在基于单元格的变异图计算中使用遗传算法进行优化,以模拟矿床

IF 0.1 Q4 ENERGY & FUELS Fuentes el Reventon Energetico Pub Date : 2021-06-28 DOI:10.18273/revfue.v19n1-2021002
C. Portilla, Dennis Lucín, Carlos Malavé, Richard Baque, Romel Erazo-Bone, Elvira Del Pezo, J. Ramirez, K. Escobar-Segovia
{"title":"在基于单元格的变异图计算中使用遗传算法进行优化,以模拟矿床","authors":"C. Portilla, Dennis Lucín, Carlos Malavé, Richard Baque, Romel Erazo-Bone, Elvira Del Pezo, J. Ramirez, K. Escobar-Segovia","doi":"10.18273/revfue.v19n1-2021002","DOIUrl":null,"url":null,"abstract":"La importancia de analizar la continuidad y regularidad de las características de un yacimiento está en desarrollar una mejor predicción de reservas de petróleo in situ, por lo tanto, es necesario conocer como estos parámetros van a estar dispersos. Incorporando la totalidad de la información de la que se dispone de la zona de estudio, realizamos el proceso de caracterización del reservorio que tiene como objetivo simular un modelo del yacimiento lo más cercano a la realidad posible. Para esto se aplica el análisis de los variogramas como técnica geoestadística, que permite analizar el comportamiento espacial de las variables regionalizadas o propiedades del reservorio. Para dicho cálculo se deben definir algunos parámetros como datos de entrada para el modelamiento. En el presente trabajo se desarrolló un algoritmo que permita automatizar el cálculo de variogramas para la optimización de la selección de los parámetros que se necesitan para su ajuste en el modelamiento geoestadístico. Esta técnica consiste en la implementación de Algoritmos Genéticos (AG), probados por medio de la experimentación, que pueden ser utilizados para la optimización del cálculo de variograma basadas en celdas o malla. La técnica de Algoritmos Genéticos (AG) explota la información histórica (memoria implícita) del reservorio, para considerar nuevas zonas de interés con alto potencial de almacenamiento de hidrocarburo, para lo cual se ha ido construyendo el algoritmo para que mejore el cálculo y el ajuste variográfico.","PeriodicalId":41949,"journal":{"name":"Fuentes el Reventon Energetico","volume":" ","pages":""},"PeriodicalIF":0.1000,"publicationDate":"2021-06-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Utilización de algoritmos genéticos para la optimización en el cálculo de variogramas basadas en celdas para la simulación de un yacimiento\",\"authors\":\"C. Portilla, Dennis Lucín, Carlos Malavé, Richard Baque, Romel Erazo-Bone, Elvira Del Pezo, J. Ramirez, K. Escobar-Segovia\",\"doi\":\"10.18273/revfue.v19n1-2021002\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"La importancia de analizar la continuidad y regularidad de las características de un yacimiento está en desarrollar una mejor predicción de reservas de petróleo in situ, por lo tanto, es necesario conocer como estos parámetros van a estar dispersos. Incorporando la totalidad de la información de la que se dispone de la zona de estudio, realizamos el proceso de caracterización del reservorio que tiene como objetivo simular un modelo del yacimiento lo más cercano a la realidad posible. Para esto se aplica el análisis de los variogramas como técnica geoestadística, que permite analizar el comportamiento espacial de las variables regionalizadas o propiedades del reservorio. Para dicho cálculo se deben definir algunos parámetros como datos de entrada para el modelamiento. En el presente trabajo se desarrolló un algoritmo que permita automatizar el cálculo de variogramas para la optimización de la selección de los parámetros que se necesitan para su ajuste en el modelamiento geoestadístico. Esta técnica consiste en la implementación de Algoritmos Genéticos (AG), probados por medio de la experimentación, que pueden ser utilizados para la optimización del cálculo de variograma basadas en celdas o malla. La técnica de Algoritmos Genéticos (AG) explota la información histórica (memoria implícita) del reservorio, para considerar nuevas zonas de interés con alto potencial de almacenamiento de hidrocarburo, para lo cual se ha ido construyendo el algoritmo para que mejore el cálculo y el ajuste variográfico.\",\"PeriodicalId\":41949,\"journal\":{\"name\":\"Fuentes el Reventon Energetico\",\"volume\":\" \",\"pages\":\"\"},\"PeriodicalIF\":0.1000,\"publicationDate\":\"2021-06-28\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Fuentes el Reventon Energetico\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.18273/revfue.v19n1-2021002\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"ENERGY & FUELS\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Fuentes el Reventon Energetico","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18273/revfue.v19n1-2021002","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"ENERGY & FUELS","Score":null,"Total":0}
引用次数: 0

摘要

分析储层特征的连续性和规律性的重要性在于更好地预测油田的储量,因此有必要知道这些参数将如何分散。结合研究区域现有的所有信息,我们进行了储层表征过程,旨在模拟尽可能接近现实的储层模型。本研究的目的是分析储层的空间行为,以确定储层的区域特征。对于这种计算,必须定义一些参数作为建模的输入数据。本文提出了一种自动计算变异图的算法,以优化地质统计建模中调整所需参数的选择。该技术包括实现遗传算法(ga),通过实验验证,可用于优化基于单元格或网格的方差图计算。遗传算法(ga)技术利用储层的历史信息(隐式记忆),考虑具有高油气储存潜力的新感兴趣区域,为此建立了算法,以改进计算和方差调整。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
Utilización de algoritmos genéticos para la optimización en el cálculo de variogramas basadas en celdas para la simulación de un yacimiento
La importancia de analizar la continuidad y regularidad de las características de un yacimiento está en desarrollar una mejor predicción de reservas de petróleo in situ, por lo tanto, es necesario conocer como estos parámetros van a estar dispersos. Incorporando la totalidad de la información de la que se dispone de la zona de estudio, realizamos el proceso de caracterización del reservorio que tiene como objetivo simular un modelo del yacimiento lo más cercano a la realidad posible. Para esto se aplica el análisis de los variogramas como técnica geoestadística, que permite analizar el comportamiento espacial de las variables regionalizadas o propiedades del reservorio. Para dicho cálculo se deben definir algunos parámetros como datos de entrada para el modelamiento. En el presente trabajo se desarrolló un algoritmo que permita automatizar el cálculo de variogramas para la optimización de la selección de los parámetros que se necesitan para su ajuste en el modelamiento geoestadístico. Esta técnica consiste en la implementación de Algoritmos Genéticos (AG), probados por medio de la experimentación, que pueden ser utilizados para la optimización del cálculo de variograma basadas en celdas o malla. La técnica de Algoritmos Genéticos (AG) explota la información histórica (memoria implícita) del reservorio, para considerar nuevas zonas de interés con alto potencial de almacenamiento de hidrocarburo, para lo cual se ha ido construyendo el algoritmo para que mejore el cálculo y el ajuste variográfico.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
CiteScore
0.80
自引率
0.00%
发文量
7
审稿时长
15 weeks
期刊最新文献
EVALUATION OF AN HPHT UNIT COUPLED WITH NIR PROBE TO DETERMINE ASPHALTENES PRECIPITATION ONSET UNDER DIFFERENT PRESSURES SISTEMAS FOTOVOLTAICOS EN SECTORES DEL ECUADOR CON DIFÍCIL ACCESO Y/O DESPROVISTOS DE SERVICIO ELÉCTRICO: UN ESTUDIO DESDE LAS EXPERIENCIAS LATINOAMERICANAS ENERGY EFFICIENCY AND SECONDARY RECOVERY: TWO MANAGEMENT OPTIONS FOR A MATURE FIELD IN ECUADOR LA TRANSICIÓN DESDE LA MIRADA DE UNA REVISTA VIABILIDADE DE IMPLEMENTAÇÃO DA ENERGIA MAREMOTRIZ EM PLATAFORMAS PETROLÍFERAS OFFSHORE NA BACIA DO FOZ DO AMAZONAS
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1