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.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.