Адаптация и Оптимизация

Адаптация модели на историю разработки. Визуализация графиков рассчитанных вариантов по накопленным показателям и запасам

Использование метода многомерного масштабирования (MDS) для кластеризации вариантов модели, близких по значениям переменных

Оценка вклада каждого объекта, параметра или слагаемого в целевую функцию с помощью составной диаграммы

Анализ чувствительности параметров модели к изменению переменных по диаграмме Парето и графику Торнадо

Расширенные возможности по настройке и созданию нейронной прокси-модели

Построение и расчет большого количества вариантов с прокси-модели методом Монте-Карло

Использование алгоритма Дифференциальная эволюция для оптимизации модели на прогноз

Использование искусственного интеллекта с возможностью глубокой настройки алгоритма для оптимизации и адаптации модели в условиях н

Использование искусственного интеллекта для глубокой настройки алгоритма оптимизации и адаптации модели в условиях неопределенности

Использование метода сглаживания ансамбля (Ensemble Smoother Method) для адаптации на историю разработки

Интегрируется с модулями

Настройте модель на историю месторождения

Модуль ПО тНавигатор Адаптация и Оптимизация позволяет проводить полный цикл анализа неопределённостей и оптимизации на основе множественных реализаций, настраивать единую модель месторождения на историю разработки в автоматизированном режиме. Модуль содержит графический интерфейс для контроля очереди задач с расчётами на кластере или рабочей станции и анализа результатов. Интеграция модуля обеспечивает сквозной workflow — от построения ансамбля моделей до принятия решений.

Модуль предоставляет специализированные инструменты для комплексного анализа результатов многовариантных расчётов. Функционал включает построение вероятностных моделей P10, P50, P90, вероятностных 3D-свойств, диаграммы Торнадо и Парето для анализа чувствительности, методы PCA и кластеризацию для выявления закономерностей, а также расчёт и визуализацию функций распределения (CDF, PDF). Широкий набор инструментов, включая тепловую карту и параллельные координаты, позволяет оценивать риски и принимать взвешенные бизнес-решения.

Доступен большой спектр методов дизайна экспериментов, включая Латинский гиперкуб, Перебор по сетке, Торнадо, Плэкетт-Берман, Монте-Карло и Бокс-Бенкен. Для оптимизации поддерживаются современные алгоритмы: Метод роя частиц, Дифференциальная эволюция с поддержкой многокритериальности и асинхронного запуска, Метод сглаживания ансамбля с автоматической локализацией переменных, а также алгоритмы на основе искусственных нейронных сетей, такие как Искусственный интеллект и прокси-моделирование с использованием архитектур LSTM, FC-FFN для быстрой оценки неопределённости, адаптации, прогнозирования и сценариев «Что-если?».

Гибкие целевые функции позволяют использовать как стандартные метрики для согласования с историей, так и оптимизацию по ЧПС (NPV) и экономическим показателям. Поддерживается учёт данных RFT/PLT/RST, создание пользовательских целевых функций на основе Python, а также автоматическая развесовка для ускорения работы с большим количеством объектов и параметров.

Масштабируемость и высокая производительность обеспечиваются возможностью расчётов на удалённом кластере. Полная интеграция модуля со всеми компонентами ПО тНавигатор позволяет варьировать любые параметры интегрированной геолого-гидродинамической модели и непрерывно анализировать результаты в едином графическом интерфейсе. Автоматизированные сценарии workflow на основе встроенных расчётов и скриптов Python дают возможность быстро создавать множество реализаций и проводить полный цикл адаптации и анализа переменных на любом этапе построения модели.