemy wieloagentowe   optymalizacja   hybrydyzacja  
EN multi-agent systems   optimization   hybridization  
Wydawca Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Czasopismo Prace Naukowe Instytutu Nafty i Gazu
Rocznik 2016
Tom nr 209 wyd. konferencyjne
Strony 837--842
Opis fizyczny Bibliogr. 16 poz., wykr.
Twórcy
autor Łętkowski, P.
  • Instytut Nafty i Gazu – Państwowy Instytut Badawczy
Bibliografia
[1] Łętkowski, P, Szott, W. – Determination of Basic Reservoir Parameters in Shale Formation as a solution of Inverse Problem in the Computer Assisted History Matching of their Simulation models. Part I – Introduction to Methodology and Initial Tests. Nafta-Gaz 2015, no 11, ss. 870 – 876.
[2] Np. – Basic elements of a reservoir characterization study. PetroWiki – Published by SPE International. (http://petrowiki.org/Basic_elements_of_a_reservoir_characterization_study).
[3] Dean S. Oliver, Albert C. Reynolds, Ning Liu – Inverse Theory for Petroleum Reservoir Characterization and History Matching. Cambridge University Press, May 2008.
[4] Chen W.H., Gavalas G.R., Seinfelt J.H., Wasserman M.L. – A new algorithm for automatic history matching. SPE 4545. SPE J. 1974, vol. 14(6), pp. 593 – 608.
[5] Anterion F., Eymard F. – Use of parameter gradients for reservoir history matching. SPE Symposium on Reservoir Simulation, Houston, Texas 6 – 8 February 1989.
[6] Liu N., Olivier D.S. – Critical evaluation of the Ensemble Kalman Filter on History Matching of Geologic Facies. SPE 92867. SPE Reservoir Simulation Symposium. The Woodlands, Texas 31 January – 2 February 2005.
[7] Jafarpour B., Mc Laughlin D.B. – History Matching with an Ensemble Kalman Filter and Discrete Cosine Parametrization. SPE 108761. SPE Annual Technical Conference and Exhibition, Anaheim, California 11–14 November 2007.
[8] Lodoen O.P., More H. – Scale-corrected ensemble kalman filter applied to production-history conditioning in reservoir evaluation. SPE 111374. SPE J. 2008, vol. 13(2), pp. 177–194.
[9] Mohamed L., Christie M., Demyanov V. – Comparison of stochastic sampling algorithms for uncertainty quantification. SPE 119139. SPE Reservoir Simulation Symposium, Woodlands, Texas 2– 4 February.
[10] Kathrada M. – Uncertainty evaluation of reservoir simulation models using particle swarms and hierarchical clustering. PhD thesis 2009, Institute of Petroleum Engineering, Heriot Watt University, Edinburgh, United Kingdom.
[11] Bonabeau B., Dorigo M., Theraukaz G. – Inspiration for optimization from social insect behavior. Nature 2000, vol. 406(6791), pp. 39 – 42.
[12] Łętkowski P. – Zastosowanie algorytmu mrówkowego w procesie kalibracji symulacyjnego modelu złożowego. Nafta-Gaz 2012, no. 2, ss. 98 –104.
[13] Łętkowski P. – Zastosowanie hybrydowej metody optymalizacji rojem cząstek w procesie automatycznej kalibracji modeli złożowych. Nafta-Gaz 2014, no. 11, ss. 784 – 793.
[14] Goda T., Sato Kozo – History matching with iterative Latin hypecube samplings and parameterization of reservoir heterogeneity. Journal of Petroleum Science and Engineering 2014, vol. 114, pp. 61–73.
[15] X.-S. Yang, S. Deb – Cuckoo search via Lévy flights. [In:] Proceedings of the IEEE World Congress on Nature & Biologically Inspired Computing (NaBIC) 2009, pp. 201 – 214.
[16] Molga, M., Smutnicki, C. – Test functions for optimization needs. 2005 (unpublished).
Uwagi
Artykuł w części: Warsztaty V. Modelowanie i symulacje złożowe – nowe metody i zastosowania
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-9afe8834-e19f-477d-9cfa-f81030c77076
Identyfikatory