🔍 Поиск готовых работ

🔍 Поиск работ

Использование генетического алгоритма для оптимизации системы разработки месторождения углеводородов на примере синтетического аналога

Работа №204442

Тип работы

Магистерская диссертация

Предмет

газовые сети и установки

Объем работы119
Год сдачи2022
Стоимость4845 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
17
Не подходит работа?

Узнай цену на написание


Введение 17
1 Генетические алгоритмы 19
1.1 Введение в генетические алгоритмы 19
1.2 История разработки и использования генетических алгоритмов 21
1.3 Применение генетических алгоритмов 23
1.4 Отличия от традиционных алгоритмов 25
1.5 Достоинства и ограничения генетических алгоритмов 26
1.6 Общая схема работы генетических алгоритмов 29
1.7 Создание исходной популяции 30
1.8 Оценка целевой функции 31
1.9 Отбор особей для размножения 32
1.10 Скрещивание 34
1.11 Мутация 36
1.12 Расширение и редукция популяции 37
1.13 Проверка критериев остановки и завершение работы 38
1.14 Выводы по разделу 39
2 Применение генетического алгоритма для оптимизации системы разработки
синтетической модели месторождения нефти 40
2.1 Описание системы 40
2.2 Параметры месторождения и систем разработки 41
2.3 Описание генетического алгоритма 48
2.4 Тестовая функция чистой приведенной стоимости 53
2.5 Функция чистой приведенной стоимости 59
2.6 Выводы по разделу 63
3 Финансовый менеджмент, ресурсоэффективность и ресурсосбережение 65
4 Социальная ответственность 72
4.1 Правовые и организационные вопросы обеспечения безопасности ... 72
4.2 Производственная безопасность 74
4.3 Экологическая безопасность 83
4.4 Безопасность в чрезвычайных ситуациях 84
4.5 Выводы по разделу 85
Заключение 86
Список использованных источников 88
Приложение А 94
Приложение Б 113

Структура запасов месторождений нефти и газа за последние десятилетия претерпела значительные изменения. Возросла доля месторождений, имеющих относительно небольшие размеры, сложное строение, низкопроницаемые и нетрадиционные породы-коллекторы, высоковязкие флюиды [26]. В такой ситуации все более остро встает вопрос рентабельности разработки месторождений. Во многом экономическую эффективность разработки месторождений нефти и газа определяет применяемая система разработки [16].
В настоящее время информационные технологии широко используются инженерами-разработчиками месторождений углеводородов (УВ) в качестве помощи в принятии решений. В данной работе было выдвинуто предположение, что генетические алгоритмы (как один из оптимизационных методов машинного обучения) могут быть использованы в качестве такой помощи для оптимизации системы разработки. Для проверки данного предположения было решено создать синтетическую модель месторождения нефти и применить на ней генетический алгоритм для получения оптимальной системы разработки (с точки зрения экономики).
Объектом исследования данной работы являются генетические алгоритмы. Предметом исследования является генетический алгоритм, используемый для оптимизации системы разработки месторождений углеводородов.
Целью данной работы является написание генетического алгоритма для оптимизации системы разработки месторождения углеводородов на примере синтетического аналога.
Для достижения данной цели ставились следующие научные задачи:
1) изучить генетические алгоритмы;
2) написать генетический алгоритм;
3) применить генетический алгоритм на тестовой функции и проанализировать результаты;
4) применить генетический алгоритм на синтетической модели месторождения нефти и проанализировать результаты.
Актуальность исследования связана с тем, что верный подбор системы разработки во многом определяет экономическую эффективность проекта разработки месторождения. Генетические алгоритмы могут быть использованы для оптимизации системы разработки, что позволяет повысить рентабельность проектов.
Личный вклад автора заключается в написании генетического алгоритма и анализе его применения на синтетической модели месторождения.
Практическая значимость работы заключается в возможном применении написанного генетического алгоритма для оптимизации разработки месторождений нефти и газа инженерами-разработчиками месторождений углеводородов и специалистов по геологическому и гидродинамическому моделированию.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В ходе выполнения данной магистерской диссертации были изучены генетические алгоритмы (их схема работы, применение, преимущества и недостатки и используемые методы), после чего написан и применен генетический алгоритм, который позволил оптимизировать сначала тестовую функцию, а затем и систему разработки синтетической модели месторождения нефти. Результаты были проанализированы и было доказано, что генетический алгоритм может быть использован для оптимизации системы разработки, так как позволяет находить такие параметры системы разработки, которые позволяют максимизировать такой экономический параметр как чистая приведенная стоимость. Таким образом, цель и задачи были выполнены.
Тем не менее, рекомендуется продолжить изучение применимости алгоритма на более сложных системах, таких как гидродинамические модели месторождений нефти и газа различной сложности. Также рекомендуется проанализировать эффективность других оптимизационных алгоритмов при решении той же задачи.
При успешном применении данного генетического алгоритма на более сложных системах алгоритм может быть использован на предприятиях добычи нефти и газа инженерами-разработчикам месторождений углеводородов и специалистами по геологическому и гидродинамическому моделированию в качестве помощи при принятии решений. Это позволит подбирать более эффективные системы разработки месторождений, что приведет к росту экономической эффективности проектов разработки месторождений. Также алгоритм может быть использован для экономии времени специалистов.
Кроме того, в работе была представлена финансово-экономическая модель, которая использовалась для расчета чистой приведенной стоимости из профиля добычи нефти и проанализированы другие экономические параметры, используемые для оценки проектов, и риски, которые должны быть учтены. Также рассматривались вопросы социальной ответственности при создании и использовании генетических алгоритмов (правовые и организационные вопросы обеспечения безопасности, производственная безопасность, экологическая безопасность и безопасность в чрезвычайных ситуациях).



1. ГОСТ 12.0.003-2015 Опасные и вредные производственные факторы. Классификация [Электронный ресурс] - Доступ из справ.-правовой системы «КонсультантПлюс», 2015. - 3 с.
2. ГОСТ 12.1.004-91 Пожарная безопасность. Общие требования. [Электронный ресурс] - Доступ из справ.-правовой системы «КонсультантПлюс», 1991. - 66 с.
3. ГОСТ 12.1.038-82 Система стандартов безопасности труда. Электробезопасность. Предельно допустимые значения напряжений прикосновения и токов [Электронный ресурс] - Доступ из справ.-правовой системы «КонсультантПлюс», 1982. - 7 с.
4. ГОСТ 12.2.032-78. Система стандартов безопасности труда. Рабочее место при выполнении работ сидя. Общие эргономические требования [Электронный ресурс] - Доступ из справ.-правовой системы «КонсультантПлюс», 1978. - 9 с.
5. ГОСТ Р ИСО 9241-4-2009. Эргономические требования к проведению офисных работ с использованием видеодисплейных терминалов (VDT). Часть 4. Требования к клавиатуре [Электронный ресурс] - Доступ из справ.-правовой системы «КонсультантПлюс», 2009. - 40 с.
6. ГОСТ Р ИСО 9241-5-2009. Эргономические требования к проведению офисных работ с использованием видеодисплейных терминалов (VDT). Часть 5. Требования к расположению рабочей станции и осанке оператора [Электронный ресурс] - Доступ из справ.-правовой системы «КонсультантПлюс», 2009. - 38 с.
7. ГОСТ Р ИСО 9241-7-2007. Эргономические требования при выполнении офисных работ с использованием видеодисплейных терминалов (ВДТ). Часть 7. Требования к дисплеям при наличии отражений [Электронный ресурс] - Доступ из справ.-правовой системы «КонсультантПлюс», 2007. - 28 с.
8. СанПиН 2.2.2/2.4.1340-03. Гигиенические требования к персональным электронно-вычислительным машинам и организации работы [Электронный ресурс] - Доступ из справ.-правовой системы «КонсультантПлюс», 2003. - 54 с.
9. СанПиН 2.2.4.548-96 Гигиенические требования к микроклимату производственных помещений [Электронный ресурс] - Доступ из справ.- правовой системы «КонсультантПлюс», 1996. - 20 с.
10. СН 2.2.4/2.1.8.562-96. Санитарные нормы. Шум на рабочих местах, в
помещениях жилых, общественных зданий и на территории жилой застройки [Электронный ресурс] - Доступ из справ.-правовой системы
«КонсультантПлюс», 1996. - 8 с.
11. СП 52.13330.2016 Естественное и искусственное освещение
[Электронный ресурс] - Доступ из справ.-правовой системы
«КонсультантПлюс», 2016. - 116 с.
12. Трудовой кодекс Российской Федерации [Электронный ресурс]: федер. закон от 30.12.2001 № 197-ФЗ - Доступ из справ.-правовой системы «КонсультантПлюс», 2001. - 210 с.
Опубликованные источники
13. Батищев Д. И. Применение генетических алгоритмов к решению задач дискретной оптимизации / Д. И. Батищев, Е. А. Неймарк, Н. В. Старостин. - Нижний Новгород: Нижегородский государственный университет им. Н.И. Лобачевского, 2007. - 347 с.
14. Беспалько Н. Е. Расчет общего равномерного искусственного освещения производственного помещения: метод. указания / Н. Е. Беспалько. - Тамбов: Изд-во ФГБОУ ВПО «ТГТУ», 2013. - 12 с.
15. Бойко В. С. Разработка и эксплуатация нефтяных месторождений / В. С. Бойко. - М.: Недра, 1990. - 427 с.
16. Гуреева М. А. Экономика нефтяной и газовой промышленности: учебник для студ. учреждений сред. проф. образования / М. А. Гуреева. - М.: Издательский центр «Академия», 2012. - 240 с.
17. Куда сдать старый компьютер [Электронный ресурс] / Point metal recycling. URL: https://pointmetal.ru/60-kuda-sdat-staryi-kompyuter.html#pochemu- nelzya-vybrosit-na-svalku. Дата обращения: 25.05.2022.
18. Кузьмин Т. Г. Экономика инвестиционного проекта в нефтегазовой отрасли: учебное пособие. / Т. Г. Кузьмин, П. В. Молодых. - Томск: Изд-во Томского политехнического университета, 2012. - 261 с.
19. Панченко Т. В. Генетические алгоритмы: учебно-методическое пособие / Т. В. Панченко под ред. Ю. Ю. Тарасевича. - Астрахань: Издательский дом «Астраханский университет», 2007. - 87 с.
20. Ример М. И. Экономическая оценка инвестиций / М. И. Ример, А. Д. Касатов, Н. Н. Матиенко, под общ. ред. М. И. Римера - СПб.: Питер, 2008. - 480 с.
21. Романенко С. В. Методика расчета системы общего равномерного искусственного освещения С. В. Романенко, Ю. В. Анищенко. - Томск: Изд-во Томского политехнического университета, 2016. - 7 с.
22. Романенко С. В. Методические указания по разработке раздела «Социальная ответственность» выпускной квалификационной работы магистра, специалиста и бакалавра всех направлений (специальностей) и форм обучения ТПУ / С. В. Романенко, Ю. В. Анищенко. - Томск: Изд-во Томского политехнического университета, 2016. - 211 с.
23. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинского. / Д. Рутковская, М. Пилиньский, Л. Рутковский. - М.: Телеком, 2006. - 452 с.
24. Сироткин С. А. Экономическая оценка инвестиционных проектов: учебное пособие / С. А. Сироткин, Н. Р. Кельчевская. - М.: ИНФРА-М, 2020. - 274 с.
25. Скобцов В. Ю. Интеллектуальный анализ данных: генетические алгоритмы: учеб.-метод. пособие / В. Ю. Скобцов, Н. В. Лапицкая, С. Н. Нестеренков. - Минск: БГУИР, 2018. - 92 с.
26. Тер-Саркисов Р. М. Разработка и добыча трудноизвлекаемых запасов углеводородов / Р. М. Тер-Саркисов. - М.: Недра, 2005. - 407 с.
27. Цой Ю. Р. О поисковых способностях эволюционных алгоритмов / Ю. Р. Цой // Генетические алгоритмы. - 2006. Т. 8. - С. 28-37.
28. Ahmed, T. Reservoir Engineering Handbook / T. Ahmed. - Burlington: Gulf Professional Publishing, 2006. - 1360 p.
29. Albon, C. Machine Learning with Python Cookbook / C. Albon. - Sebastopol: O’Reilly Media, Inc., 2018. - 350 p.
30. Austin, E. H. Drilling Engineering Handbook / E. H. Austin. - Boston: Reidel Publishing Company, 1983. - 302 p.
31. Chambers, L. D. The Practical Handbook of Genetic Algorithms Applications / L. D. Chambers. - Boca Raton: Chapman & Hall/CRC, 2001. - 535 p.
32. Chin, W. Reservoir Engineering in Modern Oilfields. Vertical, Deviated, Horizontal and Multilateral Well Systems / W. Chin. - Beverly: Scrivener Publishing, 2016. - 246 p.
33. Chollet, F. Deep Learning with Python / F. Chollet. - N-Y: Manning Publications Co., 2021. - 478 p.
34. Dake, L. P. Fundamentals of reservoir engineering / L. P. Dake. - Amsterdam: Elsevier Science B.V., 1978. - 438 p.
35. Davies, D. Production Technology Manual / D. Davies. - Edinburgh: Heriot Watt University, 2016. - 816 p.
36. Fogel, D. B. Evolutionary Computation: Toward a New Philosophy of Machine Intelligence / D. B. Fogel // Complexity. - 1998. - V. 11. - P. 28-30.
37. Ford, J. Production Technology Manual / J. Ford. - Edinburgh: Heriot Watt University, 2017. - 610 p.
38. Fundamentals of petroleum / The University of Texas at Austin Petroleum Extension Service. - Austin: Petex, 2017. - 679 p.
39. Genetic algorithm [Электронный ресурс] / Wikipedia, the free encyclopedia. URL: https://en.wikipedia.org/wiki/Genetic_algorithm. Дата обращения: 02.04.2022.
40. Guidelines for the Economic Analysis of Projects / Asian Development Bank. - Manila: Asian Development Bank, 2017. - 156 p.
41. Guo, B. Petroleum Production Engineering / B. Guo, W. C. Lyons, A. Ghalambor. - Burlington: Gulf Professional Publishing, 2007. - 288 p.
42. Iba, H. Deep Neural Evolution. Deep Learning with Evolutionary Computation / H. Iba, N. Noman. - Singapore: Springer Nature Singapore Pte Ltd., 2020. - 438 p.
43. Joshi, P. Artificial Intelligence with Python / P. Joshi. - Birmingham: Packt Publishing, 2017. - 423 p.
44. Kapoor, A. Hands-On Artificial Intelligence for loT / A. Kapoor. - Birmingham: Packt Publishing, 2019. - 340 p.
45. Ketlar, N. Deep Learning with Python: A Hands-on Introduction / N. Ketlar. - Bangalore: Apress, 2017. - 160 p.
46. Koza, J. R. Genetic Programming / Koza J. R., Poli R. - Stanford: Stanford University Press, 2005. - 356 p.
47. Luke, S. Essentials of Metaheuristics / S. Luke. - Fairfax: Lulu Publishing, 2013. - 261 p.
48. Melanie, M. An Introduction to Genetic Algorithms / M. Melanie. - Cambridge: The Massachusetts Institute of Technology Press, 1999. - 158 p.
49. Michalewicz, Z. Genetic Algorithms + Data Structures = Evolution Programs / Z. Michalewicz. - Charlotte: Springer, 1996. - 387 p.
50. Petroleum Economics Manual / Petroleum Economics Course Team. - Edinburgh: Heriot Watt University, 2016. - 556 p.
51. Petroleum Geoscience Manual / P. Corbett, G. Couples, A. Gardiner, H. Lever. Edinburgh: Heriot Watt University, 2017. - 640 p.
52. Raschka, S. Python: Deeper Insights into Machine Learning / S. Raschka, D. Julian. J. Hearty. - Birmingham: Packt Publishing, 2016. - 881 p.
53. Ravichandiran, S. Deep Reinforcement Learning with Python / S. Ravichandiran. - Birmingham: Packt Publishing, 2020. - 730 p.
54. Reservoir Engineering Manual / Reservoir Engineering Course Team. - Edinburgh: Heriot Watt University, 2018. - 814 p.
55. Review and Classification of Bio-inspired Algorithms and Their Applications / X. Fan, W. Sayers, S. Zhang, Z. Han, L. Ren, H. Chizari. // Journal of Bionic Engineering. - 2020. - V. 17. - P. 611-631.
56. Terry, R. E. Applied petroleum reservoir engineering / R. E. Terry, J. B. Rogers. - Westford: Pearson Education, 2015. - 493 p.
57. tNavigator 21.4 User Manual / Rock Flow Dynamics, 2022. - 518 p.
58. Whitley, D. A Genetic Algorithm Tutorial / D. Whitley // Statistics and Computing. - 1998. - P. 1-40. DOI: 10.1007/BF00175354.
59. Wirsansky, E. Hands-On Genetic Algorithms with Python / E. Wirsansky. - Birmingham: Packt Publishing, 2020. - 320 p.
60. Xiao, P. Artificial Intelligence Programming with Python from Zero to Hero / P. Xiao. - Hoboken: John Wiley & Sons, Inc, 2022. - 682 p.


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ