Помощь студентам в учебе
Разработка симулятора для долгосрочного хранения CO2 с использованием методов машинного обучения
|
ВВЕДЕНИЕ 16
1 ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ МОДЕЛИРОВАНИЯ ПОДЗЕМНОГО
ХРАНЕНИЯ СО2 17
1.1 PhysicalModel 18
1.2 ReservoirModel 19
1.3 FacilityModel 19
1.4 CO2VEBlackOilTypeModel 19
1.5 SimpleWell 19
1.6 LinearizedProblem 19
1.7 LinearSolverAD 20
1.8 NonLinearSolver 20
1.9 SimulateScheduleAD 21
1.10 MakeReports 21
1.11 Free_sg 21
2 АНАЛИЗ МИРОВОГО ОПЫТА ПРИМЕНЕНИЯ МАШИННОГО
ОБУЧЕНИЯ ДЛЯ ОПТИМИЗАЦИИ РАССТАНОВКИ СКВАЖИН 22
2.1 Анализ проектов с использованием обучения с подкреплением 22
2.2 Методология 23
3 ОПТИМИЗАЦИЯ РАССТАНОВКИ СКВАЖИН ИСПОЛЬЗУЯ
ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ 24
3.1 Политика 25
3.2 Базовая политика 25
3.3 Политика нейронных сетей 26
3.4 Fully connected neural network 27
3.5 Обучение политики градиентов 27
3.6 Loss function 28
3.7 Nadam оптимизатор 29
3.8 Политика градиентов (REINFORCE) 29
3.9 REINFORCE алгоритм (типичная вариация): 29
4 ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ДЕСКТОПНОГО ПРИЛОЖЕНИЯ 31
4.1 Спецификация приложения 31
4.2 Диаграммы UML 33
4.2.1 Диаграмма вариантов использования 33
4.2.2 Диаграмма классов 39
4.2.3 Диаграмма последовательности 40
4.3 Пример использования 40
4.4 Руководство пользователя 42
4.4.1 Обзор системы 42
4.4.2 Уровни доступа пользователей 42
4.4.3 Установка симулятора 43
4.4.4 Использование приложения-симулятора 44
5 ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ВЕБ-ПРИЛОЖЕНИЯ 49
5.1 Клиентская часть 49
5.2 Серверная часть 49
5.3 Логическая модель 50
5.4 Физическая модель 50
5.5 Диаграмма DFD 51
5.6 Диаграмма BPMN 52
5.7 Диаграмма EPC 53
5.8 Использование веб-приложения 53
5.9 Развертывание веб-приложения на «Яндекс.Облако» 58
6 ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОЭФФЕКТИВНОСТЬ И
РЕСУРСОСБЕРЕЖЕНИЕ 61
6.1 Потенциальные потребители результатов исследования 61
6.2 Анализ конкурентных технических решений 61
6.3 SWOT-анализ 63
6.4 Планирование работ по научно-техническому исследованию 65
6.4.1 Структура работ в рамках научного исследования 65
6.4.2 Определение трудоёмкости выполнения работ 67
6.4.3 Разработка графика проведения научного исследования 68
6.5 Бюджет научно-технического исследования (НТИ) 73
6.5.1 Расчет материальных затрат НТИ 74
6.5.2 Расчет затрат на специальное оборудование для научных работ 74
6.5.3 Основная заработная плата исполнителя темы 75
6.5.4 Расчет дополнительной заработной платы 79
6.5.5 Отчисления во внебюджетные фонды 79
6.5.6 Накладные расходы 80
6.5.7 Формирование бюджета затрат научно-исследовательского проекта 81
6.6 Определение ресурсной (ресурсосберегающей), финансовой, бюджетной, социальной и экономической эффективности исследования81
7 СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ 84
Введение 84
7.1 Правовые и организационные вопросы обеспечения безопасности . 85
7.1.1 Специальные правовые нормы трудового законодательства 85
7.1.2 Основные эргономические требования к правильному
расположению и компоновке рабочей зоны 85
7.2 Производственная безопасность 87
7.2.1 Недостаточная освещенность рабочей зоны 88
7.2.2 Отсутствие или недостаток естественного света 88
7.2.3 Отклонение параметров микроклимата 89
7.2.4 Умственное переутомление 90
7.2.5 Повышенный уровень электромагнитных излучений 90
7.2.6 Электрический ток 91
7.3 Экологическая безопасность 92
7.4 Безопасность в чрезвычайных ситуациях 93
Вывод по разделу 95
ЗАКЛЮЧЕНИЕ 96
СПИСОК ЛИТЕРАТУРЫ 97
ПРИЛОЖЕНИЕ А. КОД DDL 102
ПРИЛОЖЕНИЕ Б. ИСХОДНЫЙ КОД ОСНОВНОГО МОДУЛЯ ВЕБ-ПРИЛОЖЕНИЯ
1 ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ МОДЕЛИРОВАНИЯ ПОДЗЕМНОГО
ХРАНЕНИЯ СО2 17
1.1 PhysicalModel 18
1.2 ReservoirModel 19
1.3 FacilityModel 19
1.4 CO2VEBlackOilTypeModel 19
1.5 SimpleWell 19
1.6 LinearizedProblem 19
1.7 LinearSolverAD 20
1.8 NonLinearSolver 20
1.9 SimulateScheduleAD 21
1.10 MakeReports 21
1.11 Free_sg 21
2 АНАЛИЗ МИРОВОГО ОПЫТА ПРИМЕНЕНИЯ МАШИННОГО
ОБУЧЕНИЯ ДЛЯ ОПТИМИЗАЦИИ РАССТАНОВКИ СКВАЖИН 22
2.1 Анализ проектов с использованием обучения с подкреплением 22
2.2 Методология 23
3 ОПТИМИЗАЦИЯ РАССТАНОВКИ СКВАЖИН ИСПОЛЬЗУЯ
ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ 24
3.1 Политика 25
3.2 Базовая политика 25
3.3 Политика нейронных сетей 26
3.4 Fully connected neural network 27
3.5 Обучение политики градиентов 27
3.6 Loss function 28
3.7 Nadam оптимизатор 29
3.8 Политика градиентов (REINFORCE) 29
3.9 REINFORCE алгоритм (типичная вариация): 29
4 ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ДЕСКТОПНОГО ПРИЛОЖЕНИЯ 31
4.1 Спецификация приложения 31
4.2 Диаграммы UML 33
4.2.1 Диаграмма вариантов использования 33
4.2.2 Диаграмма классов 39
4.2.3 Диаграмма последовательности 40
4.3 Пример использования 40
4.4 Руководство пользователя 42
4.4.1 Обзор системы 42
4.4.2 Уровни доступа пользователей 42
4.4.3 Установка симулятора 43
4.4.4 Использование приложения-симулятора 44
5 ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ВЕБ-ПРИЛОЖЕНИЯ 49
5.1 Клиентская часть 49
5.2 Серверная часть 49
5.3 Логическая модель 50
5.4 Физическая модель 50
5.5 Диаграмма DFD 51
5.6 Диаграмма BPMN 52
5.7 Диаграмма EPC 53
5.8 Использование веб-приложения 53
5.9 Развертывание веб-приложения на «Яндекс.Облако» 58
6 ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОЭФФЕКТИВНОСТЬ И
РЕСУРСОСБЕРЕЖЕНИЕ 61
6.1 Потенциальные потребители результатов исследования 61
6.2 Анализ конкурентных технических решений 61
6.3 SWOT-анализ 63
6.4 Планирование работ по научно-техническому исследованию 65
6.4.1 Структура работ в рамках научного исследования 65
6.4.2 Определение трудоёмкости выполнения работ 67
6.4.3 Разработка графика проведения научного исследования 68
6.5 Бюджет научно-технического исследования (НТИ) 73
6.5.1 Расчет материальных затрат НТИ 74
6.5.2 Расчет затрат на специальное оборудование для научных работ 74
6.5.3 Основная заработная плата исполнителя темы 75
6.5.4 Расчет дополнительной заработной платы 79
6.5.5 Отчисления во внебюджетные фонды 79
6.5.6 Накладные расходы 80
6.5.7 Формирование бюджета затрат научно-исследовательского проекта 81
6.6 Определение ресурсной (ресурсосберегающей), финансовой, бюджетной, социальной и экономической эффективности исследования81
7 СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ 84
Введение 84
7.1 Правовые и организационные вопросы обеспечения безопасности . 85
7.1.1 Специальные правовые нормы трудового законодательства 85
7.1.2 Основные эргономические требования к правильному
расположению и компоновке рабочей зоны 85
7.2 Производственная безопасность 87
7.2.1 Недостаточная освещенность рабочей зоны 88
7.2.2 Отсутствие или недостаток естественного света 88
7.2.3 Отклонение параметров микроклимата 89
7.2.4 Умственное переутомление 90
7.2.5 Повышенный уровень электромагнитных излучений 90
7.2.6 Электрический ток 91
7.3 Экологическая безопасность 92
7.4 Безопасность в чрезвычайных ситуациях 93
Вывод по разделу 95
ЗАКЛЮЧЕНИЕ 96
СПИСОК ЛИТЕРАТУРЫ 97
ПРИЛОЖЕНИЕ А. КОД DDL 102
ПРИЛОЖЕНИЕ Б. ИСХОДНЫЙ КОД ОСНОВНОГО МОДУЛЯ ВЕБ-ПРИЛОЖЕНИЯ
В настоящее время изменение климата наблюдается во всех регионах планеты, причем этот процесс становится все более интенсивным и связан, во многом, с ростом выбросов CO2 в атмосферу. С каждым годом тают ледники, уровень мирового океана повышается, в местах вечной мерзлоты животные сталкиваются с проблемой выживания. Одним из способов борьбы с глобальным потеплением является подземное захоронение CO2. Многие ученые работают над решением этой проблемы, но уровень осведомленности и доступности к программному обеспечению, необходимому для моделирования сценариев хранения CO2 невысок. Если общество хочет предотвратить трагические последствия выбросов CO2 в атмосферу, необходим ресурс, который позволит большему числу людей быть вовлечёнными в решение проблем, связанных с подземным захоронением углекислого газа.
Целью данной работы является разработка веб- и десктопного приложений, которые позволят большему числу людей получить доступ к программному обеспечению, необходимому для изучения проблемы подземного захоронения CO2, а также «среду» для применения методов машинного обучения для решения проблем нефтегазового дела.
Симулятор для долгосрочного хранения CO2 с использованием методов машинного обучения - это приложение, которое охватывает весь цикл создания и настройки сценариев закачки, миграции, запуска моделирования и визуализации результатов, а также оптимизации расстановки скважин. Приложение имеет библиотеку с готовыми геологическими моделями, подробная документация снижает порог вхождения для начала работы на платформе. Приложение является абсолютно бесплатным, возможность добровольных пожертвований, специальные грантовые программы и конкурсы помогут проекту развиваться в нужной степени.
Целью данной работы является разработка веб- и десктопного приложений, которые позволят большему числу людей получить доступ к программному обеспечению, необходимому для изучения проблемы подземного захоронения CO2, а также «среду» для применения методов машинного обучения для решения проблем нефтегазового дела.
Симулятор для долгосрочного хранения CO2 с использованием методов машинного обучения - это приложение, которое охватывает весь цикл создания и настройки сценариев закачки, миграции, запуска моделирования и визуализации результатов, а также оптимизации расстановки скважин. Приложение имеет библиотеку с готовыми геологическими моделями, подробная документация снижает порог вхождения для начала работы на платформе. Приложение является абсолютно бесплатным, возможность добровольных пожертвований, специальные грантовые программы и конкурсы помогут проекту развиваться в нужной степени.
- В данной работе был изучен модуль co2lab MRST (MATLAB Reservoir Simulation Toolbox). Был извлечен модуль для вычисления нелинейной физической модели, используя автоматическое дифференцирование, что является «ядром» для симуляции долгосрочного хранения CO2. Полученный модуль был частично преобразован в Python, используя GNU Octave интерпретатор для выполнения непосредственно самих вычислений.
- Разработаны и применены алгоритмы обучения c подкреплением для оптимизации размещения скважин, чтобы предотвратить утечку газа и добиться максимального захоронения CO2 в структурных ловушках.
- Спроектированы и разработаны веб- и десктопное приложения для симуляции долгосрочного хранения CO2 c использованием методов машинного обучения. Веб-приложение размещено на облачной платформе Яндекс.Облако.
- Разработанные приложения имеют следующий функционал: изменение параметров симуляции, визуальное отображение результатов симуляции в виде графика инвентаризации захоронение CO2, интеллектуальный поиск эффективной расстановки скважин, «интуитивный» поиск оптимальной расстановки скважин, сохранение результатов симуляции в .csv формате, отображение структурных ловушек на геологической модели.
- Созданные веб- и десктопное приложения имеют открытую лицензию и могут быть использованы как для изучения реалистичных сценариев закачки и миграции углекислого газа, так и функционировать в качестве платформы для быстрого прототипирования новых моделей и вычислительных методов, а также использоваться как «среда» для применения методов машинного обучения в нефтегазовой отрасли.
- Разработаны и применены алгоритмы обучения c подкреплением для оптимизации размещения скважин, чтобы предотвратить утечку газа и добиться максимального захоронения CO2 в структурных ловушках.
- Спроектированы и разработаны веб- и десктопное приложения для симуляции долгосрочного хранения CO2 c использованием методов машинного обучения. Веб-приложение размещено на облачной платформе Яндекс.Облако.
- Разработанные приложения имеют следующий функционал: изменение параметров симуляции, визуальное отображение результатов симуляции в виде графика инвентаризации захоронение CO2, интеллектуальный поиск эффективной расстановки скважин, «интуитивный» поиск оптимальной расстановки скважин, сохранение результатов симуляции в .csv формате, отображение структурных ловушек на геологической модели.
- Созданные веб- и десктопное приложения имеют открытую лицензию и могут быть использованы как для изучения реалистичных сценариев закачки и миграции углекислого газа, так и функционировать в качестве платформы для быстрого прототипирования новых моделей и вычислительных методов, а также использоваться как «среда» для применения методов машинного обучения в нефтегазовой отрасли.