Zastosowanie algorytmu mrówkowego w procesie kalibracji symulacyjnego modelu złożowego

• Autorzy: Łętkowski P.

Warianty tytułu

EN

Automatic history matching of reservoir simulation models by using Ant Colony Optimization algorithm

• Języki publikacji: PL

Abstrakty

PL

Artykuł poświęcony jest analizie możliwości zastosowania tzw. algorytmu mrówkowego w procesie kalibracji pełnoskalowego symulacyjnego modelu złoża. Tradycyjna metoda kalibracji polegająca na wielokrotnym powtarzaniu procedury: symulacja - analiza wyników - modyfikacja modelu jest czasochłonna i wymaga dużej wiedzy i doświadczenia. Proponowane podejście należy do grupy metod opierających się na tzw. próbkowaniu stochastycznym i jest jedną z najbardziej efektywnych metod wspomagania procesu kalibracji modelu symulacyjnego. W porównaniu z innymi metodami algorytm mrówkowy charakteryzuje się małą liczbą parametrów ustalanych arbitralnie oraz dużą efektywnością w przeszukiwaniu przestrzeni rozwiązań.

EN

The article presents the analysis of possible applications of ant colony optimization algorithm in the 'history matching' process of real 3D reservoir simulation models. The traditional method based on multiple repetition of the same procedure of simulation - result analysis - model modification is time consuming and requires considerable knowledge and experience. Ant colony optimization is one of the most effective metaheuristic based on stochastic sampling. In comparison with other methods ACO is characterized by a small number of free parameters and high efficiency in the search for space solutions.

Słowa kluczowe

PL

algorytm mrówkowy; metoda kalibracja pełnoskalowego modelu złożowego; symulacja numeryczna

EN

ant colony optimization; calibration method; numerical simulation; reservoir simulation models

• Wydawca: Instytut Nafty i Gazu - Państwowy Instytut Badawczy
• Czasopismo: Nafta-Gaz
• Rocznik: 2012
• Tom: R. 68, nr 2
• Strony: 98--104
• Opis fizyczny: Bibliogr. 20 poz.,

Twórcy

autor

Łętkowski P.

• Zakłas Symulacji Złóż Węglowodorów i Podziemnych Magazynów Gazu, Instytut Nafty i Gazu, Kraków

Bibliografia

• 1. Anterion F., Eymard F.: Use of parameter gradients for reservoir history matching. SPE Symposium on Reservoir Simulation. Houston, Texas, USA. 6–8 February 1989.
• 2. Arabas J.: Wykłady z algorytmów ewolucyjnych. Wydanie drugie. Wydawnictwo Naukowo-Techniczne. Warszawa 2004.
• 3. Bonabeau B., Dorigo M., Theraukaz G.: Inspiration for optimization from social insect behavior. „Nature” 2000, vol. 406, no. 6791, s. 39–42.
• 4. Castellini A., Gullapalli I., Hoang V., Condon P.: Quantifying uncertainty in production forecast for fields with significant history: a West African case study. IPTC 10987, International Petroleum Technology Conference. Doha, Qatar. 21–23 November 2005.
• 5. Chen W. H., Gavalas G. R., Seinfelt J. H., Wasserman M. L.: A new algorithm for automatic history matching. SPE 4545. „SPE Journal” 1974, vol. 14, no. 6, s. 593–608.
• 6. Dorigo M., Di Caro G., Gambardella L.: Ant algorithm for discrete optimization. „Artificial Life” 1999, vol. 5, no. 2, s. 137–172.
• 7. Gao G., Li G., Reynolds A. C.: A stochastic optimization algorithm for automatic history matching. SPE 90065. „SPE Journal” 2007, vol. 12, no. 2, s. 196–208.
• 8. Gwiazda T. D.: Algorytmy genetyczne – kompendium. Tom II. Operator mutacji dla problemów numerycznych. Wydawnictwo Naukowe PWN. Warszawa 2007.
• 9. Gwiazda T. D.: Algorytmy genetyczne – kompendium. Tom I. Operator krzyżowania dla problemów numerycznych. Wydawnictwo Naukowe PWN. Warszawa 2007.
• 10. 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, USA. 11–14 November 2007.
• 11. Kathrada M.: Uncertainty evaluation of reservoir simulation models using particle swarms and hierarchical clustering. PhD thesis. Institute of Petroleum Engineering, Heriot Watt University. Edinburgh, United Kingdom 2009.
• 12. 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, USA. 31 January–2 February 2005.
• 13. Lodoen O. P., More H.: Scale-corrected ensemble kalman filter applied to production-history conditioning in reservoir evaluation. SPE 111374. „SPE Journal” 2008, vol. 13, no. 2, s. 177–194.
• 14. Mantica S., Cominelli A., Mantica G.: Combining global and local optimization techniques for automatic history matching production and seismic data. SPE 78253. „SPE Journal” 2002, vol. 7, no. 2, s. 123–130.
• 15. Maucec M., Douma S., Hohl D., Lequijt J., Jimenez E. A., Gupta A. D.: Stremline based history matching and uncertainty, Markov-Chain Monte Carlo study of an offshore oil field. SPE 109943. SPE Annual technical Conference and Exhibition. Anaheim, California, USA. 11–14 November 2007.
• 16. Mohamed L., Christie M., Demyanov V.: Comparison of stochastic sampling algorithms for uncertainty quantification. SPE 119139. SPE Reservoir Simulation Symposium. Woodlands, Texas, USA. 2–4 February 2009.
• 17. Sousa S. H. G., Maschio C., Schiozer D. J.: Scatter search metaheuristic applied to the history matching problem. SPE 102975. SPE Annual Technic Conference and Exhibition. San Antonio, Texas, USA. 24–27 September 2006.
• 18. Subbey S., Christie M., Sambridge M.: A strategy for rapid quantification of uncertainty in reservoir performance prediction. SPE 79678. SPE Reservoir Simulation Symposium. Houston, USA. 3–5 February 2003.
• 19. Sultan A. J., Quenes A., Weiss W. W.: Automatic History matching for an integrated reservoir description and improving oil recovery. SPE 27712. Permian Basin Oil and Gas Recovery Conference. Midland, Texas, USA. 3–5 February.
• 20. Yang C., Nghiem L., Card C.: Reservoir model uncertainty qualification through computer-assisted history matching. SPE 109825. SPE Annual Conference and Exhibition. Anaheim, California, USA. 11–14 November 2007