פיתוח מודלים היברידיים המשלבים גישות אמפיריות ופיזיקה על בסיס סדרי דקלין

מבוא

ניתוח עקומה הוא אבן הפינה של הנדסה של מאגר היברידי, מתן התחזיות כי תכנון פיתוח שדה, עתודות estimation, ואת הערכה כלכלית. במשך עשרות שנים, התעשייה התבססה על שתי משפחות נפרדות של מודלים: שיטות אמפיריות, מונעות נתונים כי מתאים ייצור היסטורי לפונקציות מתמטיות פשוטות, ומודלים המבוססים על פיזיקה, מכניסטים, אשר מנסים לכבד את המשוואות של זרימה נוזלית ב- ⁇ , אך דורשים שינויים משמעותיים של מידע על בסיס פיזי, אך הם לעתים קרובות, אך ורק על בסיס פיזי, אך ורק לאחר מכן, אך ורק מודלים סטנדרטיים, אך הם דורשים מודלים סטנדרטיים, אך ורקמותיים, אך ורק לאחר מכן, אך ורק מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים חישוביים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, הם דורשים מודלים חישוביים, המבוססים על בסיס פיזיקלימיים, אך ורקמותיים, אך הם דורשים מודלים של מודלים של מודלים חיוניים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך ורקמותיים, אך

דחיפה לגישות היברידיות מונעת על ידי צרכים מעשיים.מאגרים בלתי קונבנציונליים, עם רשתות השברים המורכבות שלהם וזרימת רב-phase, לאתגר שיטות ירידה מסורתיות.מהנדסים זקוקים לתחזיות שהן מדויקות וחזקות, במיוחד כאשר נתוני הייצור מוגבלים או רועשים.על ידי שילוב מגבלות פיזיקליות, מודלים היברידיים להפחית את הסיכון של התאמה ושיפור ביצועים בתנאים משתנים כגון דפלציה לחץ, הפרעה, או גירוי זה מאמר של ביקורות על פני מודלים של מודלים היברידיים של חשיבה, ולאחר מכן, ולאחר מכן, מודלים של מודלים של מודלים המבוססים על ידי עיצוביים, ולאחר מכן, מודלים המבוססים על מודלים של מודלים של מודלים של שיטות למידה היברידית, ולאחר מכן, ולאחר מכן, ירידה של מודלים של מודלים המבוססים על ידי מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של מודלים של חשיבה היברידית, ולאחר מכן, ולאחר מכן, ולאחר מכן, ולאחר מכן, ירידה של שיטות למידה.

מודלים אמפיריים

מודלים אמפיריים מתייחסים לשיעור הייצור כתפקוד של זמן, ללא מאגרי יסוד פיזיקה.הפשטות שלהם היא היתרון העיקרי שלהם: הם דורשים רק נתוני ייצור, להתאים במהירות, ומייצרים תחזיות מיידיות.הידוע ביותר הוא משפחת ארפים, אשר ביטא כ:

(ב) ויקרא י"ד): "וַיְּהִיא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא הוּא" (ב', כ"ד)

(ב) ב[[1924]]]] [[1924]]]]]] [[1924]]]]]]]] [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]], [[1924]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]], [[1924]]]]]], [[1924]]]]]]]]]], [[1924]], [[1924]]]]]]]]]], [[1924]]]], [[1924]]]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]] [[[[1924]]]]]]

Duong (2011) הציג מודל מותאם למאגרי השבורים עם זרימה ליניארית טרנסית:

(ב) ויקרא י"ד): "וַיְהִיא רָאוּ רָאוּדְהִיתִיתִי" (ב)

שם (FLT:0)aveFLT:1 ו-FLT:2nFelo 3 הם פרמטרים מתאימים.מודל של Duong לעתים קרובות outperforms hyperbolic Arps בשלב המוקדם של החיים, אבל יכול overestimate ייצור לטווח ארוך.מודל הצמיחה הלוגיסטית (Clark et al. 2011) ואת המודל האקספונמיטיבי המורחב הם גם גישה בלתי אמינה של כל אחד מהם הוא תנאי מוגבל, במיוחד תחת מסגרת מוגבלת של חלון, אשר היה מוגבל, אשר היה מוגבל במיוחד, אשר היה תחת תוקף תפעולי, או מוגבל יותר מאשר בתנאי הפחתתוגן, במיוחד, אשר היה מוגבל, אשר היה תחת מסגרת מוגבלת, אשר היה תחת מסגרת מוגבלת של תצורה של תצורה של תצורה של תצורה של תצורה של תצורה של תצורה של .

מודלים מדויקים לפיסיקה

מודלים המבוססים על פיזיקה כוללים במפורש את המשוואות השולטות בזרימת נוזל, הידראולים, ומאפיינים של מאגרים.טווח זה מפתרונות אנליטיים עבור ג'מטות אידיאליות לסימולטורים רבי-ספריים מלאים.הטיפוס Fetkcz (1980), לדוגמה, משלבים את Arps ירידה עם פתרונות אנליטיים עבור גמטים קבועים וזרימה מבוססת גבולות.

עבור מאגרים מורכבים - מזחלות אופקיות הידראוליות בפצלי – לעתים קרובות בונים מודלים מספריים המדמיינים את זרימת ה- Multiphase, גיאוגרפים, ושינויים ב מוליכות שבר.מודלים אלה יכולים לייצג תהליכים פיזיים כגון חסימת מים, סימולציה גז, וגמישות תלויה בלחץ.

מודלים היברידיים

מודלים היברידיים נועדו לגשר על הפער בין נוחות המונעת נתונים לבין עקביות פיזית.כמה אסטרטגיות הופיעו, כל אחד עם מתודולוגיות נפרדות ותחומי יישומים.

קליטור של מודלים לפיזיקה עם Empirics

אחת התוכניות ההיברידיות הנפוצות משתמשת במודלים אמפיריים כדי לזרז תחזית המבוססת על פיזיקה.לדוגמה, Arps ירידה exponentFLT:0boriFLT:1 ניתן להשתמש כדי להפר משטר זרימה (למשל, b=2 למגבלות ליניאריות טהורות), אשר לאחר מכן מודיע את הפרמטרים של פתרון אנליטי.

מודלים אמפיריים משופרים

(ב) [ה]] יש צורך במגבלות פיזיות ישירות על עקומה אמפירית, למשל, שיעור הירידה (ה- 12:0 (DIRFLT:1) עשוי להיות נאלץ לעקוב אחר צורה פונקציונלית צפויה שמקורה באיזון חומרי, כך שהמודל אינו יכול להפר את שימור המסה באופן אקספונציאלי (Fallowed) של מערכת נתונים של LT-Fential-Fent (D) אשר עדיין מאפשר ירידה של 1DVal-Fent) ל-Fent) להפחתה של 1DVate-Fential-Fal-Fent (מחדשנית.

תיקון נתונים-Driven של מודלים לפיזיקה

בקטגוריה זו, מודל פיזיקה מספק תחזית בסיס, ושכבה למידה אמפירית או מכונה מתקן את שאריות.לדוגמה, סימולטור מספרי יכול לייצר מגמה של ירידה מסדר ראשון, תהליך גאוסי או רשת עצבית או רשת עצבית מאומנים לחזות את ההבדל בין נצפית וסימולציה של המודלים המשולבים לשמור על המבנה הפיזי של סימולטור אבל לומד שגיאות שיטתיות, ביעילות, כמו גם את המודל הפיזיקלימי של המאפיין הזה, באופן יעיל.

פיזיקה-Informed Machine Learning

ההתקדמות האחרונה בלמידה עמוקה הציגה רשתות עצביות בעלות מודעות (PINNs)SIRLT:1, אשר להטביע את PDE השולט (למשל, משוואה diffusivity משוואה) כמונח סדירה בתפקוד האובדן. עבור ירידה יישומים עקומה, PINN יכול להיות מאומן לתפוקה לעומת הזמן בעוד תחזיות כי מפרות חומר או זרימה של מודלים כגון ירידה במשקל, אך דורשות את הפחתת נתונים חלופיים, אך הם עדיין לא מוגבל יותר מאשר מודלים של שינוי, אך דורשות, אך ורק על ידי שינוי קבוע, אך דורשות, אך ורק על ידי שינוי מודלים של שינוי חומרים אלה הם דורשים ירידה של שינוי פיזיקלציה.

מחקרים ויישומים

מחקרים שפורסמו רבים מראים את היתרונות המעשיים של מודלים היברידיים.בשנה SPEOVA (FLT:0SPE-201571-MSFLT:1), החוקרים פיתחו גישה היברידית שביחד עם מודל מספרי מבוסס חומר מאוזן (FLT:0SPE-201571-MSFLT) עם מודל עצבי שהושק על נתוני ייצור מ-ידי ה-Bobken.החיזוי ההיברידי הפחתת השגיאה הבסיסית על ידי 30% לעומת מודל דינמי, בהשוואה לדגם DUSD2, אשר היה מבוסס על ידי מחקר קבוע, אשר היה מבוסס על ידי בדיקה אחרונה, אשר היה מבוסס על ידי בדיקה אחרונה של פיזיקה, אשר היה נמוך יותר, אשר היה על ידי DIS.

מפעילי שדה משתמשים גם במודלים היברידיים באמצעות פלטפורמות תוכנה המשלבות את RTA עם עקומה סטטיסטית מתאימה.לדוגמה, כלים מסחריים (ראהים:0IHS HarmonyFLT:1 או FLT:2Fekete RTAFLT 3LT) מאפשרים למשתמשים להטיל מגבלות על התאמה אמפירית, יצירת למעשה זרימה היברידית.

אתגרים בפיתוח מודל היברידי

למרות ההבטחה שלהם, מודלים היברידיים להתמודד עם כמה אתגרים נצחיים. הראשון, FLT:0 אינטגרציה של מסגרות מודלים שונים FLT 1 דורש תשומת לב זהירה בקנה מידה, תנאי גבול, ואימות. מודל קיים המשתמש התאמה אמפירית לשכפול סימולציה של פיזיקה עשוי להדגים שגיאות אם ההתאמה האמפירית היא שלילית.

שנית, מודלים המבוססים על פיסיקה דורשים לחץ, תכונות נוזלים, ופרטים השלמתם; מודלים אמפיריים זקוקים להיסטוריה של ייצור אמין.מודלים היברידיים יורשים את החולשות של שני אם הנתונים הם דליקים או לא אמינים.בתחומים בוגרים עם בדיקות לחץ בלתי סביר, המודל הפיזי עשוי להיות מחוספס, בעוד שהמודלים האמפיריים עשויים להיות מותאמים לאפקטים כגון תופעות לוואי או לא אמינות.

שלישית, ⁇ :0 [ה]ההוצאה היומית של ה-FLT1] יכולה להיות מחסום. הפעלת סימולטור מאגר מלא עבור אלפי בארות בזרימת עבודה יומית היא לא מעשית.אפילו מודלים אנליטיים מופחתים, כאשר יחד עם אופטימיזציה של מאגרים, יכול להיות איטי מדי עבור יישומים בזמן אמת.

רביעית, עם מודל היברידי, מהנדס צריך להחליט אילו מגבלות פיזיות לכפות וכמה משקל לתת להם ביחס לנתונים המתאימים.Over-constraining the Physics יכול להפחית את יכולת המודל להתאים להיסטוריה, בעוד תחת פיקוח מוביל חזרה למקסימום של over-constraining the Physics יכול להפחית את יכולת המודל להתאים את ההיסטוריה, בעוד תחת פיקוח מוביל חזרה לתוספת אמפירית טהורה על פני השטח.

כיוונים עתידיים

האבולוציה של דגמי ההידרדרות ההיברידית תבוטל על ידי התקדמות בארבעה תחומים: למידת מכונה, הטמעת נתונים, ניטור בזמן אמת ותאומים דיגיטליים.

Machine Learning and Auto Physics Discovery

רשתות נילי ותוקפנות סמלית יכולים לגלות מערכות יחסים פיזיות מאוחרות בנתונים הייצור.לדוגמה, זיהוי של דינמיות לא לינאריות (SINDy)FLT:1 יכול לחלץ משוואות ממשלתיות ישירות ממשטחי זמן, הניב מודלים כי הם עדיין חומרים מונעים על ידי נתונים וניהול קפדני.

« « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « «

פילטרים של קאלמן ופילטרים חלקיקים מאפשרים מודלים היברידיים לעדכן כנתוני ייצור חדשים מגיע.במקום חיזוי סטטי אחד, המודל מתפתח עם הזמן, תיקון הן פרמטרים אמפיריים והן קלטות פיזיקליות (למשל, מכפילות חדירות) זה FLT:0 Closed-loopFLT:1 מסגרת כבר בשימוש בתחומים חכמים מסוימים, אבל תאומים נדירים לניתוח שגרתית, כמו גם חיזוי סטנדרטי של נתונים, הופך לתאים סטנדרטיים של חיזוי עבודה סטנדרטי.

תאומים דיגיטליים למחזור החיים

הרחבה טבעית היא התאומה הדיגיטלית ספציפית - מודל מעודכן ברציפות המשלב סימולטורים בפיסיקה עם נתוני ייצור בזמן אמת, בדיקות טובות ולוגים תפעוליים.רכיב תחזית היברידית יתחלף באופן אוטומטי בין מודלים המבוססים על גילוי משטר זרימה, באמצעות נוסחאות אמפיריות עבור שלבים זמניים ועבר לאיזון חומרים מבוסס פיזיקה עבור תקופות מובנות גבולות.

מסקנה

מודלים היברידיים המשלבים גישות אמפיריות ופיזיקה מציעים נתיב מעשי לעבר חוקים מדויקים יותר, חזקים ופרשיים של תחזיות עקומות עקומות עקומות. על ידי שמירה על הפשטות והעוצמה של שיטות אמפיריות תוך עיגון תחזיות לחוקים פיזיים, הם מתייחסים למגבלות של כל גישה טהורה.השדה מתפתח במהירות, עם חידושים בלמידה והטמעת נתונים כדי לספק מודלים שהם מהנדסים בעלי יכולת עצמית, ולטפל בטכניקות מורכבות של פיתוח משאבים.