Método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes

History Matching is a very important process used in managing oil and gas production since it aims to adjust a reservoir model until it closely reproduces the past behavior of a actual reservoir, so it can be used to predict future production. This work proposes the use of an iterative method cal...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Oliveira, Samuel da Silva
Outros Autores: Carvalho, Bruno Motta de
Formato: doctoralThesis
Idioma:pt_BR
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
Computação
History matching
Superiorization method
Parallelism
Seismics
Smoothness
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Endereço do item:https://repositorio.ufrn.br/handle/123456789/52424
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-52424
record_format dspace
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic Computação
History matching
Superiorization method
Parallelism
Seismics
Smoothness
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
spellingShingle Computação
History matching
Superiorization method
Parallelism
Seismics
Smoothness
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Oliveira, Samuel da Silva
Método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes
description History Matching is a very important process used in managing oil and gas production since it aims to adjust a reservoir model until it closely reproduces the past behavior of a actual reservoir, so it can be used to predict future production. This work proposes the use of an iterative method called superiorization for the constrained optimization of a reservoir production model. The superiorization method is a bi-objective optimization approach, where the first objective is the production result and the second is a measure of the smoothness by parts of the reservoir. The second criterion seeks to optimize its functional without negatively affecting the optimization of the first criterion. The superiorization method is used in conjunction with some iterative algorithm. Our work used the tabu search algorithm in conjunction with superiorization. As a comparative approach for these algorithms, a non-superiorized genetic algorithm was developed, given that this technique is widely used in the literature to solve history matching. Tests were also performed with the non-superiorized tabu search to see how the superiorized algorithm differs. Both techniques are iterative and use population approaches. As the problem addressed is an inverse problem that is usually severely underdetermined, several possible solutions may exist for its resolution. Due to this, we also propose the use of seismic data from the reservoirs to use these data to verify the faults present in the reservoir. We can use piecewise smooth functions to reduce the number of possible results through regularization using the second optimization criterion of the superiorized version of the tabu search algorithm. Another critical factor in the history matching process is the simulation time, which is generally high. Thus, we also propose to investigate the use of parallelism of the solution using the CPU. The experiments were carried out in a 3D reservoir model to find correspondence for gas, oil, and water production values. The results obtained during the research show that the parallel approach decreases the execution time by up to 70%. The genetic approach obtained better mean values using statistical tests regarding the precision of the result. However, the tabu search and the superiorization method showed similar results but were more stable since the results of this algorithm have less variation.
author2 Carvalho, Bruno Motta de
author_facet Carvalho, Bruno Motta de
Oliveira, Samuel da Silva
format doctoralThesis
author Oliveira, Samuel da Silva
author_sort Oliveira, Samuel da Silva
title Método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes
title_short Método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes
title_full Método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes
title_fullStr Método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes
title_full_unstemmed Método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes
title_sort método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes
publisher Universidade Federal do Rio Grande do Norte
publishDate 2023
url https://repositorio.ufrn.br/handle/123456789/52424
work_keys_str_mv AT oliveirasamueldasilva metodoparalelodesuperiorizacaoparaproblemasdeajustedehistoricousandopriorssismicosasuavidadeporpartes
AT oliveirasamueldasilva parallelizedsuperiorizationmethodforhistorymatchingproblemsusingseismicpriorsandsmoothnessinparts
_version_ 1773965914146865152
spelling ri-123456789-524242023-05-16T00:10:58Z Método paralelo de superiorização para problemas de ajuste de histórico usando priors sísmicos a suavidade por partes Parallelized superiorization method for history matching problems using seismic priors and smoothness in parts Oliveira, Samuel da Silva Carvalho, Bruno Motta de https://orcid.org/0000-0002-0104-0704 http://lattes.cnpq.br/8120721917914721 http://lattes.cnpq.br/0330924133337698 Kreutz, Márcio Eduardo http://lattes.cnpq.br/6374279398246756 Angeles, Edgar Garduno Fernandes, Islame Felipe da Costa Maia, Silvia Maria Diniz Monteiro Computação History matching Superiorization method Parallelism Seismics Smoothness CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO History Matching is a very important process used in managing oil and gas production since it aims to adjust a reservoir model until it closely reproduces the past behavior of a actual reservoir, so it can be used to predict future production. This work proposes the use of an iterative method called superiorization for the constrained optimization of a reservoir production model. The superiorization method is a bi-objective optimization approach, where the first objective is the production result and the second is a measure of the smoothness by parts of the reservoir. The second criterion seeks to optimize its functional without negatively affecting the optimization of the first criterion. The superiorization method is used in conjunction with some iterative algorithm. Our work used the tabu search algorithm in conjunction with superiorization. As a comparative approach for these algorithms, a non-superiorized genetic algorithm was developed, given that this technique is widely used in the literature to solve history matching. Tests were also performed with the non-superiorized tabu search to see how the superiorized algorithm differs. Both techniques are iterative and use population approaches. As the problem addressed is an inverse problem that is usually severely underdetermined, several possible solutions may exist for its resolution. Due to this, we also propose the use of seismic data from the reservoirs to use these data to verify the faults present in the reservoir. We can use piecewise smooth functions to reduce the number of possible results through regularization using the second optimization criterion of the superiorized version of the tabu search algorithm. Another critical factor in the history matching process is the simulation time, which is generally high. Thus, we also propose to investigate the use of parallelism of the solution using the CPU. The experiments were carried out in a 3D reservoir model to find correspondence for gas, oil, and water production values. The results obtained during the research show that the parallel approach decreases the execution time by up to 70%. The genetic approach obtained better mean values using statistical tests regarding the precision of the result. However, the tabu search and the superiorization method showed similar results but were more stable since the results of this algorithm have less variation. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES History Matching é um processo muito importante usado no manejo de produção de óleo e gás, já que tem como objetivo ajustar um modelo de reservatório até que reproduza aproximadamente o comportamento prévio de um reservatório real, podendo assim ser utilizado para prever produção futura. Este trabalho propõe a utilização de um método iterativo, chamado de superiorização, para otimização com restrições de um modelo de produção de um reservatório. O método de superiorização é uma abordagem de otimização biobjetivo, onde o primeiro objetivo é o resultado de produção e o segundo a suavidade por partes do reservatório. O segungo critério busca otimizar seu funcional sem que afete negativamente a otimização do primeiro critério. O método de superiorização é utilizado em conjunto com algum algoritmo iterativo. Em nosso trabalho, usamos o algoritmo de busca tabu em conjunto com a superiorização. Como abordagem comparativa para esses algoritmos, foi desenvolvido um algoritmo genético não superiorizado, dado que essa técnica é amplamente utilizada na literatura na resolução de history matching. Também foram realizados testes com a busca tabu não superiorizada, a fim de observar quanto o algoritmo superiorizado difere dos demais. Ambas as técnicas são iterativas e usam abordagens populacionais. Como o problema abordado é um problema inverso que geralmente é severamente subdeterminado, várias soluções possíveis podem existir para sua resolução. Devido a isso, nós também propomos a utilização de dados sísmicos dos reservatórios, para que através desses dados, se possa verificar as falhas presentes no reservatório. Desse modo, podemos usar valores de suavidade por partes, para então diminuir a quantidade de resultados possíveis através de uma regularização utilizando o segundo critério de otimização da versão superiorizada do algoritmo de busca tabu. Outro fator crítico no processo de history matching é o tempo de simulação, que é geralmente alto. Assim, também propomos investigar o uso de paralelismo da solução, utilizando CPU. Os experimentos são realizados em um modelo de reservatório 3D, buscando encontrar correspondência para os valores de prodição de gás, óleo e água. Os resultados obtidos durante a pesquisa mostram que a abordagem paralela diminui o tempo de execução em até 70%. Com a utilização de testes estatísticos, podemos afirmar que quanto a precisão do resultado, a abordagem genética obteve valores médios melhores, no entanto, a busca tabu juntamente com o método de superiorização mostraram resultados similares, porém mais estáveis, uma vez que os resultados desse algoritmo tem menos variações. 2023-05-16T00:10:24Z 2023-05-16T00:10:24Z 2023-02-13 doctoralThesis OLIVEIRA, Samuel da Silva. Parallelized superiorization method for history matching problems using seismic priors and smoothness in parts. Orientador: Bruno Motta de Carvalho. 2023. 80f. Tese (Doutorado em Ciência da Computação) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2023. https://repositorio.ufrn.br/handle/123456789/52424 pt_BR Acesso Aberto application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO

Registros relacionados